«machine-learning» etiketlenmiş sorular

Verilerdeki kalıpları otomatik olarak algılayabilen ve daha sonra gelecekteki verileri tahmin etmek veya belirsizlik altında başka türlü karar verme (örn. Planlama gibi) daha fazla veri toplamak için). ML genellikle denetimli, denetimsiz ve pekiştirici öğrenmeye ayrılır. Derin öğrenme derin yapay sinir ağları kullanan ML'nin bir alt alanıdır.


8
Python AI alanında neden bu kadar popüler bir dil?
Her şeyden önce, AI eğitimine yeni başlayan bir öğrenciyim ve bu, programlama dillerini karşılaştırmak için kanaat odaklı bir soru ya da soru değil. Bunun en iyi dil olduğunu söylemiyorum. Ancak gerçek, ünlü AI çerçevelerinin çoğunun Python için birincil desteğe sahip olmasıdır. Hatta çok dilli desteklenebilirler, örneğin Microsoft'tan Python, C ++ ...

3
Yapay sinir ağları çeşitli girdi boyutlarıyla nasıl başa çıkabilir?
Söyleyebileceğim kadarıyla, sinir ağları girdi katmanında sabit sayıda nöron var . Yapay sinir ağları NLP gibi bir bağlamda kullanılıyorsa, farklı boyutlardaki metinlerin cümleleri veya blokları bir ağa beslenir. Değişken giriş boyutu , ağın giriş katmanının sabit boyutuyla nasıl bağdaşır ? Başka bir deyişle, böyle bir ağ bir kelimeden birden çok ...

4
Sinir ağları felaketi unutmaya meyilli midir?
Sinir ağına bir aslan resmini 100 kez gösterdiğini ve "tehlikeli" olarak etiketlediğini hayal et, böylece aslanların tehlikeli olduğunu öğrenir. Şimdi, daha önce milyonlarca aslan görüntüsünü gösterdiğinizi ve alternatif olarak "tehlikeli" ve "tehlikeli olmayan" olarak etiketlediğinizi, böylece bir aslanın tehlikeli olma ihtimalinin% 50 olduğu şekilde etiketlediğinizi hayal edin. Ancak bu son ...


4
Bir LSTM'de gizli katman sayısı ve hafıza hücrelerinin sayısı nasıl seçilir?
Gizli katmanların sayısını ve bunların LSTM tabanlı bir RNN'nin boyutunun nasıl seçileceğiyle ilgili bazı araştırmalar bulmaya çalışıyorum. Bu sorunun araştırıldığı bir makale var mı, yani kaç tane bellek hücresi kullanmalı? Genel olarak uygulamaya ve modelin hangi bağlamda kullanıldığına bağlı olduğunu düşünüyorum, ancak araştırma ne diyor?


2
Sinir ağını adım adım eğitmek mümkün müdür?
Çıktı sınıflarının en baştan tanımlanmadığı bir sinir ağı eğitmek istiyorum. Daha sonra gelen verilere göre daha fazla sınıf tanıtılacaktır. Bu, her yeni bir sınıfa girdiğimde, NN'yi yeniden eğitmem gerekeceği anlamına geliyor. Bir NN'yi, önceki eğitim aşamalarında önceden edinilmiş bilgileri unutmadan, artımlı olarak nasıl eğitebilirim?


4
Takviye öğreniminde geçersiz hareketler nasıl ele alınır?
Arka arkaya beş / gomoku oynayabilen bir yapay zeka yaratmak istiyorum. Başlıkta bahsettiğim gibi, bunun için pekiştirici öğrenmeyi kullanmak istiyorum. Kullandığım ilke gradyan başlangıç ile, yani takviye yöntemi. Değer ve politika işlevi yaklaşımı için bir sinir ağı kullanıyorum . Evrişimli ve tamamen bağlı katmanlara sahiptir. Çıktı hariç tüm katmanlar paylaşılır. ...

7
Dijital değerler yalnızca tahmin ise, neden yapay zeka için analoga dönmüyorsunuz?
Yirminci yüzyılın analogdan dijital devreye geçişinin ardındaki itici güç, daha yüksek doğruluk ve daha düşük gürültü arzusu tarafından yönlendirildi. Şimdi sonuçların yaklaşık olduğu ve gürültünün pozitif değere sahip olduğu bir yazılım geliştiriyoruz. Yapay ağlarda, bir yakınsak algoritmada sonraki adımları tahmin etmek ve kabul edilebilir yanlışlık ve şüphe düzeylerini tanımlamak için ...

3
Geri yayılım kullanarak bir sinir ağını eğitmenin zaman karmaşıklığı nedir?
Bir NN'nin nnn gizli katman, mmm eğitim örneği, xxx özelliği ve n i içerdiğini varsayalımninin_i düğümü . Geri yayılım kullanarak bu NN'yi eğitmenin zaman karmaşıklığı nedir? Algoritmaların zaman karmaşıklığını nasıl buldukları hakkında temel bir fikrim var, ancak burada dikkate alınması gereken 4 farklı faktör var, yani her katmandaki yinelemeler, katmanlar, ...

3
GAN kaybı işlevini anlama
Jenerik Düşman Ağları Anlama'da (Daniel Seita tarafından yazılmış bir blog yazısı) sağlanan GAN kaybı işlevini anlamaya çalışıyorum . Standart çapraz entropi kaybında, sigmoid fonksiyon ve sonuçta ikili sınıflandırma yoluyla çalıştırılan bir çıktıya sahibiz. Sieta Eyaletleri x1x1x_1 'H( ( x1, y1) , D ) = - y1günlükD ( x1) - ( ...

1
Geri yayılım teknikleri arasındaki farklar
Sadece eğlence için, sinir ağı geliştirmeye çalışıyorum. Şimdi, geri yayılım için iki teknik gördüm. İlki burada ve diğer birçok yerde de kullanılıyor. Yaptığı şey: Her çıkış nöronu için hatayı hesaplar. Ağa geri çoğaltır (her bir iç nöron için bir hata hesaplar). Ağırlıkları aşağıdaki formüle göre günceller: ( ağırlıktaki değişiklik , ...


Sitemizi kullandığınızda şunları okuyup anladığınızı kabul etmiş olursunuz: Çerez Politikası ve Gizlilik Politikası.
Licensed under cc by-sa 3.0 with attribution required.