Perguntas com a marcação «deep-learning»

Eu sou Ph.D. em matemática aluno interessado em ingressar na indústria como cientista de dados após a graduação. Apresentarei brevemente alguns antecedentes sobre minha educação antes de fazer minha pergunta, para que seja melhor compreendida: Curso de Matemática: Isso tem sido principalmente em matemática pura: topologia, análise funcional, etc., mas …

9 machine-learning  deep-learning  data-cleaning  data-analysis  reference-request 

No artigo Super-resolução de imagem única foto-realista usando uma rede adversa generativa de Christian Ledig et al., A distância entre imagens (usada na função de perda) é calculada a partir de mapas de características extraídos da rede VGG19. Os dois usados ​​no artigo são (um pouco confusos) chamados VGG22 e …

9 deep-learning  cnn  gan 

Suponha que você tenha uma camada de entrada com n neurônios e a primeira camada oculta possua neurônios, normalmente . Então você calcula a acticação do neurônio na camada oculta pormmmm&lt;nm&lt;nm < najaja_jjjj aj=f(∑i=1..nwi,jxi+bj)aj=f(∑i=1..nwi,jxi+bj)a_j = f\left(\sum\limits_{i=1..n} w_{i,j} x_i+b_j\right) , em que é uma função de ativação como ou .ffftanhtanh\tanhsigmoidsigmoid\text{sigmoid} Para …

9 machine-learning  visualization  deep-learning  autoencoder 

Estou vendo como implementar desistências em redes neurais profundas e achei algo contra-intuitivo. Na fase avançada, oculte as ativações com um tensor aleatório de 1s e 0s para forçar a rede a aprender a média dos pesos. Isso ajuda a rede a generalizar melhor. Mas durante a fase de atualização …

9 neural-network  deep-learning  gradient-descent 

Estou tentando aprender como as LSTMredes funcionam e, mesmo que eu entenda o básico, os detalhes da estrutura interna não estão claros para mim. Neste link do blog , encontrei esse esquema de LSTMarquitetura Onde aparentemente, todo círculo deve corresponder a uma LSTMunidade individual como esta Isso está correto? Cada …

9 machine-learning  neural-network  deep-learning  lstm 

As CNNs podem ter centenas de camadas ocultas e, uma vez que são frequentemente usadas com dados de imagem, ter muitas camadas captura mais complexidade. No entanto, tanto quanto eu vi, os RNNs geralmente têm poucas camadas, por exemplo, 2-4. Por exemplo, para a classificação de eletrocardiograma (ECG), vi artigos …

8 deep-learning  cnn  lstm  rnn  feature-extraction 

No documento Normalização em lote: acelerando o treinamento em rede profunda por Redução da mudança interna de covariáveis ​​( aqui ) Antes de explicar o processo de normalização em lote, o artigo tenta explicar os problemas relacionados (não estou entendendo qual é o problema exato abordado aqui) . excerto da …

8 neural-network  deep-learning  batch-normalization 

Treinei uma rede convolucional para classificar as imagens de um componente mecânico como boas ou defeituosas. Embora a precisão do teste fosse alta, percebi que o modelo tinha um desempenho ruim em imagens com iluminação ligeiramente diferente. Os recursos que estou tentando detectar são sutis, e a iluminação parece fazer …

8 machine-learning  classification  deep-learning  image-classification 

Estou procurando uma boa explicação de como funcionam as convoluções no aprendizado profundo quando aplicadas a imagens multicanais. Por exemplo, digamos que eu tenha uma imagem de 100 x 100 pixels com três canais, RGB. O tensor de entrada teria dimensões de 100 x 100 x 3. Se eu aplicar …

8 deep-learning  convnet 

Quero extrair parâmetros de uma imagem usando uma rede neural. Exemplo: Dada a imagem de uma parede de tijolos, o NN deve extrair a largura e a altura dos tijolos, a cor e a rugosidade. Eu posso gerar imagens para determinados parâmetros para treinar o NN e quero usá-lo para …

8 neural-network  deep-learning  computer-vision 

Estou lendo sobre técnicas de computação de reservatórios como Echo State Networks e Liquid State Machines . Ambos os métodos envolvem alimentar entradas para uma população de neurônios spikes conectados aleatoriamente (ou não) e um algoritmo de leitura relativamente simples que produz a saída (por exemplo, regressão linear). Os pesos …

8 machine-learning  classification  neural-network  deep-learning  svm 

Digamos que existem dois carros em uma imagem. Como ele pode detectar esses carros, considerando que ele pode detectar um único carro em uma imagem?

8 deep-learning  convnet  object-recognition 

Quão amplamente o Theano é usado na pesquisa de aprendizado profundo? O Theano é um bom começo para aprender a implementação de algoritmos de aprendizado de máquina? Aprender a implementação de algo como uma rede feed forward realmente ajudará? Os estudantes de pós-graduação implementam redes neurais ou outros algoritmos pelo …

8 machine-learning  python  deep-learning  library 

Eu tenho uma Xmatriz, uma yvariável e outra variável ORTHO_VAR. Preciso prever a yvariável usando X, no entanto, as previsões desse modelo precisam ser ortogonais e, ao ORTHO_VARmesmo tempo, estar o mais correlacionadas ypossível. Eu preferiria que as previsões fossem geradas com um método não paramétrico como, por exemplo, xgboost.XGBRegressormas …

8 correlation  machine-learning  dataset  logistic-regression  prediction  linear-regression  prediction  dummy-variables  neural-network  image-classification  python  k-nn  python  neural-network  neural-network  deep-learning  keras  tensorflow  image-classification  tensorflow  reinforcement-learning  policy-gradients  machine-learning  decision-trees  neural-network  overfitting  data-analysis  metric  python  scikit-learn  distance  scipy  machine-learning  python  scikit-learn  decision-trees  logistic-regression  keras  image-classification  implementation  machine-learning  python  scikit-learn  random-forest  decision-trees  machine-learning  feature-selection  feature-engineering  word2vec  word-embeddings  natural-language-process  scikit-learn  time-series  clustering  k-means  python  cross-validation  pyspark  statistics  cross-validation  multiclass-classification  evaluation  machine-learning  nlp  machine-translation  neural-network  deep-learning  keras  tensorflow  image-classification  machine-learning  python  similarity  distance  lstm  text  named-entity-recognition  machine-learning  keras  optimization  gan  learning-rate  neural-network  data-mining  dataset  databases  books  neural-network  rnn 

Quando eu estava lendo sobre a GAN, o que eu não entendo é por que as pessoas costumam escolher a entrada para uma GAN (z) como amostras de um gaussiano? - e também existem problemas potenciais associados a isso?

8 deep-learning  gan  gaussian