Perguntas com a marcação «neural-networks»

A codificação esparsa é definida como a aprendizagem de um conjunto excessivo de vetores básicos para representar vetores de entrada (<- por que queremos isso). Quais são as diferenças entre codificação esparsa e autoencoder? Quando usaremos a codificação esparsa e o autoencoder?

35 machine-learning  neural-networks  unsupervised-learning  deep-learning  autoencoders 

Eu li alguns artigos discutindo prós e contras de cada método, alguns argumentando que o GA não melhora nenhuma a solução ideal, enquanto outros mostram que é mais eficaz. Parece que o GA é geralmente preferido na literatura (embora a maioria das pessoas o modifique de alguma maneira para alcançar …

34 neural-networks  genetic-algorithms  backpropagation 

Todos eles parecem representar variáveis ​​aleatórias pelos nós e (in) dependência através das bordas (possivelmente direcionadas). Estou especialmente interessado no ponto de vista de um bayesiano.

34 causality  neural-networks  multilevel-analysis  graphical-model 

Alguém viu alguma literatura sobre pré-treinamento em redes neurais convolucionais profundas? Vi apenas pré-treinamento não supervisionado em máquinas de autoencoder ou boltzman restritas.

33 machine-learning  neural-networks  deep-learning  conv-neural-network  autoencoders 

Eu sou novo na modelagem com redes neurais, mas consegui estabelecer uma rede neural com todos os pontos de dados disponíveis que se ajustam bem aos dados observados. A rede neural foi feita em R com o pacote nnet: require(nnet) ##33.8 is the highest value mynnet.fit <- nnet(DOC/33.80 ~ ., …

33 r  neural-networks 

Eu tenho um conjunto de dados de streaming, exemplos estão disponíveis um de cada vez. Eu precisaria fazer uma classificação multi-classe neles. Assim que forneço um exemplo de treinamento para o processo de aprendizado, tenho que descartar o exemplo. Simultaneamente, também estou usando o modelo mais recente para realizar previsões …

33 machine-learning  svm  neural-networks 

No curso de redes neurais e aprendizado profundo de Andrew Ng, sobre o Coursera, ele diz que usar é quase sempre preferível ao .tanhtanhtanhsigmoidsigmoidsigmoid A razão que ele dá é que as saídas usando centralizam em torno de 0 em vez de 0,5 da , e isso "torna o aprendizado …

33 machine-learning  neural-networks  backpropagation  sigmoid-curve 

Eu li em https://en.wikipedia.org/wiki/Generative_adversarial_networks : [Redes adversárias generativas] foram introduzidas por Ian Goodfellow et al em 2014. mas Jurgen Schmidhuber afirma ter realizado um trabalho semelhante anteriormente nessa direção (por exemplo, houve algum debate no NIPS 2016 durante o tutorial de redes adversárias generativas: https://channel9.msdn.com/Events/Neural-Information-Processing-Systems- Conferência / Sistemas de processamento …

32 neural-networks  history  gan 

Sou completamente novo em redes neurais, mas estou muito interessado em entendê-las. No entanto, não é nada fácil começar. Alguém poderia recomendar um bom livro ou qualquer outro tipo de recurso? Existe uma leitura obrigatória? Sou grato por qualquer tipo de dica.

32 machine-learning  neural-networks  references 

Como explicamos a diferença entre regressão logística e rede neural para um público que não tem formação em estatística?

32 logistic  neural-networks 

Há muito tempo os computadores conseguem jogar xadrez usando uma técnica de "força bruta", procurando até uma certa profundidade e depois avaliando a posição. O computador AlphaGo, no entanto, usa apenas uma RNA para avaliar as posições (ele não faz nenhuma pesquisa em profundidade até onde eu sei). É possível …

32 neural-networks  deep-learning  reinforcement-learning  games 

Introdução Dentro de uma rede neural convolucional, geralmente temos uma estrutura / fluxo geral que se parece com isso: imagem de entrada (ou seja, um vetor 2D x) (A primeira camada convolucional (Conv1) começa aqui ...) envolva um conjunto de filtros ( w1) ao longo da imagem 2D (ou seja, …

32 neural-networks  deep-learning  conv-neural-network 

Eu tenho trabalhado em um problema de regressão em que a entrada é uma imagem e o rótulo é um valor contínuo entre 80 e 350. As imagens são de alguns produtos químicos após a reação. A cor que aparece indica a concentração de outro produto químico que resta, e …

32 regression  machine-learning  neural-networks  conv-neural-network  tensorflow 

Eu estudo os LSTMs há um tempo. Eu entendo em alto nível como tudo funciona. No entanto, ao implementá-los usando o Tensorflow, notei que o BasicLSTMCell requer um número de unidades (ou seja num_units) parâmetro. A partir desta explicação minuciosa dos LSTMs, concluí que uma única unidade LSTM é uma …

32 neural-networks  terminology  lstm  rnn  tensorflow 

Por que usamos unidades lineares retificadas (ReLU) com redes neurais? Como isso melhora a rede neural? Por que dizemos que ReLU é uma função de ativação? A função de ativação softmax não é usada para redes neurais? Eu estou supondo que usamos ambos, ReLU e softmax, assim: neurônio 1 com …

31 neural-networks