Ciência de dados neural-network

2

Regressão da parametrização do ângulo de rotação

Digamos que tenho uma imagem de cima para baixo de uma seta e quero prever o ângulo que essa seta faz. Isso seria entre e 360 graus, ou entre 0 e 2 π . O problema é que esse alvo é circular, 0 e 360 graus são exatamente os mesmos, …

15 neural-network deep-learning loss-function parameter-estimation

3

Como adicionar uma nova categoria a um modelo de aprendizado profundo?

Digamos que eu tenha transferido o aprendizado em uma rede pré-treinada para reconhecer 10 objetos. Como adicionar um décimo primeiro item que a rede possa classificar sem perder as 10 categorias que eu já treinei nem as informações do modelo pré-treinado original? Um amigo me disse que uma pesquisa ativa …

15 neural-network deep-learning

1

Diferença de funções de ativação em redes neurais em geral

Estudei os tipos de função de ativação para redes neurais. As funções em si são bastante diretas, mas a diferença de aplicação não é totalmente clara. É razoável que se diferencie entre as funções do tipo lógico e linear, dependendo da saída binária / contínua desejada, mas qual é a …

15 neural-network activation-function

3

Qual é a diferença entre RNNs de geração de texto com base em palavras e em caracteres?

Ao ler sobre a geração de texto com redes neurais recorrentes, notei que alguns exemplos foram implementados para gerar texto palavra por palavra e outros, caractere por caractere, sem especificar o porquê. Então, qual é a diferença entre os modelos RNN que predizem texto por palavra e os que predizem …

15 machine-learning neural-network nlp rnn

2

Por que as funções de ativação precisam ser monotônicas?

Atualmente, estou me preparando para um exame em redes neurais. Em vários protocolos de exames anteriores, li que as funções de ativação dos neurônios (nos perceptrons multicamadas) devem ser monotônicas. Entendo que as funções de ativação devem ser diferenciáveis, ter uma derivada que não é 0 na maioria dos pontos …

15 machine-learning neural-network

4

Como dimensionar uma matriz de números inteiros assinados para variar de 0 a 1?

Estou usando o Brain para treinar uma rede neural em um conjunto de recursos que inclui valores positivos e negativos. Mas o Brain requer valores de entrada entre 0 e 1. Qual é a melhor maneira de normalizar meus dados?

15 machine-learning neural-network feature-scaling normalization javascript

1

Como adicionar recursos sem imagem a imagens laterais como entrada de CNNs

Estou treinando uma rede neural convolucional para classificar imagens em condições de neblina (3 aulas). No entanto, para cada uma das cerca de 150.000 imagens, também tenho quatro variáveis meteorológicas disponíveis que podem ajudar a prever as classes das imagens. Fiquei imaginando como poderia adicionar as variáveis meteorológicas (por exemplo, …

14 machine-learning neural-network deep-learning tensorflow cnn

3

Vantagens de empilhar LSTMs?

Gostaria de saber em que situações é vantajoso empilhar LSTMs?

14 machine-learning neural-network deep-learning lstm

3

O que significa a saída da função model.predict de Keras?

Criei um modelo LSTM para prever perguntas duplicadas no conjunto de dados oficial do Quora. Os rótulos de teste são 0 ou 1. 1 indica que o par de perguntas está duplicado. Depois de criar o modelo usando model.fit, eu testo o modelo usando model.predictos dados de teste. A saída …

14 machine-learning python neural-network keras lstm

5

Upload de pasta de imagens do meu sistema para o Google Colab

Quero treinar um modelo de aprendizado profundo em um conjunto de dados contendo cerca de 3000 imagens. Como o conjunto de dados é enorme, quero usar o Google colab, pois é compatível com GPU. Como faço para carregar esta pasta de imagem completa no meu notebook e usá-la?

14 machine-learning neural-network deep-learning dataset colab

2

Por que os algoritmos genéticos não são usados para otimizar redes neurais?

Pelo meu entendimento, os algoritmos genéticos são ferramentas poderosas para otimização multiobjetivo. Além disso, o treinamento de redes neurais (especialmente as profundas) é difícil e tem muitos problemas (funções de custo não convexas - mínimos locais, gradientes de fuga e explosão etc.). Também sou conceitualmente que treinar um NN com …

13 neural-network optimization genetic-algorithms

4

O Gradient Descent é central para todos os otimizadores?

Quero saber se a descida de gradiente é o principal algoritmo usado em otimizadores como Adam, Adagrad, RMSProp e vários outros otimizadores.

13 machine-learning neural-network deep-learning optimization gradient-descent

2

Por que nem sempre usar a técnica de otimização do ADAM?

Parece que o otimizador Adaptive Moment Estimation (Adam) quase sempre funciona melhor (atingindo um mínimo global mais rápido e confiável) ao minimizar a função de custo no treinamento de redes neurais. Por que nem sempre usa Adam? Por que se preocupar em usar o RMSProp ou otimizadores de momento?

13 neural-network optimization

1

Propagação de retorno através de camadas máximas de pool

Eu tenho uma pequena sub-pergunta a esta pergunta . Entendo que, quando se propaga de volta através de uma camada de pool máximo, o gradiente é roteado de volta de uma maneira que o neurônio na camada anterior, que foi selecionada como max, obtém todo o gradiente. O que eu …

13 machine-learning neural-network convnet backpropagation

2

Visualizando o treinamento em redes neurais profundas

Estou tentando encontrar um equivalente dos diagramas de Hinton para redes multicamadas para plotar os pesos durante o treinamento. A rede treinada é um pouco semelhante a um SRN profundo, ou seja, possui um número alto de matrizes de peso múltiplas, o que tornaria visualmente confusa a plotagem simultânea de …

13 machine-learning neural-network visualization deep-learning

Perguntas com a marcação «neural-network»