«neural-networks» etiketlenmiş sorular

Tamamen bağlı (en az 2 gizli katmandan oluşan katmana katman) backprop ağları evrensel öğrenicilerdir. Ne yazık ki, genellikle öğrenmeleri yavaş ve aşırı uyuyor ya da garip genellemeler yapıyorlar. Bu ağlarla uğraşmaktan, bazı kenarların budanmasının (ağırlıklarının sıfır olması ve değişmesi imkansız) bu ağların daha hızlı öğrenmesini ve daha iyi bir şekilde …

29 machine-learning  network-topology  neural-networks 

LSTM ağları için hiperparametrelerden biri sıcaklıktır. Bu ne?

25 machine-learning  neural-networks 

Yapay Sinir Ağı, Derin Öğrenme Sistemi ve Derin İnanç Ağı arasındaki fark nedir? Temel sinir ağınızı hatırladığım kadarıyla, 3 katmanlı bir şey, ve ben de birbirlerinin üstüne yığılmış sinir ağları olarak tanımlanmış Derin İnanç Sistemlerine sahibim. Son zamanlarda bir Derin Öğrenme Sistemleri duymadım, ama bunun Derin İnanç Sistemi ile eşanlamlı …

23 machine-learning  neural-networks  boltzmann-machine 

Amacım, girdi ve çıktı ile tanımladığım aşağıdaki sorunu çözmek: Giriş: düğümleri, kaynakları ve lavabo ( ) ile yönlendirilmiş bir asiklik grafikG,G,Gmmmnnn111m > n ≥ 1m>n≥1m > n \geq 1 Çıktı: VC-boyutu topolojisi ile sinir ağı için (ya da yaklaşık bir) .G,G,G Daha fazla özellik : her bir düğüm sigmoid bir …

19 algorithms  complexity-theory  machine-learning  neural-networks  vc-dimension 

Kısa süre önce bu hiyerarşik zamansal belleğin (HTM) varlığını öğrendim . Hiyerarşik Geçici Bellek: Anlamak oldukça kolay görünen Kavramlar, Teori ve Terminoloji (Jeff Hawkins ve Dileep George tarafından) belgesini zaten okudum , ancak kırmızı bir bayrak, belgenin ne hakemli ne de neden gözden geçirilmesi gerektiğini açıklıyor detaylı çalışmak. Bazı bağımsız …

16 neural-networks  hierarchical-temporal-memory 

Giriş Adım bir Standart bir backpropegating sinir ağı yazdım ve test etmek için XOR haritasını çıkarmaya karar verdim. 2-2-1 ağdır (tanh aktivasyon fonksiyonu ile) X1 M1 O1 X2 M2 B1 B2 Test amacıyla, üst orta nöronu (M1) bir AND geçidi ve alt nöronu (M2) bir OR geçidi olarak ayarladım (her …

16 machine-learning  neural-networks 

Yapay bir sinir ağının çok katmanlı bir Perceptron olduğunu ne zaman söyleyebiliriz ? Ve ne zaman yapay bir sinir ağının çok katmanlı olduğunu söyleyebiliriz ? Algılayıcı terimi , ağırlıkları güncellemek için öğrenme kuralıyla ilişkili midir? Yoksa nöron birimleriyle mi ilgili?

13 neural-networks  perceptron 

Sinir ağlarını bir zaman serisini tahmin etmek için kullanıyorum. Şimdi karşı karşıya olduğum soru tarih / saat / seri numarasını nasıl kodlayacağım. sinir ağına girdi olarak ayarlanan her bir girişin? Burada açıklandığı gibi 1 kodlama (kategorileri kodlamak için kullanılır) kullanmalı mıyım ? Yoksa sadece zamanı mı beslemeliyim (1-1-1970'den beri milisaniye …

12 machine-learning  artificial-intelligence  neural-networks 

Bu sitede Deep Dream hakkında birkaç soru gördüm, ancak hiçbiri DeepDream'in özellikle ne yaptığı hakkında konuşmuyor gibi görünüyor. Topladığım kadarıyla, objektif işlevi değiştirdiler ve ayrıca geri yayılımı değiştirdiler, böylece ağırlıkları güncellemek yerine giriş görüntüsünü güncellediler. Herkesin Google'ın ne yaptığını tam olarak bilip bilmediğini merak ediyorum. Makalelerinden birinde, optimizasyonlarını gerçekleştirirken Bayesian …

12 machine-learning  artificial-intelligence  neural-networks  image-processing  computer-vision 

Kısa süre önce Google Research Blog'dan sinir ağı hakkında konuşurken gerçekten ilginç bir blog girişi okudum. Temel olarak bu sinir ağlarını görüntü tanıma gibi çeşitli problemleri çözmek için kullanırlar. Aksonların ağırlıklarını "geliştirmek" için genetik algoritmalar kullanırlar. Temel olarak benim fikrim şudur. Numaraları tanıyan bir program yazmam gerekiyorsa, nasıl başlayacağımı bilemezdim …

10 machine-learning  np  neural-networks  p-vs-np  genetic-algorithms 

Atari'nin oyunlarındaki google deepmind başarılarını okuduktan sonra q-öğrenmeyi ve q-ağlarını anlamaya çalışıyorum, ama biraz kafam karıştı. İskonto faktörü kavramında karışıklık ortaya çıkar. Anladıklarımın kısa özeti. Bir eylemin beklenen optimal değerinin değerini tahmin etmek için derin bir evrişimli sinir ağı kullanılır. Ağ kayıp fonksiyonunu en aza indirmelidir burada E s ′ …

10 artificial-intelligence  neural-networks  reinforcement-learning 

Rasyonel ağırlığa sahip sinir ağlarının , Nöral Ağlarla Evrensel Turing Makinesi Turing hesaplanabilirliğinin hesaplama gücüne sahip olduğu kanıtlanmıştır . Anladığım kadarıyla, gerçek değerli ağırlıklar kullanmanın daha fazla hesaplama gücü sağladığı görülüyor, ancak bundan emin değilim. Bununla birlikte, bir sinir ağının hesaplama gücü ile aktivasyon fonksiyonu arasında herhangi bir korelasyon var …

10 computability  neural-networks 

Bir Sinir Ağında 2'den fazla gizli katmana sahip olmanın herhangi bir avantajı var mı? Bunu tavsiye eden bazı yerler gördüm, diğerleri hiçbir avantajı olmadığını kanıtladı. Hangisi doğrudur?

10 artificial-intelligence  neural-networks  neural-computing 

Bir sinir ağının ağırlıklarını bir momentum terimiyle backpagagation algoritmasını kullanarak güncellerken, öğrenme hızı momentum terimine de uygulanmalı mıdır? Momentum kullanımıyla ilgili bulabildiğim bilgilerin çoğu, aşağıdaki gibi görünen denklemlere sahiptir: W′i=Wi−αΔWi+μΔWi−1Wi′=Wi−αΔWi+μΔWi−1W_{i}' = W_{i} - \alpha \Delta W_i + \mu \Delta W_{i-1} nerede αα\alpha öğrenme oranıdır ve μμ\mu momentum terimi. Eğer μμ\mu …

9 machine-learning  neural-networks 

Yaptığımız birçok makine öğrenimi projesi için k En Yakın Komşu sınıflandırıcısıyla başlıyoruz. Bu, genellikle tüm mesafeleri hesaplamak için yeterli zamanımız olduğundan ve parametre sayısı sınırlı olduğundan (k, mesafe metriği ve ağırlıklandırma) ideal bir başlangıç ​​sınıflandırıcısıdır. Bununla birlikte, bu projede daha sonra başka bir sınıflandırıcıya geçmek için yer olmadığı için knn …

9 neural-networks  classification