Statistiche e Big Data neural-networks

3

Algoritmo di apprendimento dell'ensemble all'avanguardia nelle attività di riconoscimento dei modelli?

La struttura di questa domanda è la seguente: inizialmente fornisco il concetto di apprendimento d' insieme , poi fornisco un elenco di compiti di riconoscimento dei modelli , quindi fornisco esempi di algoritmi di apprendimento degli ensemble e, infine, introduco la mia domanda. Coloro che non hanno bisogno di tutte …

14 machine-learning neural-networks pattern-recognition ensemble ocr

1

Quanti esempi di allenamento sono troppo pochi quando si allena una rete neurale?

Sono un principiante che prova a mettere insieme il mio primo progetto. Avevo in mente un progetto di classificazione delle canzoni, ma dato che avrei etichettato manualmente, ho potuto ragionevolmente mettere insieme circa 1000 canzoni o 60 ore di musica. Mi classificherei con diverse classi, quindi è possibile che una …

14 neural-networks

3

Reti neurali profonde - Solo per la classificazione delle immagini?

Tutti gli esempi che ho trovato usando convinzioni profonde o reti neurali convoluzionali li usano per la classificazione delle immagini, il rilevamento dei chatacter o il riconoscimento vocale. Le reti neurali profonde sono utili anche per le attività di regressione classica, in cui le caratteristiche non sono strutturate (ad esempio, …

14 regression machine-learning neural-networks deep-learning

1

C'è qualche differenza tra l'addestramento di un codificatore automatico in pila e una rete neurale a 2 strati?

Diciamo che sto scrivendo un algoritmo per la creazione di un codificatore automatico sovrapposto a 2 strati e di una rete neurale a 2 strati. Sono le stesse cose o le stesse differenze? Quello che capisco è che quando costruisco un codificatore automatico in pila, costruisco strato per strato. Per …

14 neural-networks deep-learning autoencoders

4

Di quanti dati hai bisogno per una rete neurale convoluzionale?

Se ho una rete neurale convoluzionale (CNN), che ha circa 1.000.000 di parametri, quanti dati di addestramento sono necessari (supponiamo che stia facendo una pendenza stocastica)? C'è qualche regola empirica? Note aggiuntive: quando ho eseguito la discesa gradiente stocastica (ad es. 64 patch per 1 iterazione), dopo ~ 10000 iterazioni, …

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

2

Domande su Q-Learning tramite reti neurali

Ho implementato Q-Learning come descritto in, http://web.cs.swarthmore.edu/~meeden/cs81/s12/papers/MarkStevePaper.pdf Al fine di ca. Q (S, A) Uso una struttura di rete neurale come la seguente, Sigmoide di attivazione Ingressi, numero di ingressi + 1 per neuroni d'azione (tutti gli ingressi in scala 0-1) Uscite, uscita singola. Q-Valore N numero di M strati …

14 machine-learning neural-networks reinforcement-learning

3

Scelta della funzione di attivazione nascosta della rete neurale

Ho letto altrove che la scelta della funzione di attivazione del livello nascosto in un NN dovrebbe essere basata sul bisogno di uno , cioè se hai bisogno di valori nell'intervallo da -1 a 1 usa tanh e usa sigmoid per l'intervallo da 0 a 1. La mia domanda è: …

14 machine-learning classification neural-networks

1

Come gestire un mix di input binari e continui nelle reti neurali?

Sto usando il pacchetto nnet in R per tentare di costruire un ANN per prevedere i prezzi degli immobili per i condomini (progetto personale). Sono nuovo in questo e non ho una preparazione in matematica, quindi per favore spoglio con me. Ho variabili di input che sono sia binarie che …

14 r machine-learning data-transformation neural-networks nnet

3

Apprendimento dei pesi in una macchina Boltzmann

Sto cercando di capire come funzionano le macchine Boltzmann, ma non sono sicuro di come i pesi vengano appresi e non sono stato in grado di trovare una descrizione chiara. Il seguente è corretto? (Inoltre, i suggerimenti per qualsiasi buona spiegazione della macchina Boltzmann sarebbero anche ottimi.) Abbiamo una serie …

14 neural-networks

1

Caret glmnet vs cv.glmnet

Sembra esserci molta confusione nel confronto tra l'uso di glmnetinside caretper cercare un lambda ottimale e l'utilizzo cv.glmnetper fare lo stesso compito. Sono state poste molte domande, ad esempio: Modello di classificazione train.glmnet vs. cv.glmnet? Qual è il modo corretto di usare glmnet con il cursore? Convalida incrociata di `glmnet` …

14 r caret glmnet machine-learning neural-networks maximum softmax probability distributions mathematical-statistics random-variable cdf statistical-significance variance expected-value ratio sample-size reliability tolerance-interval wilcoxon-signed-rank self-study variance sampling mean machine-learning svm libsvm self-study sampling ranks data-visualization histogram machine-learning classification normal-distribution mathematical-statistics maximum-likelihood mixture predictive-models prediction seasonality

8

Addestra una rete neurale per distinguere tra numeri pari e dispari

Domanda: è possibile addestrare un NN a distinguere tra numeri pari e dispari solo usando come input i numeri stessi? Ho il seguente set di dati: Number Target 1 0 2 1 3 0 4 1 5 0 6 1 ... ... 99 0 100 1 Ho addestrato un NN …

14 machine-learning classification categorical-data neural-networks genetic-algorithms

2

Che cosa significa "invarianza di permutazione" nel contesto delle reti neurali che riconoscono l'immagine?

Ho visto un termine versione "permutazione invariante" dell'attività di riconoscimento delle cifre MNIST. Cosa significa?

14 machine-learning neural-networks terminology conv-neural-network definition

1

Analisi di sensibilità in reti neurali profonde

A seguito di una domanda a cui è già stata data risposta ( Estrazione dell'importanza del peso dalla rete di feed-forward a un livello ) Sto cercando un'inferenza sulla pertinenza degli input nelle reti neurali. Considerando una rete profonda, dove ricostruire l'importanza dell'input andando indietro attraverso gli strati dal nodo …

14 neural-networks python feature-selection sensitivity-analysis

3

Rete neurale - input binario vs discreto / continuo

Esistono buoni motivi per preferire i valori binari (0/1) rispetto ai valori normalizzati discreti o continui , ad esempio (1; 3), come input per una rete feedforward per tutti i nodi di input (con o senza backpropagation)? Certo, sto solo parlando di input che potrebbero essere trasformati in entrambe le …

14 neural-networks

3

Perché le reti neurali necessitano di selezione / ingegneria delle caratteristiche?

Soprattutto nel contesto delle competizioni kaggle ho notato che le prestazioni del modello riguardano la selezione / ingegneria delle caratteristiche. Sebbene io possa comprendere appieno il motivo per cui si tratta degli algoritmi ML più convenzionali / di vecchia scuola, non vedo perché ciò avvenga quando si utilizzano reti neurali …

14 neural-networks deep-learning feature-selection feature-engineering

Domande taggate «neural-networks»