«neural-network» etiketlenmiş sorular

Yapay sinir ağları (YSA), biyolojik nöronların özelliklerini taklit eden 'nöronlar' - programlama yapılarından oluşur. Nöronlar arasındaki bir dizi ağırlıklı bağlantı, ağ tasarımcısı gerçek bir sistem modeline sahip olmadan yapay zeka sorunlarını çözmek için bilginin ağ üzerinden yayılmasını sağlar.

2
Yapay sinir ağları için görüntüler nasıl hazırlanır / genişletilir?
Görüntü sınıflandırması için bir sinir ağı kullanmak istiyorum. Önceden eğitilmiş CaffeNet ile başlayacağım ve uygulamam için eğiteceğim. Giriş görüntülerini nasıl hazırlamalıyım? Bu durumda, tüm görüntüler aynı nesneye aittir, ancak varyasyonları vardır (düşün: kalite kontrol). Bunlar biraz farklı ölçeklerde / çözünürlüklerde / mesafelerde / aydınlatma koşullarında (ve çoğu durumda ölçeği bilmiyorum). …

3
“Çeviriye Eşdeğer” ile “Çeviriye Değişmeyen” arasındaki fark nedir
Ben sorun arasındaki farkı anlamak yaşıyorum çeviri equivariant ve çeviri değişmez . Derin Öğrenme kitabında . MIT Press, 2016 (I. Goodfellow, A. Courville ve Y. Bengio), evrişimsel ağlarda bulabilirsiniz: [...] belirli parametre paylaşım biçimi, katmanın çeviriye eşdeğerlik denilen bir özelliğe sahip olmasına neden olur [...] havuzlama, gösterimin girdilerin küçük çevirileri …


1
Keras'ın “Yoğun” ile “TimeDistributedDense” arasındaki fark
Hala arasındaki fark hakkında karıştı Denseve TimeDistributedDensebir Keraszaten bazı benzer sorular soruldu bulunmasına rağmen burada ve burada . İnsanlar çok tartışıyorlar ancak ortak olarak kabul edilmiş sonuçlar yok. Ve yine de, burada , fchollet şunu belirtti: TimeDistributedDenseDense3B tensörün her zaman adımına aynı (tam olarak bağlı) işlemi uygular. Tam olarak aralarındaki …


7
Makine öğrenme görevleri için veriler neden karıştırılmalıdır?
Makine öğrenim görevlerinde verileri karıştırmak ve normalleştirmek normaldir. Normalleştirmenin amacı açıktır (aynı özellik değer aralığına sahip için). Ancak, çok fazla mücadele ettikten sonra, verileri karıştırmak için değerli bir sebep bulamadım. Bu yazı okudum var burada biz verileri karıştırmak gerektiğinde tartışan, ama biz verileri karıştırmak neden belli değil mi. Dahası, parti …

2
Zemin Gerçeği Nedir?
Makine Öğrenmesi bağlamında, Zemin Gerçeği kavramının çok fazla kullanıldığını gördüm . Çok şey aradım ve Wikipedia'da şu tanımı buldum : Makine öğrenmesinde "temel gerçek" terimi, eğitim setinin denetimli öğrenme teknikleri için sınıflandırılmasının doğruluğunu ifade eder. Bu, araştırma modellerini kanıtlamak veya yanlışlamak için istatistiksel modellerde kullanılır. "Temel gerçeğe uygunluk" terimi, bu …

1
Xgboost neden GradientBoostingClassifier'ı sklearn'den çok daha hızlı?
100 sayısal özellikli 50k örneklerin üzerinde bir degrade yükseltme modeli yetiştirmeye çalışıyorum. XGBClassifieriken benim makinede 43 saniye içinde kolları 500 ağaçları, GradientBoostingClassifierkolları sadece 10 ağaç (!) 1 dakika ve 2 saniye :( Ben rahatsız etmedi o saat sürer olarak 500 ağaç büyümeye çalışan. Aynı kullanıyorum learning_rateve max_depthayarları , aşağıya bakınız. …
29 scikit-learn  xgboost  gbm  data-mining  classification  data-cleaning  machine-learning  reinforcement-learning  data-mining  bigdata  dataset  nlp  language-model  stanford-nlp  machine-learning  neural-network  deep-learning  randomized-algorithms  machine-learning  beginner  career  xgboost  loss-function  neural-network  software-recommendation  naive-bayes-classifier  classification  scikit-learn  feature-selection  r  random-forest  cross-validation  data-mining  python  scikit-learn  random-forest  churn  python  clustering  k-means  machine-learning  nlp  sentiment-analysis  machine-learning  programming  python  scikit-learn  nltk  gensim  visualization  data  csv  neural-network  deep-learning  descriptive-statistics  machine-learning  supervised-learning  text-mining  orange  data  parameter-estimation  python  pandas  scraping  r  clustering  k-means  unsupervised-learning 

4
Daha sonraki evrişim katmanları nasıl çalışır?
Bu soru, "evrişim katmanlarının tam olarak nasıl çalıştığını" gösterir. Bir gri tonlamalı görüntüm olduğunu varsayalım . Yani görüntünün bir kanalı var. Birinci tabaka içinde, bir uygulama 3 x 3 ile kıvrım k 1 filtre ve dolgu. Sonra başka bir büklüm katmanı 5 x 5 kıvrımlar ve k 2 filtreler. Kaç …

3
Bir sinir ağı eğitmek için CPU ve GPU arasında seçim yapma
Bir GPU’nun “ek yükü” hakkında tartışmalar gördüm ve “küçük” ağlar için bir CPU’da (veya CPU ağında) çalışmak GPU’dan daha hızlı olabilir. 'Küçük' ile kastedilen nedir? Örneğin, 100 gizli üniteye sahip tek katmanlı bir MLP 'küçük' olur mu? 'Küçük' tanımımız tekrarlayan mimarilerde değişiyor mu? CPU veya GPU'da eğitim alıp almayacağınıza karar …

4
Sinir Ağı ayrıştırma dize veri?
Böylece, bir sinir ağının kalıpları tanımak ve girdileri sınıflandırmak için nasıl çalışabileceğini öğrenmeye başladım ve yapay bir sinir ağının görüntü verilerini nasıl toplayabildiğini ve görüntüleri kategorize edebileceğini gördüm ( convnetj'lerle demo ) ve burada anahtar görüntünün altını çizmektir ve her piksel bir giriş nöronunu ağa uyarır. Ancak, bu dize girişleriyle …

1
Çoklu özelliklere sahip RNN'ler
Makine Öğrenmesi algoritmalarıyla (temel Rastgele Orman ve Doğrusal Regresyon türü şeyler) çalışan bir miktar kendi kendine öğrendiğim bilgiye sahibim. Dallara ayrılmaya ve RNN'leri Keras ile öğrenmeye başladım. Genellikle stok tahminleri içeren örneklerin çoğuna bakarken, özellik tarihi olan ve çıktı olan 1 sütun dışında uygulanan birden çok özelliğin temel örneklerini bulamadım. …

7
Makine öğrenimi modellerini eğitmek için ücretsiz bulut hizmetleri var mı?
Çok miktarda eğitim verisine sahip derin bir model yetiştirmek istiyorum, ancak masaüstümde bu kadar derin verilerle bu kadar derin bir model yetiştirme gücüm yok. Makine eğitimi ve derin öğrenme modellerinin eğitimi için kullanılabilecek herhangi bir ücretsiz bulut hizmeti olup olmadığını bilmek ister misiniz? Ayrıca, eğitim sonuçlarını izleyebileceğim bir bulut hizmeti …

1
Keras doğruluğu nasıl hesaplar?
Keras, sınıfsal olasılıklardan kesinliği nasıl hesaplar? Örneğin, test setinde iki sınıftan birine ait olan 100 örneğimiz var. Ayrıca sınıfsal olasılıkların bir listesine de sahibiz. Keras, bu iki sınıftan birine örnek vermek için hangi eşiği kullanıyor?

5
Nöral ağlarda nöron ve katman sayısı nasıl belirlenir
Sinir ağlarına yeni başlıyorum ve iki kavramı kavramada zorluk çektim: Belirli bir sinir ağının sahip olduğu orta katmanların sayısına nasıl karar verilir? 1'e 10 ya da her neyse. Kişi, her orta katmandaki nöronların sayısına nasıl karar verir? Her orta katmanda eşit sayıda nöron bulunması tavsiye edilir mi yoksa uygulamaya göre …

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