«neural-networks» etiketlenmiş sorular

Son zamanlarda, adaboost, gradient boost gibi artırıcı algoritmalar öğrenmeye çalışıyordum ve en yaygın kullanılan zayıf öğrenicinin ağaçlar olduğu gerçeğini biliyordum. Gerçekten bilmek istiyorum, sinir ağlarını temel öğrenici olarak kullanmak için bazı başarılı örnekler (bazı makaleleri veya makaleleri kastediyorum) var mı?

21 neural-networks  deep-learning  boosting  ensemble  dropout 

Temelde benim sorum çok katmanlı Algılayıcılarda, algılayıcıların bir sigmoid aktivasyon işlevi ile kullanıldığıdır. Böylece güncelleme kuralında olarak hesaplanır.y^y^\hat{y} y^= 11 + exp( - wTxben)y^=11+exp⁡(-wTxben)\hat{y} = \frac{1}{1+\exp(-\mathbf{w}^T\mathbf{x}_i)} Bu "sigmoid" Perceptron'un lojistik regresyondan farkı nedir? Tek katmanlı bir sigmoid algılayıcının, her ikisinin de kullanması anlamında bir lojistik regresyona eşdeğer olduğunu söyleyebilirim. güncelleme …

21 logistic  classification  neural-networks  gradient-descent  perceptron 

Zaman serisi sınıflandırması yapmak için evrişimli bir sinir ağını eğitmek için bir kod olup olmadığını bilmek istiyorum. Bazı yeni makaleler gördüm ( http://www.fer.unizg.hr/_download/repository/KDI-Djalto.pdf ) ama bir şey olup olmadığından veya kendim kodladığımdan emin değilim.

21 time-series  classification  neural-networks  conv-neural-network 

Doğrusal bir model için , büzülme terimi her zaman .P ( β )y= β0+ x β+ εy=β0+xβ+εy=\beta_0+x\beta+\varepsilonP( β)P(β)P(\beta) Önyargı (engelleme) terimini küçültmememizin nedeni nedir ? Yapay sinir ağ modellerinde yanlılık terimini küçültmeli miyiz?β0β0\beta_0

21 regression  neural-networks  ridge-regression  intercept  shrinkage 

Standart sinir ağı algoritmalarının (backprop gibi) sınırlamaları, kaç tane gizli katman ve katman başına nöron istediğiniz bir tasarım kararı vermeniz gerektiğidir. Genellikle, öğrenme oranı ve genelleme bu seçimlere karşı oldukça hassastır. Bunun nedeni, kaskad korelasyonu gibi sinir ağı algoritmalarının ilgi uyandırmasının nedeni olmuştur. Minimal bir topoloji ile başlar (sadece giriş …

21 neural-networks 

İşte bir göz atın: Egzersiz verilerinin nerede bittiğini tam olarak görebilirsiniz. Egzersiz verileri −1−1-1 için .111 Keras ve tanh aktivasyonlu 1-100-100-2 yoğun bir ağ kullandım. Sonucu p ve q olmak üzere iki değerden p / q olarak hesaplarım. Bu şekilde, sadece 1 değerden küçük herhangi bir sayı boyutu elde edebilirim. …

21 regression  neural-networks  python  keras 

Bu sorunun cevabı burada zaten var : Maliyet işlevindeki değişim nasıl olumlu olabilir? (1 cevap) Sinir ağım öğrenmediğinde ne yapmalıyım? (5 cevaplar) Geçen ay kapalı . 4 tip diziyi sınıflandırmak için bir model (Tekrarlayan Sinir Ağı) eğitimi alıyorum. Eğitimimi yürütürken eğitim grubumdaki örneklerin% 90'ından fazlasını doğru bir şekilde sınıflandırdığım noktaya …

21 machine-learning  neural-networks  loss-functions  rnn  training-error 

Doğrultulmuş doğrusal birimlerin (ReLU), doğrusal ve hesaplanması daha hızlı oldukları için softplus birimlerinin yerini aldıkları sıklıkla belirtilir. Softplus hala spariteyi indükleme avantajına sahip mi yoksa ReLU ile sınırlı mı? Sormamın nedeni, ReLU'nun sıfır eğiminin olumsuz sonuçlarını merak etmem. Bu özellik, yeniden etkinleştirme olasılığını vermenin faydalı olabileceği birimleri sıfırda "yakalamaz" mı?

21 machine-learning  neural-networks 

Toplu normalizasyon (BN) kağıdını (1) okuyordum ve modelin doğruluğunu izlemek için hareketli ortalamalar kullanma ihtiyacını anlamadım ve bunun doğru bir şey olduğunu kabul etsem bile anlamıyorum tam olarak ne yaptıklarını. Anladığım kadarıyla (ki bu benim yanlışım) makalede, modelin eğitimi bittikten sonra istatistiklerini mini parti yerine nüfus istatistiklerini kullandığından bahsediliyor. Tarafsız …

21 machine-learning  neural-networks  deep-learning  conv-neural-network  batch-normalization 

Bir vektör üzerine softmax fonksiyonunun uygulanması, "olasılıklar" ve ile arasında değerler üretecektir . 000111 Ancak her bir değeri vektörün toplamına bölebiliriz ve bu da ile arasında olasılıklar ve değerler üretir .000111 Burada cevabı okudum ama her iki fonksiyon da farklı olsa da bunun nedeninin farklı olabileceğinden kaynaklandığını söylüyor.

20 machine-learning  neural-networks  softmax 

Arasında Tensorflow en uygulamasında ResNet , onlar, ben de başlatıcısı popüler xavier bulmak varyans ölçeklendirme başlatıcı kullanmak bulabilirsiniz. Bu konuda çok fazla deneyimim yok, bu pratikte daha iyi mi?

20 machine-learning  neural-networks  deep-learning  conv-neural-network  tensorflow 

Bayesian Hiyerarşik Doğrusal Model ile uğraşıyorum , burada onu tanımlayan ağ. YYY , bir süpermarketteki bir ürünün günlük satışlarını temsil eder (gözlemlenir). XXX , fiyatlar, promosyonlar, haftanın günü, hava durumu, tatiller dahil olmak üzere bilinen bir gerileme matrisidir. 1SSS , her bir ürünün bilinmeyen gizli envanter seviyesidir, bu da en …

20 regression  bayesian  neural-networks  generalized-linear-model  bayesian-network 

Hedef verilerin bir açı vektörü (0 ile 2 * pi arasında) olduğu bir sinir ağını (ayrıntılar önemli değil) eğitiyorum. Bu verilerin nasıl kodlanacağı konusunda tavsiye arıyorum. İşte şu anda çalışıyorum (sınırlı bir başarı ile): 1) C-1 kodlaması: Kurulum olası açılarını 1000 veya daha fazla farklı açılara oturttum ve sonra ilgili …

20 neural-networks  circular-statistics 

Çıktı değişkeni sıralı olduğu bir şey tahmin etmek için ayarlanmış bir sinir ağı var. Aşağıda üç olası çıkış A <B <C kullanarak açıklayacağım. Kategorik verileri çıkarmak için bir sinir ağının nasıl kullanılacağı oldukça açıktır: çıktı, son (genellikle tamamen bağlı) katmanın sadece softmax'ıdır, kategori başına birdir ve tahmin edilen kategori en …

20 neural-networks  ordinal-data  softmax 

Zaman serisi verilerine uygulanacak farklı Tekrarlayan sinir ağı (RNN) mimarilerini anlamaya çalışıyorum ve RNN'leri tanımlarken sıklıkla kullanılan farklı isimlerle biraz karışıyorum. Uzun kısa süreli bellek (LSTM) ve Geçitli Tekrarlanan Birim (GRU) yapısı temelde bir geri besleme döngüsüne sahip bir RNN mi?

20 neural-networks  lstm  rnn