«conv-neural-network» etiketlenmiş sorular

Arasında Tensorflow en uygulamasında ResNet , onlar, ben de başlatıcısı popüler xavier bulmak varyans ölçeklendirme başlatıcı kullanmak bulabilirsiniz. Bu konuda çok fazla deneyimim yok, bu pratikte daha iyi mi?

20 machine-learning  neural-networks  deep-learning  conv-neural-network  tensorflow 

Uyku aşaması sınıflandırması üzerinde çalışıyorum. Birçoğu SVM veya topluluk yöntemi kullandığı bu konuyla ilgili bazı araştırma makalelerini okudum. Tek boyutlu EEG sinyalini sınıflandırmak için evrişimli sinir ağını kullanmak iyi bir fikir mi? Bu tür işlerde yeniyim. Yanlış bir şey sorarsam özür dilerim?

20 neural-networks  svm  conv-neural-network  signal-processing 

Katlamalı ve havuzlama katmanlarını anlıyorum, ancak CNN'lerde tamamen bağlı bir katmanın nedenini göremiyorum. Önceki katman neden çıktı katmanına doğrudan bağlı değil?

19 neural-networks  deep-learning  conv-neural-network 

AlexNet mimarisi, resimde gösterildiği gibi sıfır dolgu kullanır: Ancak, kağıtta bu dolgulamanın neden sunulduğuna dair bir açıklama yoktur. Standford CS 231n kursu, uzamsal boyutu korumak için dolgu kullandığımızı öğretir: Dolguya ihtiyacımız olan tek neden olduğunu merak ediyorum. Yani, uzamsal boyutu korumam gerekmiyorsa, sadece dolguları kaldırabilir miyim? Daha derin seviyelere doğru …

19 conv-neural-network  convolution 

'Transfer öğrenimi' ve 'alan adı uyarlaması' arasında herhangi bir fark var mı? Bağlam hakkında bir bilgim yok, ama benim anlayışım bazı veri setimiz 1 ve üzerinde çalıştığımız, bundan sonra modelimizi sıfırdan yeniden eğitmeden uyarlamak istediğimiz, 'transfer öğrenimi' ve 'alan adı uyarlaması' bu sorunun çözülmesine yardımcı olur. Evrişimli Sinir Ağları alanına …

19 deep-learning  terminology  conv-neural-network  transfer-learning  domain-adaptation 

Keras evrişim belgelerinden geçiyordum ve Conv1D ve Conv2D olmak üzere iki tür konvülsiyon buldum. Biraz web araması yaptım ve Conv1D ve Conv2D hakkında anladığım şey bu; Conv1D diziler için kullanılır ve Conv2D görüntüler için kullanılır. Her zaman evrişim sinir ağlarının sadece görüntüler için kullanıldığını düşündüm ve CNN'i bu şekilde görselleştirdim …

19 machine-learning  neural-networks  conv-neural-network  keras 

En yaygın evrişimli sinir ağları, çıktı özelliklerinin boyutlarını azaltmak için havuz katmanları içerir. Neden aynı şeyi kıvrımlı katmanın adımını artırarak elde edemedim? Havuz katmanını gerekli kılan nedir?

18 deep-learning  conv-neural-network  pooling 

CNN ile ilgili kafamı karıştıran birkaç sorum var. 1) CNN kullanılarak çıkarılan özellikler ölçek ve rotasyonla değişmez mi? 2) Verilerimizle katıştırmak için kullandığımız çekirdekler literatürde zaten tanımlanmış mı? bu çekirdekler nasıl? her uygulama için farklı mıdır?

18 neural-networks  deep-learning  conv-neural-network 

Sinir ağı eğitimi sırasında bazı dönemlerde birkaç kez test / eğitim hatası grafikleri aniden gördüm ve bu performans sıçramalarına neyin sebep olduğunu merak ediyorum: Bu görüntü Kaiming He's Github'dan alınmıştır, ancak pek çok makalede benzer çizimler ortaya çıkmıştır.

18 conv-neural-network 

Bir evrişim katmanındaki filtre sayısı ne kadardır? Bu sayı mimarinin performansını veya kalitesini nasıl etkiler? Yani her zaman daha fazla sayıda filtreyi tercih etmeliyiz? onlardan ne iyi? ve İnsanlar farklı katmanlar için farklı sayıda filtreyi nasıl atar? Yani şu soruya bakıyorum: CNN'deki evrişimsel operatörlerin sayısı nasıl belirlenir? Cevap, farklı sayıda …

17 deep-learning  conv-neural-network 

Evrişimli sinir ağını öğrenirken, aşağıdaki şekle ilişkin sorularım var. 1) Katman 1'deki C1'in 6 özellik haritası var, bu altı evrişimsel çekirdek olduğu anlamına mı geliyor? Her evrişimsel çekirdek, girdiye dayalı bir özellik haritası oluşturmak için kullanılır. 2) Katman 2'deki S1'in 6 özellik haritası, C2'nin 16 özellik haritası vardır. S1'deki 6 …

16 machine-learning  neural-networks  deep-learning  pattern-recognition  conv-neural-network 

Bilgisayar görmedeki uygulamaları nedeniyle evrişimli sinir ağları (CNN) üzerinde çalışıyorum. Standart feed-foward sinir ağlarına zaten aşinayım, bu yüzden burada bazı insanların CNN'leri anlama konusunda ekstra adım atmama yardımcı olabileceğini umuyorum. CNN'ler hakkında şöyle düşünüyorum: Geleneksel ileri beslemeli NN'lerde, her bir öğenin "giriş katmanı" ndaki NN'ye girdiğimiz bir özellik vektöründen oluştuğu …

16 neural-networks  deep-learning  conv-neural-network  convolution 

Yaklaşık 1.000.000 parametreye sahip olan evrişimli bir sinir ağım (CNN) varsa, kaç tane eğitim verisine ihtiyaç duyulur (stokastik degrade iniş yaptığımı varsayalım)? Temel kural var mı? Ek notlar: Stokastik gradyan inişi gerçekleştirdiğimde (örneğin, 1 yineleme için 64 yama), ~ 10000 yinelemeden sonra, sınıflandırıcının doğruluğu kaba bir sabit değere ulaşabilir). Bu, …

15 machine-learning  neural-networks  deep-learning  conv-neural-network 

Optik karakter tanıma (OCR) projesi yapmak istiyorum. Biraz araştırma yaptıktan sonra ilginç görünen bir mimari ile karşılaştım: CNN + RNN + CTC. Kıvrık sinir ağları (CNN) ve tekrarlayan sinir ağları (RNN) hakkında bilgi sahibiyim, ancak Bağlantıcı Geçici Sınıflandırma (CTC) nedir? Layman'ın terimleriyle bir açıklama istiyorum.

15 machine-learning  deep-learning  conv-neural-network  rnn 

Derin Öğrenme için Adam optimizer hakkında okuyordum ve Begnio, Goodfellow ve Courtville'in yeni Deep Learning kitabında şu cümle ile karşılaştım: Adam, başlangıç ​​noktasındaki başlangıçlarını hesaplamak için hem birinci dereceden momentlerin (momentum terimi) hem de (merkezsiz) ikinci dereceden momentlerin tahminlerine önyargı düzeltmeleri içerir. bu önyargı düzeltme terimlerini dahil etmenin temel nedeni, …

15 machine-learning  neural-networks  optimization  conv-neural-network  adam