«neural-networks» etiketlenmiş sorular

Kapalı. Bu soru konu dışı . Şu anda cevapları kabul etmiyor. Bu soruyu geliştirmek ister misiniz? Sorunuzu güncelleyin o yüzden -konu üzerinde Çapraz doğrulanmış için. 10 ay önce kapalı . Kahve, Theano, TensorFlow, keras gibi makine öğrenimi ve derin öğrenme için çok sayıda kütüphane olduğunu biliyorum ... Ama benim için …

13 neural-networks  deep-learning  conv-neural-network 

Parti normalizasyonu , derin sinir ağlarında önemli performans iyileştirmeleri ile kredilendirilmiştir. İnternetteki birçok malzeme, aktivasyon bazında nasıl uygulanacağını göstermektedir. Zaten matris cebiri kullanarak backprop uyguladım ve yüksek seviyeli dillerde çalıştığımı Rcpp(yoğun matris çarpımı için (ve sonunda forGPU'lara güvenerek) çalışırken , her şeyi kopyalayıp-döngülere başvurmak muhtemelen kodumu yavaşlatacaktır) büyük bir acıya …

12 machine-learning  neural-networks  deep-learning  backpropagation  batch-normalization 

Sinir ağlarındaki son ilerleme, esas olarak büyüyen tasarım karmaşıklığı ile karakterize edilen bir dizi yeni mimariyle özetlenmektedir. LeNet5'ten (1994) AlexNet'e (2012), Overfeat (2013) ve GoogleLeNet / Inception (2014) ve benzeri ... Makinenin verilere bağlı olarak hangi mimarinin kullanılacağına karar vermesine / tasarlamasına izin vermek için bir girişim var mı?

12 neural-networks  deep-learning 

Çoktan bire yaklaşım olan duyarlılık analizi yapmak için bir RNN / LSTM kullandığımı varsayalım ( bu bloga bakınız ). Ağ, zaman içinde kesilmiş bir geri yayılım (BPTT) ile eğitilir; burada ağ, her zamanki gibi son 30 adımda açılır. Benim durumumda sınıflandırmak istediğim metin bölümlerimin her biri, açılmakta olan 30 adımdan …

12 neural-networks  deep-learning  natural-language  backpropagation 

Radyal Temel Fonksiyon Sinir Ağlarına baktığımda, insanların sadece 1 gizli katman kullanımını önerdiklerini fark ettim, oysa çok katmanlı algılayıcı sinir ağları ile daha fazla katman daha iyi kabul edilir. RBF ağlarının geri yayılma sürümü ile eğitilebileceği göz önüne alındığında, daha derin RBF ağlarının çalışmamasının veya RBF katmanının derin MLP ağındaki …

12 machine-learning  neural-networks  rbf-network 

Son zamanlarda bir sinir ağındaki girdi ve çıktı arasındaki olasılık ilişkisini veren Bayes sinir ağı (BNN) [Neal, 1992] , [Neal, 2012] hakkında bazı makaleler okudum . Böyle bir sinir ağını eğitmek, geleneksel geri yayılma algoritmasından farklı olan MCMC aracılığıyla yapılır. Sorum şu: Böyle bir sinir ağını kullanmanın avantajı nedir? Daha …

12 bayesian  neural-networks  bayesian-network 

"Sinir ağı" ve "perceptron" terimleri arasında herhangi bir fark var mı?

12 machine-learning  neural-networks  terminology  perceptron 

Çok büyük bir veri setim var ve yaklaşık% 5 rasgele değerler eksik. Bu değişkenler birbiriyle ilişkilidir. Aşağıdaki örnek R veri kümesi sadece yapay korelasyonlu verilere sahip bir oyuncak örneğidir. set.seed(123) # matrix of X variable xmat <- matrix(sample(-1:1, 2000000, replace = TRUE), ncol = 10000) colnames(xmat) <- paste ("M", 1:10000, …

12 r  random-forest  missing-data  data-imputation  multiple-imputation  large-data  definition  moving-window  self-study  categorical-data  econometrics  standard-error  regression-coefficients  normal-distribution  pdf  lognormal  regression  python  scikit-learn  interpolation  r  self-study  poisson-distribution  chi-squared  matlab  matrix  r  modeling  multinomial  mlogit  choice  monte-carlo  indicator-function  r  aic  garch  likelihood  r  regression  repeated-measures  simulation  multilevel-analysis  chi-squared  expected-value  multinomial  yates-correction  classification  regression  self-study  repeated-measures  references  residuals  confidence-interval  bootstrap  normality-assumption  resampling  entropy  cauchy  clustering  k-means  r  clustering  categorical-data  continuous-data  r  hypothesis-testing  nonparametric  probability  bayesian  pdf  distributions  exponential  repeated-measures  random-effects-model  non-independent  regression  error  regression-to-the-mean  correlation  group-differences  post-hoc  neural-networks  r  time-series  t-test  p-value  normalization  probability  moments  mgf  time-series  model  seasonality  r  anova  generalized-linear-model  proportion  percentage  nonparametric  ranks  weighted-regression  variogram  classification  neural-networks  fuzzy  variance  dimensionality-reduction  confidence-interval  proportion  z-test  r  self-study  pdf 

Açıklama: Her biri 1 veya daha fazla sınıfa ait bir dizi özellik vektörü olduğunda sorunlu alan adı belge sınıflandırması olsun. Örneğin, bir belge ve kategorilere doc_1ait olabilir .SportsEnglish Soru: Sınıflandırma için sinir ağı kullanmak, etiket bir özellik vektörü için ne olurdu? ilgili olmayan sınıflara 0, ilgili sınıflara 1 değer verilecek …

12 machine-learning  neural-networks  natural-language  multilabel 

In Stanford Yapay Öğrenme kursu Andrew Ng IT ML uygulayarak söz. Bir süre sonra sitemizde orta büyüklükte (yaklaşık 20 bin bot) DDoS aldığımda basit Sinir Ağı sınıflandırıcısını kullanarak buna karşı savaşmaya karar verdim. Bu python betiğini yaklaşık 30 dakika içinde yazdım: https://github.com/SaveTheRbtz/junk/tree/master/neural_networks_vs_ddos PyBrain kullanır ve ikisi Sinir Ağı'nı eğitmek için …

12 classification  neural-networks  unsupervised-learning 

Ian Goodfellow'un Derin Öğrenme kitabında, Bazen, gerçekten önem verdiğimiz kayıp fonksiyonu (örneğin, sınıflandırma hatası) verimli bir şekilde optimize edilebilen bir işlev değildir. Örneğin, beklenen 0-1 kaybını tam olarak en aza indirmek, doğrusal bir sınıflandırıcı için bile tipik olarak inatçıdır (giriş boyutunda üstel). Bu gibi durumlarda, tipik olarak vekil görevi gören …

12 neural-networks  deep-learning  loss-functions 

Her şeyden önce: Biliyorum, sinir ağını eğitmek için genel bir örneklem sayısı gerekmiyor. Bu, görevin karmaşıklığı, verilerdeki gürültü vb.Gibi çok fazla faktöre bağlıdır. Ve ne kadar çok eğitim örneğim olursa, ağım o kadar iyi olur. Ama merak ediyordum: Eğer görevimin yeterince basit olduğunu varsayarsam, teorik olarak ağırlıklardan daha az eğitim …

12 neural-networks  overfitting  underdetermined 

Bir partide 10 örnek söylersek, her örnek için kaybı toplayabileceğimizi anlıyorum, ancak backpropagation her örnek için ağırlıkların güncellenmesinde nasıl çalışır? Örneğin: Örnek 1 -> kayıp = 2 Örnek 2 -> kayıp = -2 Bu ortalama 0 (E = 0) kaybıyla sonuçlanır, bu yüzden bu her bir ağırlığı nasıl güncelleyip birleşir? …

12 neural-networks  gradient-descent  backpropagation  tensorflow 

Arka plan: Ian Goodfellow ve Yoshua Bengio ve Aaron Courville'in Deep Learning'in 6. bölümünü inceliyorum. Bölüm 6.2.2.2 olarak (sayfa 183 182 buradan görülebilir ) çıkışı sigmoid kullanımı harekete geçirilir.P(y=1|x)P(y=1|x)P(y=1|x) Malzemenin bazılarını özetlemek için, etkinleştirme uygulanmadan önce bir çıkış nöronu olmasını sağlarlar; burada , önceki gizli katmanın çıktısıdır, , ağırlıkların bir …

12 neural-networks  deep-learning 

Hem "üst örnekleme" hem de "devrik evrişim" terimleri, "dekonvolüsyon" yaparken kullanılır (<- iyi bir terim değil, burada kullanayım). Başlangıçta, aynı anlama geldiklerini düşündüm, ancak bu makaleleri okuduktan sonra farklı oldukları bana geliyor. Herkes açıklığa kavuşturabilir mi? Geçişli evrişim : Görünüşe göre konvoltonal sinir ağı yoluyla kaybı propoagize ettiğimizde kullanabiliriz. http://andrew.gibiansky.com/blog/machine-learning/convolutional-neural-networks/#Backward-Propagation …

12 machine-learning  neural-networks  conv-neural-network  transposed-convolution