«deep-learning» etiketlenmiş sorular

Temelde derin sinir ağları ile yapılan verilerin hiyerarşik temsillerini öğrenmeyle ilgili makine öğrenimi alanı.

5
Sinir ağım öğrenemediğinde ne yapmalıyım?
Bir sinir ağı eğitimi alıyorum ama eğitim kaybı azalmıyor. Bunu nasıl düzeltebilirim? Fazla abartma ya da düzenli olma hakkında soru sormuyorum. Ağımın performansının eğitim setinde düzelmediği problemi nasıl çözeceğimi soruyorum . Bu soru kasıtlı olarak geneldir, böylece bir sinir ağını nasıl eğiteceğiniz hakkındaki diğer sorular, bunun bir kopyası olarak kapatılabilir; …

6
ReLU'nun derin sinir ağlarında sigmoid fonksiyon üzerindeki avantajları nelerdir?
Doğrusal olmama sanatının durumu, derin sinir ağında sigmoid işlevi yerine doğrultulan doğrusal birimler (ReLU) kullanmaktır. Avantajları nelerdir? ReLU kullanıldığında bir ağın eğitilmesinin daha hızlı olacağını ve biyolojik olarak daha ilham verici olduğunu biliyorum, diğer avantajları nelerdir? (Yani, sigmoid kullanmanın herhangi bir dezavantajı)?


10
Bir sinir ağı ile derin bir sinir ağı arasındaki fark nedir ve neden derin olanlar daha iyi çalışır?
Bu terimlerle tam olarak belirtilen soruyu görmedim ve bu yüzden yeni bir soru yapıyorum. Bilmek istediğim şey sinir ağının tanımı değil, derin bir sinir ağıyla gerçek farkı anlamak. Daha fazla bağlam için: Sinir ağının ne olduğunu ve geri yayılımın nasıl çalıştığını biliyorum. Bir DNN'nin birden çok gizli katmana sahip olması …


4
Derin öğrenmede mevcut görüntü yerine veri kümesinin görüntü ortalamasını çıkartarak görüntüleri neden normalleştirelim?
Görüntülerin nasıl normalleştirileceğine dair bazı farklılıklar var ancak çoğu bu iki yöntemi kullanıyor gibi görünüyor: Tüm görüntüler üzerinde hesaplanan kanal başına ortalamayı çıkarın (örn. VGG_ILSVRC_16_layers ) Tüm resimler üzerinde hesaplanan piksel / kanala göre çıkarma (örneğin, CNN_S , ayrıca Caffe'nin referans ağına bakınız ) Doğal yaklaşım aklımda her görüntüyü normalleştirmek …

4
Sinir ağları neden daha derin hale geliyor, ama daha da genişlemiyor?
Son yıllarda, evrişimli sinir ağları (ya da genel olarak derin sinir ağları) , 4 uzayda 7 katmandan ( AlexNet ) 1000 katmana ( Artık Ağlar) kadar uzanan son teknoloji ağlarla daha da derinleşmiştir . yıl. Daha derin bir ağdan gelen performanstaki artışın arkasındaki neden, daha karmaşık, doğrusal olmayan bir fonksiyonun …

3
Sinir ağı araştırmacıları neden dönemleri önemsiyorlar?
Stokastik gradyan inişindeki bir çağ, verilerden tek bir geçiş olarak tanımlanır. Her SGD minibatch için, örnekleri çizilir, gradyan hesaplanır ve parametreler güncellenir. Çağ ayarında, numuneler değiştirilmeden çizilir.kkk Ancak bu gereksiz görünüyor. Neden olarak her SGD minibatch çekemez rastgele her tekrarda tüm veri kümesinden çizer? Çok sayıda dönemin üzerinde, numunelerinin az …

3
Bir sinir ağı ve derin bir inanç ağı arasındaki fark nedir?
İnsanların 'derin bir inanç' ağına atıfta bulundukları zaman bunun temelde bir sinir ağı olduğu ama çok büyük olduğu izlenimini ediniyorum. Bu doğru mu, yoksa derin bir inanç ağı da algoritmanın kendisinin farklı olduğu anlamına mı geliyor (yani, ileriye dönük sinir ağları değil, belki de geri besleme döngüleri olan bir şey)?

8
Derin öğrenme için R kütüphaneleri
Derin sinir ağları için iyi bir R kütüphanesi olup olmadığını merak ediyor muydum? Orada olduğunu biliyorum nnet, neuralnetve RSNNS, ancak bunların hiçbiri derin öğrenme yöntemlerini uygulamak gibi görünüyor. Özellikle denetlenmeyen öğrenmeden sonra denetlenen öğrenmeden ve eş-uyum sağlamak için bırakma kullanmaktan özellikle ilgileniyorum . / edit: Birkaç yıl sonra, h20 derin …

5
Zaman serisi tahmini için derin öğrenmeyi kullanma
Ben derin öğrenme alanında yeniyim ve benim için ilk adım deeplearning.net sitesinden ilginç makaleler okumak oldu. Derin öğrenme ile ilgili makalelerde, Hinton ve diğerleri çoğunlukla onu görüntü problemlerine uygulamaktan bahseder. Birisi bana cevap vermeye çalışabilir mi, zaman serisi değerlerini (mali, internet trafiği, ...) tahmin etme problemine uygulanabilir mi ve mümkünse …

5
Üstel çürüme ile Adam optimizer
Tensorflow kodlarının çoğunda, Adam Optimizer’ın sabit bir Öğrenme Hızı 1e-4(yani 0.0001) ile kullanıldığını gördüm . Kod genellikle aşağıdakilere bakar: ...build the model... # Add the optimizer train_op = tf.train.AdamOptimizer(1e-4).minimize(cross_entropy) # Add the ops to initialize variables. These will include # the optimizer slots added by AdamOptimizer(). init_op = tf.initialize_all_variables() # …

3
Sürekli vs Özyinelemeli Yapay Sinir Ağları: NLP için hangisi daha iyi?
Tekrarlayan Sinir Ağları ve Özyinelemeli Sinir Ağları vardır. Her ikisi de genellikle aynı kısaltma ile gösterilir: RNN. Wikipedia'ya göre , Recurrent NN aslında Recursive NN'dir, ancak açıklamayı gerçekten anlamıyorum. Dahası, Doğal Dil İşleme için hangisinin daha iyi olduğunu (örneklerle ya da öylesine) bulmuyorum. Gerçek şu ki, Socher öğreticisinde NLP için …

2
Konvolüsyonel Sinir Ağları neden sınıflandırmak için bir Destek Vektör Makinesi kullanmıyor?
Son yıllarda, Konvolüsyonel Sinir Ağları (CNN'ler) bilgisayar vizyonunda nesne tanıma konusunda son teknoloji haline geldi. Tipik olarak, bir CNN birkaç evrimli tabakadan sonra bunu iki tam bağlı tabakadan oluşur. Bunun arkasındaki sezgisi, evrişimli katmanların girdi verilerinin daha iyi bir gösterimini öğrenmesi ve tam olarak bağlı olan katmanlar daha sonra bu …

1
“Neredeyse tüm yerel minimumların küresel optimuma çok benzer bir fonksiyon değerine sahip olduğunu” anlamak
Bir de son blog yazısı Rong Ge tarafından, o söyleniyordu: Derin ağları öğrenmek de dahil olmak üzere birçok problem için, yerel minimumun hemen hemen tümünün global optimum ile çok benzer bir fonksiyon değerine sahip olduğuna ve bu nedenle yerel bir minimum bulmanın yeterince iyi olduğuna inanılmaktadır. Bu inanç nereden geliyor?

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