Perguntas com a marcação «neural-networks»

Todos os exemplos que encontrei usando crenças profundas ou redes neurais convolucionais os usam para classificação de imagens, detecção de chatacter ou reconhecimento de fala. As redes neurais profundas também são úteis para tarefas clássicas de regressão, onde os recursos não são estruturados (por exemplo, não organizados em uma sequência …

14 regression  machine-learning  neural-networks  deep-learning 

Digamos que estou escrevendo um algoritmo para a construção de um autoencoder empilhado de 2 camadas e uma rede neural de 2 camadas. Eles são as mesmas coisas ou diferença? O que eu entendo é que, quando eu construo um codificador automático empilhado, eu construo camada por camada. Para rede …

14 neural-networks  deep-learning  autoencoders 

Se eu tenho uma rede neural convolucional (CNN), que possui cerca de 1.000.000 de parâmetros, quantos dados de treinamento são necessários (suponha que eu esteja fazendo descida estocástica do gradiente)? Existe alguma regra de ouro? Notas adicionais: Quando realizei descida de gradiente estocástico (por exemplo, 64 amostras para 1 iteração), …

14 machine-learning  neural-networks  deep-learning  conv-neural-network 

Eu implementei o Q-Learning conforme descrito em, http://web.cs.swarthmore.edu/~meeden/cs81/s12/papers/MarkStevePaper.pdf Para aprox. Q (S, A) Eu uso uma estrutura de rede neural como a seguir, Ativação sigmóide Entradas, número de entradas + 1 para neurônios de Ação (Todas as Entradas Escaladas 0-1) Saídas, saída única. Valor Q N número de M camadas …

14 machine-learning  neural-networks  reinforcement-learning 

Li em outro lugar que a escolha da função de ativação da camada oculta em um NN deve se basear na necessidade de alguém , ou seja, se você precisar de valores no intervalo de -1 a 1, use tanh e sigmóide no intervalo de 0 a 1. Minha pergunta …

14 machine-learning  classification  neural-networks 

Estou usando o pacote nnet no R para tentar construir uma ANN para prever preços de imóveis para condomínios (projeto pessoal). Eu sou novo nisso e não tenho formação em matemática, então, por favor, fique comigo. Eu tenho variáveis ​​de entrada que são binárias e contínuas. Por exemplo, algumas variáveis …

14 r  machine-learning  data-transformation  neural-networks  nnet 

Estou tentando entender como as máquinas Boltzmann funcionam, mas não sei bem como os pesos são aprendidos e não consegui encontrar uma descrição clara. O seguinte está correto? (Além disso, seria bom apontar para qualquer boa explicação da máquina de Boltzmann.) Temos um conjunto de unidades visíveis (por exemplo, correspondendo …

14 neural-networks 

Parece haver muita confusão na comparação entre usar glmnetdentro caretpara procurar uma lambda ideal e usar cv.glmnetpara fazer a mesma tarefa. Muitas perguntas foram feitas, por exemplo: Modelo de classificação train.glmnet vs. cv.glmnet? Qual é a maneira correta de usar glmnet com cursor? Validação cruzada de `glmnet` usando` caret` mas …

14 r  caret  glmnet  machine-learning  neural-networks  maximum  softmax  probability  distributions  mathematical-statistics  random-variable  cdf  statistical-significance  variance  expected-value  ratio  sample-size  reliability  tolerance-interval  wilcoxon-signed-rank  self-study  variance  sampling  mean  machine-learning  svm  libsvm  self-study  sampling  ranks  data-visualization  histogram  machine-learning  classification  normal-distribution  mathematical-statistics  maximum-likelihood  mixture  predictive-models  prediction  seasonality 

Pergunta: é possível treinar um NN para distinguir entre números pares e ímpares usando apenas como entrada os próprios números? Eu tenho o seguinte conjunto de dados: Number Target 1 0 2 1 3 0 4 1 5 0 6 1 ... ... 99 0 100 1 Treinei um NN …

14 machine-learning  classification  categorical-data  neural-networks  genetic-algorithms 

Eu vi um termo "permutação invariável" versão da tarefa de reconhecimento de dígitos MNIST. O que isso significa?

14 machine-learning  neural-networks  terminology  conv-neural-network  definition 

Após uma pergunta já respondida ( Extraindo a importância do peso da rede de feed-forward de camada única ), procuro inferência sobre a relevância das entradas nas redes neurais. Considerando uma rede profunda, onde reconstruir a importância da entrada retrocedendo as camadas a partir do nó de interesse de saída …

14 neural-networks  python  feature-selection  sensitivity-analysis 

No treinamento em mini-lote de uma rede neural, ouvi dizer que uma prática importante é embaralhar os dados do treinamento antes de cada época. Alguém pode explicar por que a mudança em cada época ajuda? Na pesquisa do google, encontrei as seguintes respostas: ajuda o treinamento a convergir rapidamente evita …

14 neural-networks 

Existem boas razões para preferir valores binários (0/1) a valores normalizados discretos ou contínuos , por exemplo (1; 3), como entradas para uma rede de feedforward para todos os nós de entrada (com ou sem retropropagação)? Claro, estou falando apenas de entradas que podem ser transformadas em qualquer forma; por …

14 neural-networks 

Particularmente no contexto das competições de kaggle, notei que o desempenho do modelo se refere à seleção / engenharia de recursos. Embora eu possa entender completamente por que isso acontece quando se lida com os algoritmos de ML mais convencionais / da velha escola, não vejo por que esse seria …

14 neural-networks  deep-learning  feature-selection  feature-engineering 

Eu estava lendo o artigo do FaceNet e no terceiro parágrafo da introdução diz: As abordagens anteriores de reconhecimento de face baseadas em redes profundas usam uma camada de classificação treinada sobre um conjunto de identidades de face conhecidas e, em seguida, usam uma camada de gargalo intermediário como uma …

14 neural-networks  image-processing