«convolution» etiketlenmiş sorular

Şu anda Udacity Deep Learning Tutorial'ı yapıyorum. 3. Derste, 1x1 evrişimi hakkında konuşurlar. Bu 1x1 evrişim Google Başlangıç ​​Modülünde kullanılmaktadır. 1x1 evrişimin ne olduğunu anlamada sorun yaşıyorum. Bu yazıyı Yann Lecun tarafından da gördüm . Biri bana bunu nazikçe açıklayabilir mi?

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

Imagenet ve diğer büyük CNN’lerin yerel tepki normalleştirme katmanlarını kullandığını buldum. Ancak onlar hakkında bu kadar fazla bilgi bulamıyorum. Ne kadar önemlidir ve ne zaman kullanılmaları gerekir? Gönderen http://caffe.berkeleyvision.org/tutorial/layers.html#data-layers : "Yerel yanıt normalleştirme katmanı, yerel giriş bölgeleri üzerinde normalleştirerek bir tür" yanal engelleme "gerçekleştirir. ACROSS_CHANNELS modunda, yerel bölgeler, yakın kanallar …

41 deep-learning  convolution  conv-neural-network 

Bilgisayarla görüşme geçmişim yok, ancak bazı görüntü işleme ve evrimsel sinir ağları ile ilgili makale ve makaleleri okuduğumda, sürekli olarak translation invarianceya da translation invariant. Veya evrişim işleminin sağladığını çok okudum translation invariance? !! Ne anlama geliyor? Ben kendimi her zaman kendime çevirmişim gibi bir görüntüyü herhangi bir şekilde değiştirirsek, …

36 machine-learning  conv-neural-network  convolution  computer-vision 

Uzun zamandır iki rasgele değişkenin "toplamının" evrişim olduğunu neden anlamadım , f(x)f(x)f(x) ve g(x)g(x)g(x) in karışım yoğunluğu fonksiyonu toplamı pf(x)+(1−p)g(x)pf(x)+(1−p)g(x)p\,f(x)+(1-p)g(x); aritmetik toplamı ve evrişimleri. "İki rastgele değişkenin toplamı" ifadesi google 146.000 kez görünür ve aşağıdaki gibi eliptiktir. Eğer bir kişi bir RV'yi tek bir değer vermesi için düşünürse, o zaman …

33 pdf  terminology  cdf  mixture  convolution 

[Bu soru aynı zamanda yığın taşmasına da yollandı ] Kısaca soru Konvolüsyonel sinir ağları üzerinde çalışıyorum ve bu ağların her giriş nöronuna (piksel / parametre) eşit şekilde davranmadığına inanıyorum. Bazı giriş görüntülerine evrişim uygulayan derin bir ağa (birçok katman) sahip olduğumuzu hayal edin. Görüntünün "ortasındaki" nöronların, daha derin katman nöronlarına …

30 machine-learning  neural-networks  convolution 

GAM kullandığımda, artık DF (kodun son satırı) olduğunu gösteriyor. Bu ne anlama geliyor? GAM örneğinin ötesine geçmek, Genel olarak, serbestlik derecelerinin sayısı tam sayı olmayan bir sayı olabilir mi?26,626,626.6 > library(gam) > summary(gam(mpg~lo(wt),data=mtcars)) Call: gam(formula = mpg ~ lo(wt), data = mtcars) Deviance Residuals: Min 1Q Median 3Q Max -4.1470 …

27 r  degrees-of-freedom  gam  machine-learning  pca  lasso  probability  self-study  bootstrap  expected-value  regression  machine-learning  linear-model  probability  simulation  random-generation  machine-learning  distributions  svm  libsvm  classification  pca  multivariate-analysis  feature-selection  archaeology  r  regression  dataset  simulation  r  regression  time-series  forecasting  predictive-models  r  mean  sem  lavaan  machine-learning  regularization  regression  conv-neural-network  convolution  classification  deep-learning  conv-neural-network  regression  categorical-data  econometrics  r  confirmatory-factor  scale-invariance  self-study  unbiased-estimator  mse  regression  residuals  sampling  random-variable  sample  probability  random-variable  convergence  r  survival  weibull  references  autocorrelation  hypothesis-testing  distributions  correlation  regression  statistical-significance  regression-coefficients  univariate  categorical-data  chi-squared  regression  machine-learning  multiple-regression  categorical-data  linear-model  pca  factor-analysis  factor-rotation  classification  scikit-learn  logistic  p-value  regression  panel-data  multilevel-analysis  variance  bootstrap  bias  probability  r  distributions  interquartile  time-series  hypothesis-testing  normal-distribution  normality-assumption  kurtosis  arima  panel-data  stata  clustered-standard-errors  machine-learning  optimization  lasso  multivariate-analysis  ancova  machine-learning  cross-validation 

Çekirdek yoğunluğu tahminini daha iyi anlamaya çalışıyorum. Vikipedi tanımını kullanarak: https://en.wikipedia.org/wiki/Kernel_density_estimation#Definition fh^( x ) = 1nΣni = 1Kh( x - xben)= 1n sΣni = 1K( x - xbenh)fh^(x)=1n∑i=1nKh(x−xi)=1nh∑i=1nK(x−xih) \hat{f_h}(x) = \frac{1}{n}\sum_{i=1}^n K_h (x - x_i) \quad = \frac{1}{nh} \sum_{i=1}^n K\Big(\frac{x-x_i}{h}\Big) yi , ile ile arasında olması durumunda , (pencere boyutu) …

25 r  kernel-smoothing  convolution 

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 

(Başlangıçta MSE'de yayınlanmıştır .) Klasik merkezi limit teoreminin pek çok sezgisel tartışmasının, normal dağılımdan (veya kararlı dağılımlardan herhangi birinden) olasılık yoğunlukları alanında bir "cazibe" olarak bahsettiğini gördüm. Örneğin, Wikipedia'nın tedavisinin en üstünde şu cümleleri düşünün : Daha genel kullanımda, merkezi bir sınır teoremi olasılık teorisindeki bir dizi zayıf yakınsaklık teoremlerinden …

16 probability  mathematical-statistics  convergence  central-limit-theorem  convolution 

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 

Evrişimli sinir ağlarında (CNN), her adımdaki ağırlık matrisi, evrişime devam etmeden önce çekirdek matrisini elde etmek için satırlarını ve sütunlarını döndürür. Bu Hugo Larochelle tarafından video dizisiyle açıklanmıştır burada : Gizli haritaların hesaplanması, bir çekirdek matrisi [...] kullanarak önceki katmandaki bir kanalla ayrı bir kıvrım yapmaya karşılık gelir ve bu …

14 machine-learning  neural-networks  conv-neural-network  convolution 

Son zamanlarda veriler analiz edilirken aşağıdaki sorun ortaya çıkmıştır. Rasgele X değişkeni bir normal dağılım takip eder ve Y, bir izliyorsa (n serbestlik dereceli) ile dağıtım, nasıl , Z = X 2 + Y, 2 dağıtılmış? Şimdiye kadar Y 2'nin pdf'sini buldum : ψ 2 n ( x )χ2nχn2\chi^2_nZ=X2+Y2Z=X2+Y2Z = …

14 probability  distributions  normal-distribution  chi-squared  convolution 

Yoshua Bengio'nun derin öğrenme Kitabı'nı okuyordum ve sayfa 224'te yazıyor: Evrişimli ağlar, katmanlarından en az birinde genel matris çarpımı yerine evrişimi kullanan sinirsel ağlardır. bununla birlikte, "matris çarpımını evrişim ile nasıl değiştireceğimin" matematiksel olarak hassas bir şekilde% 100 emin değildim. Beni gerçekten ilgilendiren, 1D'deki giriş vektörleri için bunu tanımlamaktır ( …

13 machine-learning  neural-networks  deep-learning  convolution 

İki (veya daha fazla) lognormal rasgele değişkenin toplamının neden gözlem sayısını artırdıkça lognormal bir dağılıma yaklaştığını anlamaya çalışıyorum. Çevrimiçi baktım ve bununla ilgili herhangi bir sonuç bulamadım. Açıkça, ve bağımsız lognormal değişkenler ise, üslerin özellikleri ve gauss rastgele değişkenleri ile, değeri de lognormaldir. Bununla birlikte, de lognormal olduğunu öne sürmek …

11 distributions  lognormal  convolution  sum 

Öğrendiklerime dayanarak, farklı özellik dedektörlerini öğrenmek için bir CNN'nin Konv Katmanında birden çok filtre kullanıyoruz. Ancak bu filtreler benzer şekilde uygulandığından (yani girdinin bölgelerine kaydırılmış ve çoğaltılmış), eğitim sırasında aynı parametreleri öğrenmezler miydi? Bu yüzden birden fazla filtre kullanımı gereksiz olur mu?

11 neural-networks  conv-neural-network  convolution  filter