İstatistikler ve Büyük Veri

Bir sinir ağını "kandırmak" için el ile çelişen görüntüler hakkında bazı makaleler okudum (aşağıya bakınız). Bunun nedeni, ağların yalnızca koşullu olasılık modellemesi olduğu için mi? Bir ağ ortak olasılığını modelleyebiliyorsa , bu gibi durumlar yine de olur mu?p(y|x)p(y|x)p(y|x)p(y,x)p(y,x)p(y,x) Tahminimce yapay olarak üretilen görüntüler eğitim verilerinden farklı, bu yüzden düşük olasılıkta …

13 machine-learning  neural-networks  deep-learning 

Bu AP merkezi sayfasında Rastgele Değişkenler ve Cebirsel Değişkenler , yazar Peter Flanagan-Hyde cebirsel ve rastgele değişkenler arasında bir ayrım çiziyor. Kısmen diyor x+x=2xx+x=2xx + x = 2x , ancak X+X≠2XX+X≠2XX + X \neq 2X - aslında makalenin alt başlığı. Bir cebirsel değişken ile bir rastgele değişken arasındaki temel fark …

13 probability  random-variable 

Bayesian İstatistik araştırmasında yeniyim. Araştırmacılardan Bayes araştırmacılarının MCAGS / Stan gibi araçlar kullanmak yerine MCMC'yi daha iyi uyguladıklarını duydum. Öğrenme amacı dışında, MCMC algoritmasının kendi başına (R gibi "oldukça hızlı" olmayan dillerde) uygulanmasının faydasını sorabilir miyim?

13 bayesian  mcmc 

Kanımca, ilişkili girdi verileri nöral ağlarda aşırı sığmaya yol açmalıdır çünkü ağ korelasyonu örneğin verilerdeki gürültüyü öğrenir. Bu doğru mu?

13 correlation  neural-networks  overfitting 

İstatistiklerimi onurlandırmak üzereyim ve gerçekten doktora yapmak istiyorum çünkü matematik istatistiklerini son derece ilginç buluyorum. Doktora yapmak istediğim araştırma alanları stokastik süreçler ve zaman serileridir. Ancak doktora sonrası özel sektörde kariyer yapmak istiyorum. Matematiksel istatistiklerin hangi alanlarda özel sektörde ve hangi tür işlerde en çok kullanıldığını merak ediyordum. Açıkçası sadece …

13 mathematical-statistics  careers  phd 

Bishop'ın makine öğrenimi kitabında, bir polinom fonksiyonunun bir dizi veri noktasına eğri uydurma problemini tartışıyor. M, takılı polinomun sırası olsun. Bu şekilde M arttıkça, katsayıların büyüklüğünün tipik olarak arttığını görüyoruz. Özellikle M = 9 polinomu için, katsayılar büyük pozitif ve negatif değerler geliştirerek verilere ince ayarlanmıştır, böylece karşılık gelen polinom …

13 regression  least-squares  curve-fitting  polynomial 

İki rastgele değişkenler göz önüne alındığında ve biz onların "korelasyon katsayısı" hesaplayabilir ve bu iki rasgele değişken arasındaki en uygun çizgisini oluşturur. Sorum neden?ξξ\xiηη\etaccc 1) Mümkün olan en kötü şekilde bağımlı ve rasgele değişkenler vardır , yani ve buna rağmen . Eğer kişi sadece doğrusal regresyon boyunca düşünürse, o zaman …

13 regression 

Bir ileri beslemeli sinir ağında bağlantı ağırlıkları başlatılırken, öğrenme algoritmasının kırılamayacağı simetrilerden kaçınmak için bunları rastgele başlatmak önemlidir. Çeşitli yerlerde gördüğüm öneri (örneğin, TensorFlow'un MNIST eğitiminde ), kesik normal dağılımı, standart sapması kullanarak kullanmaktır ; burada , nöron tabakası verildi.1N−−√1N\dfrac{1}{\sqrt{N}}NNN Standart sapma formülünün geri çoğaltılmış gradyanların çok hızlı çözülmemesini veya …

13 neural-networks  backpropagation  weights  truncated-normal 

Ne olduğunu ve toplanmaktan ne kadar farklı olduğunu bilmek istiyorum? Varsayalım ki, bunu başarmak için CNN, RNN, vb.Gibi farklı ağlar kullanırsam belirli bir görev için sınıflandırma ve segmentasyonda yüksek doğruluk elde etmek istiyorum. (mimari?) ya da değil?

13 machine-learning  terminology  deep-learning 

Son zamanlarda Nancy Reid, Barndorff-Nielsen, Richard Cox ve evet, sık sık paradigmada "koşullu çıkarım" kavramı hakkında küçük bir Ronald makalesi inceledim, bu da çıkarımların sadece Örnek alanının tamamı için değil, ilgili örnek alanının "ilgili alt kümesi". Anahtar bir örnek olarak, eğer numunenin varyasyon katsayısını da (yan istatistik olarak adlandırılır ) …

13 confidence-interval  maximum-likelihood  inference 

Onun blog , fizikçi Steve Hsu şunları yazmıştı: Normal bir dağılım varsayıldığında, ABD'de + 4SD'de ve benzer bir sayıda Avrupa'da performans gösteren yaklaşık 10.000 kişi vardır, bu nedenle bu oldukça seçkin bir nüfustur (kabaca ABD'de her yıl ilk birkaç yüz lise son sınıf öğrencisi). Eğer NE Asya rakamlarını Çin'in 1.3 …

13 normal-distribution 

Yani, log-normal dağıtılmış rasgele değişkenler üreten rastgele bir süreç var . Karşılık gelen olasılık yoğunluk fonksiyonu:XXX O orijinal dağılımın birkaç anının dağılımını tahmin etmek istedim , diyelim ki 1. an: aritmetik ortalama. Bunu yapmak için 10000 aritmetik ortalama 10000 tahminini yapabilmem için 10000 rasgele değişken 10000 kez çizdim. Bu anlamı …

13 estimation  bias  fitting  lognormal  moments 

Arka plan: Geçenlerde Geoffrey Hinton'un bu mükemmel konuşmasını gördükten sonra evrişimli sinir ağlarını eğitirken veri artırmanın önemini daha derinden anladım . Mevcut nesil evrişimli sinir ağlarının test edilen nesnenin referans çerçevesini genelleştiremediğini ve bir ağın bir nesnenin yansıtılmış görüntülerinin aynı olduğunu gerçekten anlamasını zorlaştırdığını açıklar. Bazı araştırmalar bunu düzeltmeye çalıştı. …

13 machine-learning  deep-learning 

Önceden bir frekansçı sonucu Bayesya'ya çevirmek nasıl olur? Aşağıdaki oldukça jenerik senaryoyu düşünün: Bir deney geçmişte yapılmıştır ve bazı parametre üzerinde bir sonuç ölçüldü. Analiz sık kullanılan bir metodoloji ile yapılmıştır. Sonuçlarda ϕ için bir güven aralığı verilmiştir.ϕϕ\phiϕϕ\phi Şimdi ben, bazı diğer parametreleri ölçmek hem söylemek istediğim yeni deney yapmak …

13 bayesian  confidence-interval  meta-analysis  prior 

Bildiğim kadarıyla, lojistik model ile kesirli yanıt modeli (frm) arasındaki fark, frm'nin [0,1], ancak lojistiğin {0, 1} olduğu bağımlı değişkenin (Y) olmasıdır. Ayrıca frm, parametrelerini belirlemek için yarı olabilirlik tahmincisini kullanır. Normalde, glmlojistik modelleri elde etmek için kullanabiliriz glm(y ~ x1+x2, data = dat, family = binomial(logit)). Frm için, değiştirmek …

13 r  logistic  generalized-linear-model  quasi-likelihood