«neural-networks» etiketlenmiş sorular

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 

Lisansüstü okuldaki fizik profesörlerim ve Noble ödüllü Feynman, harmonik osilatör, sarkaç, topaç ve kara kutu gibi fizikteki temel kavramları ve yöntemleri göstermek için her zaman oyuncak modelleri dediklerini sunacaklardı. Sinir ağlarının uygulanmasının altında yatan temel kavram ve yöntemleri göstermek için hangi oyuncak modelleri kullanılır? (Referanslar lütfen.) Bir oyuncak modeli ile, …

18 machine-learning  neural-networks  deep-learning 

Doğrusal olmayan sınıflandırma modellerinin matematiksel anlamını anlamaya çalışıyorum: Sinir ağlarının doğrusal olmayan bir sınıflandırma modeli olduğu hakkında bir makale okudum. Ama bunun farkındayım: İlk katman: h1=x1∗wx1h1+x2∗wx1h2h1=x1∗wx1h1+x2∗wx1h2h_1=x_1∗w_{x1h1}+x_2∗w_{x1h2} h2=x1∗wx2h1+x2∗wx2h2h2=x1∗wx2h1+x2∗wx2h2h_2=x_1∗w_{x2h1}+x_2∗w_{x2h2} Sonraki katman y=b∗wby+h1∗wh1y+h2∗wh2yy=b∗wby+h1∗wh1y+h2∗wh2yy=b∗w_{by}+h_1∗w_{h1y}+h_2∗w_{h2y} Basitleştirilebilir =b'+(x1∗wx1h1+x2∗wx1h2)∗wh1y+(x1∗wx2h1+x2∗wx2h2)∗wh2y=b′+(x1∗wx1h1+x2∗wx1h2)∗wh1y+(x1∗wx2h1+x2∗wx2h2)∗wh2y=b′+(x_1∗w_{x1h1}+x_2∗w_{x1h2})∗w_{h1y}+(x_1∗w_{x2h1}+x_2∗w_{x2h2})∗w_{h2y} =b'+x1(wh1y∗wx1h1+wx2h1∗wh2y)+x2(wh1y∗wx1h1+wx2h2∗wh2y)=b′+x1(wh1y∗wx1h1+wx2h1∗wh2y)+x2(wh1y∗wx1h1+wx2h2∗wh2y)=b′+x_1(w_{h1y}∗w_{x1h1}+w_{x2h1}∗w_{h2y})+x_2(w_{h1y}∗w_{x1h1}+w_{x2h2}∗w_{h2y}) İki katmanlı sinir ağı Sadece basit bir doğrusal regresyon =b′+x1∗W′1+x2∗W′2=b′+x1∗W1′+x2∗W2′=b^′+x_1∗W_1^′+x_2∗W_2^′ Bu, herhangi bir sayıda tabakaya gösterilebilir, çünkü …

18 neural-networks  nonlinear-regression  nonlinear 

Bir çok öğretici çevrimiçi degrade inişi hakkında konuşuyor ve neredeyse hepsi sabit bir adım boyutu kullanıyor (öğrenme hızı ). Neden satır aramanın bir faydası yoktur (satır izleme veya tam satır araması gibi)?αα\alpha

18 machine-learning  neural-networks  optimization  deep-learning 

Minibatch boyutu büyüdükçe SGD'nin yakınsamasının aslında zorlaştığı / kötüleştiği gibi birçok tartışmadan benzer bir sonuç gördüm, örneğin bu makale ve bu cevap . Ayrıca, erken aşamada küçük öğrenme oranları veya parti boyutları gibi hileler kullanan insanların büyük parti boyutları ile bu zorluğu gidermek için duydum. Ancak bir minibatch ortalama kaybı …

18 machine-learning  neural-networks  optimization  gradient-descent  sgd 

Bir çağı, mevcut tüm eğitim örneklerinin tamamından geçmiş olarak ve mini-parti boyutunu, degradeyi azaltmak için gereken ağırlık / sapma güncellemelerini bulmak için ortalama örnek sayısı olarak tanımlarız. Benim sorum, bir çığır içindeki her bir mini partiyi üretmek için bir dizi eğitim örneği yerine getirilmememiz gerekip gerekmediğidir. Dönem sonu gereksinimini karşılamak …

18 machine-learning  neural-networks  optimization  deep-learning 

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 

Aşağıdaki 6 karar sınırı verilmiştir. Karar sınırları violett çizgileridir. Noktalar ve çarpılar iki farklı veri kümesidir. Hangisinin bir olduğuna karar vermeliyiz: Doğrusal SVM Çekirdek SVM (2. sıra polinom çekirdeği) Algılayıcı Lojistik regresyon Sinir Ağı (10 düzeltilmiş doğrusal birim içeren 1 gizli katman) Sinir Ağı (10 tanh birimli 1 gizli katman) …

17 machine-learning  self-study  classification  neural-networks  svm 

Bırakmayı açıklayacak yarım sayfanız varsa , nasıl ilerlersiniz? Bu tekniğin arkasındaki mantık hangisidir?

17 neural-networks  deep-learning  regularization  dropout 

Tekrarlayan Sinir Ağlarında (RNN) yeniyim ve hala kavramları öğreniyorum. Soyut bir düzeyde, bir Yankı Durum Ağı'nın (ESN) giriş kaldırıldıktan sonra bile bir dizi girdi, yani bir sinyal üretebildiğini anlıyorum . Ancak, Scholarpedia makalesini tamamen kavramak ve anlamak çok zor buldum . Birisi öğrenmenin matematiksel olarak nasıl çalıştığını mümkün olan en …

17 neural-networks 

Otomobil seri ilan sitelerinde mevcut fiyatları ve özellikleri kullanarak, otomobil fiyatlarını tahmin etmek için en iyi modeli belirlemeye çalışıyorum. Bunun için scikit-öğrenim kütüphanesinden birkaç model ve pybrain ve neurolab'dan sinir ağı modelleri kullandım. Şu ana kadar kullanılan bir yaklaşım, bazı örneklerle veri sabit bir miktar (makine öğrenme algoritmaları) çalıştırmak ve …

17 machine-learning  neural-networks  random-forest  r-squared  elastic-net 

Bishop'un "Örüntü Sınıflandırma ve Makine Öğrenimi" kitabında, sinir ağları bağlamında düzenlileştirme tekniğini açıklar. Ancak, eğitim sürecinde, modelin karmaşıklığıyla birlikte serbestlik derecelerinin arttığını açıklayan bir paragraf anlamıyorum. İlgili teklif şudur: Bir ağın etkili karmaşıklığını kontrol etmenin bir yolu olarak düzenlileştirmeye bir alternatif, erken durdurma prosedürüdür. Doğrusal olmayan ağ modellerinin eğitimi, bir …

17 machine-learning  neural-networks  regularization  degrees-of-freedom 

Sinir ağları alanına daldım ve onlarla büyülendim. Sonunda borsalarda ticaret sistemlerini test etmek için bir uygulama çerçevesi geliştirdim ve şimdi ilk sinir ağımı buna uygulayacağım. Çok basit ve ilkel olan, sadece yeni başlayanlar için gerçek ticaret için tasarlanmamıştır. Sadece yaklaşımımın iyi bir yaklaşım olup olmadığını bilmek istiyorum. Ve eğer bir …

17 machine-learning  neural-networks 

LSTM sinir ağında aşağıdaki blogdan geçiyorum: http://machinelearningmastery.com/understanding-stateful-lstm-recurrent-neural-networks-python-keras/ Yazar, giriş vektörü X'i LSTM'lerin farklı konfigürasyonu için [örnekler, zaman adımları, özellikler] olarak yeniden şekillendirir. Yazar yazar Aslında, harf dizileri ayrı özelliklerin bir zaman basamağı yerine bir unsurun zaman basamaklarıdır. Ağa daha fazla bağlam verdik, ancak beklediğimizden daha fazla sıralama yapmadık Ne anlama …

17 neural-networks  lstm  rnn  tensorflow  tensor 

Son zamanlarda oto-kodlayıcılar üzerinde çalışıyorum. Doğru anladıysam, otomatik kodlayıcı, giriş katmanının çıkış katmanıyla aynı olduğu bir sinir ağıdır. Böylece sinir ağı, girdiyi altın standart olarak kullanarak çıktıyı tahmin etmeye çalışır. Bu modelin faydası nedir? Bazı çıkış öğelerini yeniden oluşturmaya çalışmanın ve bunları giriş öğelerine mümkün olduğunca eşit hale getirmenin faydaları …

17 neural-networks  autoencoders