Perguntas com a marcação «neural-networks»

Eu tenho tentado descobrir o que exatamente significava a função de ativação "Maxout" em redes neurais. Há essa pergunta, este artigo e até mesmo no livro Deep Learning de Bengio et al. , exceto com apenas um pouco de informação e um grande TODO ao lado. Vou usar a notação …

8 machine-learning  neural-networks 

Estou tentando entender por que a função softmax é definida como tal: ezjΣKk = 1ezk= σ( z)ezjΣk=1Kezk=σ(z)\frac{e^{z_{j}}} {\Sigma^{K}_{k=1}{e^{z_{k}}}} = \sigma(z) Entendo como isso normaliza os dados e mapeia corretamente para algum intervalo (0, 1), mas a diferença entre as probabilidades de peso varia exponencialmente e não linearmente. Existe uma razão …

8 probability  neural-networks  softmax 

Eu tenho dados que descrevem com que frequência um evento ocorre durante uma hora ("número por hora", nph) e quanto tempo os eventos duram ("duração em segundos por hora", dph). Estes são os dados originais: nph <- c(2.50000000003638, 3.78947368414551, 1.51456310682008, 5.84686774940732, 4.58823529414907, 5.59999999993481, 5.06666666666667, 11.6470588233699, 1.99999999998209, NA, 4.46153846149851, 18, 1.05882352939726, …

8 normal-distribution  data-transformation  logistic  generalized-linear-model  ridge-regression  t-test  wilcoxon-signed-rank  paired-data  naive-bayes  distributions  logistic  goodness-of-fit  time-series  eviews  ecm  panel-data  reliability  psychometrics  validity  cronbachs-alpha  self-study  random-variable  expected-value  median  regression  self-study  multiple-regression  linear-model  forecasting  prediction-interval  normal-distribution  excel  bayesian  multivariate-analysis  modeling  predictive-models  canonical-correlation  rbm  time-series  machine-learning  neural-networks  fishers-exact  factorisation-theorem  svm  prediction  linear  reinforcement-learning  cdf  probability-inequalities  ecdf  time-series  kalman-filter  state-space-models  dynamic-regression  index-decomposition  sampling  stratification  cluster-sample  survey-sampling  distributions  maximum-likelihood  gamma-distribution 

Qual é a diferença entre rede de crenças profundas e rede convexa profunda ?

8 machine-learning  neural-networks  deep-learning  deep-belief-networks 

Acabei de começar a usar o pacote de autoencoder em R. As entradas para a autoencode()função incluem lambda, beta, rho e epsilon. Quais são os limites para esses valores? Eles variam para cada função de ativação? Esses parâmetros são chamados de "hiperparâmetros"? Supondo que um autoencoder esparso, rho = 0,01 …

8 neural-networks  optimization  deep-learning  deep-belief-networks  autoencoders 

Eu já vi alguns artigos de pesquisa que afirmam que as redes neurais clássicas geralmente carecem de capacidade de generalização satisfatória, o que geralmente resulta em previsões imprecisas, e as RNAs regularizadas bayesianas (BRANNs) são mais robustas que as redes de retropropagação padrão e podem reduzir ou eliminar o necessidade …

8 bayesian  neural-networks 

Sou um grande fã de futebol e também estou interessado em aprendizado de máquina. Como projeto para o meu curso de ML, estou tentando criar um modelo que preveja a chance de ganhar para o time da casa, dados os nomes do time em casa e fora. (Eu consulto meu …

8 regression  machine-learning  predictive-models  neural-networks 

Alguém tem um breve exemplo educacional rápido de como usar redes neurais ( nnetem R, por exemplo) para fins de previsão? Aqui está um exemplo, em R, de uma série temporal T <- seq(0,20,length=200) Y <- 1 + 3*cos(4*T+2) +.2*T^2 + rnorm(200) plot(T,Y,type="l") Este é apenas um exemplo, mas o …

8 r  time-series  machine-learning  neural-networks  nnet 

Consegui criar uma rede neural dos meus dados. Mas não tenho tanta certeza sobre a interpretação da saída R. Eu usei o seguinte comando para criar rede neural: > net=nnet(formula = category~iplen+date_time, size=0,skip=T,lineout=T) # weights: 3 initial value 136242.000000 final value 136242.000000 converged Então eu usei o seguinte comando para …

8 r  neural-networks 

Quero criar uma previsão do tempo usando as Redes Neurais. Todos os exemplos que vi usavam apenas valores [-1,1] como entrada. Também é possível usar valores maiores (como pressão do ar, graus de cálcio dos últimos dois dias, ...) como entradas e obter um número como saída? Obrigado

8 neural-networks 

Houve um interesse recente em combinar algoritmos genéticos e redes neurais em uma estrutura geral de neuroevolução. A idéia básica é que seu algoritmo genético esteja evoluindo os parâmetros de muitas redes neurais que são usadas para resolver sua tarefa em questão. Uma espécie de programação genética, mas em vez …

8 neural-networks  genetic-algorithms 

Ouvi falar um pouco sobre o uso de redes neurais para prever séries temporais , especificamente redes neurais recorrentes . Eu queria saber, existe um pacote de rede neural recorrente para R? Não consigo encontrar um no CRAN . O mais próximo que eu vim é o nnetTs funcionar no …

8 r  time-series  forecasting  neural-networks 

Estou trabalhando em um modelo de previsão baseado em ANN para uma série temporal financeira. Estou usando a validação cruzada 5 vezes e o desempenho médio é tão. O desempenho na última dobra (a iteração em que o último segmento é omitido do treinamento e usado para validação) é melhor …

8 time-series  cross-validation  neural-networks  finance 

Estou treinando uma rede neural para classificação de áudio. Eu o treinei no conjunto de dados UrbanSound8K (Modelo1) e depois quis avaliar como diferentes níveis de ruído adicionado às entradas influenciavam a precisão da previsão. Precisão da linha de base Modelo1 = 65% Como esperado, níveis mais altos de ruído …

8 classification  neural-networks  dataset  overfitting 

Gostaria de entender melhor por que o LSTM pode se lembrar de informações por um período mais longo do que a rede neural recorrente simples (baunilha / simples), refazendo um experimento do artigo Aprender Dependências de Longo Prazo com Descida Gradiente é Difícil por Bengio et al. 1994 . Veja …

8 neural-networks  lstm  tensorflow  rnn  keras