«neural-networks» etiketlenmiş sorular

Bu sayfayı okudum: http://neuralnetworksanddeeplearning.com/chap3.html ve çapraz entropili sigmoid çıkış katmanının log-olasılıklı softmax çıkış katmanına oldukça benzer olduğunu söyledi. log katsayılı sigmoid veya çıktı katmanında çapraz entropi ile softmax kullanırsam ne olur? iyi mi? çünkü çapraz entropi arasındaki denklemde sadece küçük bir fark olduğunu görüyorum (eq.57): C=−1n∑x(ylna+(1−y)ln(1−a))C=−1n∑x(yln⁡a+(1−y)ln⁡(1−a))C = -\frac{1}{n} \sum\limits_x (y …

31 neural-networks  maximum-likelihood  softmax 

Bir sinir ağı, bir amaca ulaşmak için bir araç olarak veri setinin özelliklerini öğrenir. Bu yapıldığında, sinir ağının ne öğrendiğini bilmek isteyebiliriz. Özellikleri neydi ve neden bunları umursadı. Birisi bu problemi ilgilendiren işin vücuduna bazı referanslar verebilir mi?

30 neural-networks  deep-learning 

[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 

Yapay sinir ağı , Bayes ağı , karar ağacı ve Petri ağları arasındaki fark , hepsi grafiksel modeller olmasına rağmen görsel olarak sebep-sonuç ilişkisini gösteriyor.

30 machine-learning  neural-networks  bayesian-network  fuzzy 

Ağırlıkları sıfırlarla başlatmak neden tehlikelidir? Bunu gösteren basit bir örnek var mı?

30 neural-networks  backpropagation 

Deep Convolutional Yapay Sinir Ağları ile ImageNet Sınıflandırması makalesini okuyordum ve 3. bölümde, Convolutional Sinir Ağlarının yapısını nasıl kullandıklarını açıkladıklarını açıklıyorlardı: doygun olmayan doğrusal olmayanf( x ) = m a x ( 0 , x ) .f(x)=mbirx(0,x).f(x) = max(0, x). çünkü eğitmek daha hızlıydı. Bu yazıda, CNN'lerde, sigmoidde ve hiperbolik …

30 machine-learning  neural-networks  terminology  conv-neural-network 

Sorunumu bir örnekle açıklayacağım. Bazı nitelikler verilen bir bireyin gelirini tahmin etmek istediğinizi varsayalım: {Yaş, Cinsiyet, Ülke, Bölge, Şehir}. Bunun gibi bir eğitim veri setine sahipsiniz train <- data.frame(CountryID=c(1,1,1,1, 2,2,2,2, 3,3,3,3), RegionID=c(1,1,1,2, 3,3,4,4, 5,5,5,5), CityID=c(1,1,2,3, 4,5,6,6, 7,7,7,8), Age=c(23,48,62,63, 25,41,45,19, 37,41,31,50), Gender=factor(c("M","F","M","F", "M","F","M","F", "F","F","F","M")), Income=c(31,42,71,65, 50,51,101,38, 47,50,55,23)) train CountryID RegionID CityID …

29 regression  machine-learning  multilevel-analysis  correlation  dataset  spatial  paired-comparisons  cross-correlation  clustering  aic  bic  dependent-variable  k-means  mean  standard-error  measurement-error  errors-in-variables  regression  multiple-regression  pca  linear-model  dimensionality-reduction  machine-learning  neural-networks  deep-learning  conv-neural-network  computer-vision  clustering  spss  r  weighted-data  wilcoxon-signed-rank  bayesian  hierarchical-bayesian  bugs  stan  distributions  categorical-data  variance  ecology  r  survival  regression  r-squared  descriptive-statistics  cross-section  maximum-likelihood  factor-analysis  likert  r  multiple-imputation  propensity-scores  distributions  t-test  logit  probit  z-test  confidence-interval  poisson-distribution  deep-learning  conv-neural-network  residual-networks  r  survey  wilcoxon-mann-whitney  ranking  kruskal-wallis  bias  loss-functions  frequentist  decision-theory  risk  machine-learning  distributions  normal-distribution  multivariate-analysis  inference  dataset  factor-analysis  survey  multilevel-analysis  clinical-trials 

Önyargılı düğümler neden sinir ağlarında kullanılıyor? Kaç tane kullanmalısın? Bunları hangi katmanlarda kullanmalısınız: tüm gizli katmanlar ve çıktı katmanlar?

29 machine-learning  neural-networks  bias-node 

Bir veri kümesi üzerinde çapraz doğrulanmış rasgele bir orman çalıştırmak için şapka kullanıyorum. Y değişkeni bir faktördür. Veri setimde hiç NaN, Inf veya NA yok. Ancak rastgele orman çalıştırırken, alıyorum Error in randomForest.default(m, y, ...) : NA/NaN/Inf in foreign function call (arg 1) In addition: There were 28 warnings (use …

29 r  random-forest  caret  regression  prediction  fitting  social-science  poisson-distribution  distributions  characteristic-function  bayesian  prior  regression  normal-distribution  interaction  nonparametric  skewness  svm  standard-deviation  standard-error  regression-coefficients  igraph  natural-language  word2vec  word-embeddings  regression  machine-learning  sampling  r  regression  machine-learning  random-forest  ensemble  sampling  unbiased-estimator  proof  estimators  mse  probability  conditional-probability  bayes  anova  missing-data  neural-networks  recommender-system  r  confidence-interval  sample  multiple-imputation  r  time-series  forecasting  mase 

Ablasyon çalışması nedir? Ve bunu gerçekleştirmenin sistematik bir yolu var mı? Örneğin, doğrusal regresyonda modelim diyeceğim tahmin edicim var .nnn Bunun için nasıl bir ablasyon çalışması yapacağım? Hangi metrikleri kullanmalıyım? Kapsamlı bir kaynak veya ders kitabı takdir edilecektir.

28 regression  machine-learning  neural-networks 

İstatistiksel ve makine öğrenimi modelleri için çok sayıda yorumlanabilirlik vardır: 1) bir bütün olarak algoritma, 2) genel olarak algoritmanın bir kısmı 3) belirli girdiler için algoritmanın bir kısmı ve bu üç seviye iki bölüme ayrılır, Biri eğitim için, biri de işlev değerlendirmesi için Son iki kısım birinciden çok daha yakın. …

27 neural-networks  deep-learning  interpretation 

CIFAR10 veri setinde basit bir sinir ağı eğitimi alıyorum. Bir süre sonra doğrulama kaybı artmaya başlarken doğrulama doğruluğu da artmaktadır. Test kaybı ve test doğruluğu gelişmeye devam ediyor. Bu nasıl mümkün olabilir? Validasyon kaybının artması durumunda doğruluğun azalması gerektiği görülmektedir. Not: Birkaç benzer soru var, ama kimse orada neler olduğunu …

27 neural-networks  deep-learning  conv-neural-network  overfitting 

Tamamen evrişimli ağlar gibi bir piksel segmentasyonu sinir ağlarını eğitirken, Zar katsayısı kaybı fonksiyonuna karşı çapraz entropi kaybı fonksiyonunu kullanma kararını nasıl verirsiniz? Bunun kısa bir soru olduğunun farkındayım, ancak başka hangi bilgileri sağlayacağından emin değilim. İki kayıp işlevi hakkında bir sürü belgeye baktım ancak birini ne zaman kullanacağımı sezgisel …

27 neural-networks  loss-functions  cross-entropy 

Diyelim ki f = x * ystandart derin sinir ağını kullanarak basit için regresyon yapmak istiyoruz . Bir hiden katmanına sahip NN'nin herhangi bir işlevi tahmin edebileceğini söyleyen araştırmalar olduğunu hatırlıyorum, ancak denedim ve normalleştirme olmadan NN bu basit çarpma bile yaklaşık olarak yapamadı. Verilerin sadece log-normalizasyonu yardımcı oldu m …

27 regression  machine-learning  neural-networks  deep-learning 

Burada aşağıdakileri okudum : Sigmoid çıkışları sıfır merkezli değildir . Bu istenmeyen bir durumdur, çünkü bir Sinir Ağında daha sonraki işlem katmanlarındaki nöronlar (bu konuda daha fazlası) sıfır merkezli olmayan veriler alacaktır. Bunun gradyan iniş sırasındaki dinamikleri üzerinde etkileri vardır, çünkü eğer bir nörona giren veriler her zaman pozitif ise …

26 neural-networks  deep-learning  backpropagation