«neural-networks» etiketlenmiş sorular

Sınıflandırma veya regresyon gerçekleştirmek için derin bir sinir ağı eğitmek istediğimi, ancak tahminin ne kadar emin olacağını bilmek istiyorum. Bunu nasıl başarabilirim? Benim fikrim, yukarıdaki nöral metrelerdeki tahmin performansına dayanarak, her eğitim verisi için çapraz entropiyi hesaplamaktır. Daha sonra, her bir referans noktasını girdi olarak alacak olan regresyon için ikinci …

9 machine-learning  neural-networks 

Göre LeCun ve arkadaşları (1998) tarafından "Etkin Backprop" bunların ikinci türev en aralığında yaklaşık 0 ve yalan merkezli şekilde tüm girdilerin normalleştirmek için iyi bir uygulamadır. Örneğin, "Tanh" işlevi için [-0.5,0.5] kullanırdık. Bu, Hessian daha istikrarlı hale geldiğinden geri yayılmanın ilerlemesine yardımcı olmak içindir. Bununla birlikte, max (0, x) olan …

9 machine-learning  neural-networks  normalization  deep-learning  multidimensional-scaling 

Problem şu: Çapraz entropi kaybı ile giriş -> gizli, gizli -> çıkış için sigmoid kullanarak tek bir gizli katman sinir ağı için giriş katmanına göre degradeyi türetin. Zincir kuralını kullanarak türetmenin çoğunu geçebilirim ama onları nasıl "zincirleyeceğimiz" konusunda emin değilim. Bazı gösterimleri tanımlayın r=xW1+b1r=xW1+b1 r = xW_1+b_1 h=σ(r)h=σ(r) h = …

9 neural-networks  gradient 

Otomatik kodlayıcı ağları normal sınıflandırıcı MLP ağlarından çok daha karmaşık görünmektedir. Lasagne kullanarak yapılan birkaç denemeden sonra , yeniden yapılandırılmış çıktıda elde ettiğim her şey, en iyi şekilde , giriş basamağının gerçekte ne olduğunu ayırt etmeden MNIST veritabanının tüm görüntülerinin bulanık bir ortalamasına benzeyen bir şeydir . Seçtiğim ağ yapısı …

9 machine-learning  neural-networks  dimensionality-reduction  unsupervised-learning  autoencoders 

CNN'de, evrişimsel katmanda özellik haritası üretmek için filtreleri öğreneceğiz. Otomatik kodlayıcıda, her katmanın tek gizli birimi filtre olarak kabul edilebilir. Bu iki ağda öğrenilen filtreler arasındaki fark nedir?

9 machine-learning  neural-networks  conv-neural-network  autoencoders 

Son derece seyrek girişlerim var, örneğin bir giriş görüntüsünde belirli özelliklerin yerleri. Ayrıca, her özellik birden çok algılamaya sahip olabilir (bunun sistemin tasarımı üzerinde bir etkisi olup olmadığından emin değilsiniz). Bu, bu özelliğin varlığını temsil eden ON piksellerine sahip bir k kanalı 'ikili görüntü' olarak sunacak veya tam tersi. Böyle …

9 neural-networks  deep-learning  sparse 

Doktora yolculuğuma başlıyorum ve kendimden önce belirlediğim nihai hedef, çalıştıkları ortamı izleyecek ve mimarilerini eldeki soruna dinamik olarak ayarlayacak YSA'lar geliştiriyor. Açık olan sonuç verinin zamansallığıdır: eğer veri seti sürekli değilse ve zamanla değişmezse, neden hiç ayarlama yapmıyorsunuz? Büyük soru şudur: derin öğrenmenin son zamanlarda artmasıyla birlikte, hala ilgili bir …

9 machine-learning  neural-networks 

Normal olmayan dağıtılmış verilerle yapay bir sinir ağı (geri yayılım, ileri besleme) eğitimi alıyorum. Kök ortalama kare hatasının yanı sıra, literatür genellikle eğitilmiş ağın kalitesini değerlendirmek için Pearson korelasyon katsayısını önerir. Ancak, eğitim verileri normal olarak dağıtılmamışsa Pearson korelasyon katsayısı makul mü? Sıra tabanlı bir korelasyon ölçüsü kullanmak daha uygun …

9 correlation  neural-networks  spearman-rho 

Ben metin üzerinde duygu analizi yapmak istiyorum, bazı makaleler geçti, bazıları "Naive Bayes" kullanıyor ve diğer "Tekrarlayan Sinir Ağı (LSTM)" , öte yandan duygu analizi için bir python kütüphanesi gördüm nltk. "Naive Bayes" kullanır Herkes ikisini kullanma arasındaki farkın ne olduğunu açıklayabilir? Ben de bu yazıdan geçtim ama ikisi hakkında …

8 machine-learning  neural-networks  python  natural-language