Statistiche e Big Data deep-learning

2

Nel documento Faster RCNN quando si parla di ancoraggio, cosa significano usando "piramidi di caselle di riferimento" e come si fa? Questo significa semplicemente che in ciascuno dei punti di ancoraggio W * H * k viene generato un rettangolo di selezione? Dove W = larghezza, H = altezza e …

10 deep-learning computer-vision

1

In che modo gli SVM = corrispondenza dei modelli?

Ho letto di SVM e ho appreso che stanno risolvendo un problema di ottimizzazione e l'idea del margine massimo era molto ragionevole. Ora, usando i kernel, riescono a trovare anche i confini di separazione non lineari, il che era grandioso. Finora, non ho davvero idea di come SVM (una macchina …

10 machine-learning neural-networks svm deep-learning kernel-trick

1

RNN con L2 La regolarizzazione interrompe l'apprendimento

Uso RNN bidirezionale per rilevare un evento di evento sbilanciato. La classe positiva è 100 volte meno spesso della classe negativa. Sebbene non sia possibile utilizzare la regolarizzazione, posso ottenere una precisione del 100% sul set di treni e del 30% sul set di convalida. Attivo la regolarizzazione l2 e …

10 neural-networks deep-learning regularization rnn

2

Prevedere i requisiti di memoria della CPU e della GPU dell'allenamento DNN

Supponiamo che io abbia un'architettura di modello di deep learning, nonché una dimensione mini-batch scelta. Come posso derivare da questi i requisiti di memoria previsti per l'addestramento di quel modello? Ad esempio, si consideri un modello (non ricorrente) con input di dimensione 1000, 4 layer nascosti completamente connessi di dimensione …

10 deep-learning

3

Come classificare un set di dati non bilanciato da Convolutional Neural Networks (CNN)?

Ho un set di dati sbilanciato in un'attività di classificazione binaria, in cui l'importo positivo e negativo è dello 0,3% vs 99,7%. Il divario tra positivi e negativi è enorme. Quando alleno una CNN con la struttura utilizzata nel problema MNIST, il risultato del test mostra un alto tasso di …

10 classification neural-networks deep-learning convolution computer-vision

1

La funzione

Una funzione nella forma ex/(1+ex)ex/(1+ex)e^x/(1+e^x) ha un nome standard? Ad esempio y=a+bxy=a+bxy = a + bx è una funzione lineare.

9 logistic neural-networks deep-learning terminology

2

È vero che i bayesiani non hanno bisogno di set di test?

Di recente ho visto questo discorso di Eric J. Ma e ho controllato il suo blog , in cui cita Radford Neal, che i modelli bayesiani non si adattano troppo (ma possono adattarsi troppo ) e quando li usano, non abbiamo bisogno di set di test per convalidarli (per me …

9 machine-learning bayesian cross-validation deep-learning

1

Quale modello di apprendimento profondo può classificare categorie che non si escludono a vicenda

Esempi: ho una frase nella descrizione del lavoro: "Ingegnere senior Java nel Regno Unito". Voglio usare un modello di apprendimento profondo per prevederlo in 2 categorie: English e IT jobs. Se uso il modello di classificazione tradizionale, posso solo prevedere 1 etichetta con la softmaxfunzione all'ultimo livello. Quindi, posso usare …

9 machine-learning deep-learning natural-language tensorflow sampling distance non-independent application regression machine-learning logistic mixed-model control-group crossover r multivariate-analysis ecology procrustes-analysis vegan regression hypothesis-testing interpretation chi-squared bootstrap r bioinformatics bayesian exponential beta-distribution bernoulli-distribution conjugate-prior distributions bayesian prior beta-distribution covariance naive-bayes smoothing laplace-smoothing distributions data-visualization regression probit penalized estimation unbiased-estimator fisher-information unbalanced-classes bayesian model-selection aic multiple-regression cross-validation regression-coefficients nonlinear-regression standardization naive-bayes trend machine-learning clustering unsupervised-learning wilcoxon-mann-whitney z-score econometrics generalized-moments method-of-moments machine-learning conv-neural-network image-processing ocr machine-learning neural-networks conv-neural-network tensorflow r logistic scoring-rules probability self-study pdf cdf classification svm resampling forecasting rms volatility-forecasting diebold-mariano neural-networks prediction-interval uncertainty

4

Come interpretare una curva di sopravvivenza del modello di rischio Cox?

Come si interpreta una curva di sopravvivenza dal modello di rischio proporzionale cox? In questo esempio di giocattolo, supponiamo di avere un modello di rischio proporzionale cox su agevariabile nei kidneydati e generare la curva di sopravvivenza. library(survival) fit <- coxph(Surv(time, status)~age, data=kidney) plot(conf.int="none", survfit(fit)) grid() Ad esempio, al momento …

9 r survival cox-model likelihood machine-learning deep-learning generative-models machine-learning reinforcement-learning q-learning regression multicollinearity convergence beta-distribution bernoulli-distribution machine-learning self-study pattern-recognition neural-networks stochastic-processes linear

4

La formazione di una rete neurale per la regressione prevede sempre la media

Sto addestrando una semplice rete neurale convoluzionale per la regressione, in cui il compito è prevedere la posizione (x, y) di una scatola in un'immagine, ad esempio: L'output della rete ha due nodi, uno per x e uno per y. Il resto della rete è una rete neurale convoluzionale standard. …

9 machine-learning neural-networks optimization deep-learning loss-functions

3

Selezione delle funzionalità mediante l'apprendimento approfondito?

Voglio calcolare l'importanza di ogni funzione di input usando il modello profondo. Ma ho trovato solo un articolo sulla selezione delle funzionalità utilizzando l'apprendimento approfondito: selezione approfondita delle funzionalità . Inseriscono uno strato di nodi collegati direttamente a ciascuna funzione, prima del primo livello nascosto. Ho sentito che Deep Network …

9 feature-selection deep-learning deep-belief-networks rbm

1

Quanti dati per l'apprendimento profondo?

Sto imparando il deep learning (in particolare le CNN) e come in genere richiede moltissimi dati per prevenire un eccesso di adattamento. Tuttavia, mi è stato anche detto che maggiore è la capacità / più parametri ha un modello, più dati sono necessari per evitare un eccesso di adattamento. Pertanto, …

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

1

Normalizzazione degli input per i neuroni ReLU

Secondo "Efficient Backprop" di LeCun et al (1998) è buona norma normalizzare tutti gli input in modo che siano centrati attorno a 0 e rientrino nell'intervallo della seconda derivata massima. Quindi, per esempio, useremmo [-0.5,0.5] per la funzione "Tanh". Questo per aiutare il progresso della retro-propagazione man mano che l'Assia …

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

2

Migliore utilizzo di LSTM per la previsione di eventi all'interno della sequenza

Assumi la seguente sequenza 1 dimensionale: A, B, C, Z, B, B, #, C, C, C, V, $, W, A, % ... Le lettere A, B, C, ..qui rappresentano eventi "ordinari". I simboli #, $, %, ...qui rappresentano eventi "speciali" La spaziatura temporale tra tutti gli eventi è non uniforme …

9 time-series deep-learning rare-events lstm sequential-pattern-mining

2

Il collo di bottiglia nell'applicazione pratica del deep learning

Dopo aver letto molti articoli di deep learning, una sorta di sensazione approssimativa è che ci sono molti trucchi nell'allenamento della rete per ottenere prestazioni migliori del normale. Dal punto di vista delle applicazioni del settore, è molto difficile sviluppare questo tipo di trucchi, tranne quei gruppi di ricerca d'élite …

9 machine-learning deep-learning deep-belief-networks

Domande taggate «deep-learning»