Domande taggate «neural-networks»

Le reti neurali artificiali (ANN) sono un'ampia classe di modelli computazionali vagamente basati su reti neurali biologiche. Comprendono NN feedforward (inclusi NN "profondi"), NN convoluzionali, NN ricorrenti, ecc.

Come eseguire in modo efficace la modellazione della rete neurale?

Quale dovrebbe essere il rapporto tra numero di osservazioni e numero di variabili? Come rilevare overfitting nel modello di rete neurale e quali sono i modi per evitare overfitting? Se voglio eseguire la classificazione con Neural Network, le classi dovrebbero avere la stessa frequenza? Per favore aiutatemi.

13 neural-networks

Perché anche gli RNN con unità LSTM possono soffrire di "gradienti esplosivi"?

Ho una conoscenza di base di come funzionano gli RNN (e, in particolare, con le unità LSTM). Ho un'idea pittorica dell'architettura di un'unità LSTM, ovvero una cella e alcune porte, che regolano il flusso di valori. Tuttavia, a quanto pare, non ho compreso appieno come LSTM risolva il problema dei …

13 neural-networks lstm rnn backpropagation

Se ogni neurone in una rete neurale è sostanzialmente una funzione di regressione logistica, perché il multistrato è migliore?

Sto seguendo il corso DeepAI di Cousera (video della settimana 3 "Panoramica sulle reti neurali") e Andrew Ng sta spiegando come ogni strato in una rete neurale sia solo un'altra regressione logistica, ma non spiega come rendere le cose più accurate. Quindi, in una rete a 2 livelli, in che …

13 logistic neural-networks

Risultati teorici dietro le reti neurali artificiali

Ho appena coperto reti neurali artificiali nel corso di Machine Learning di Coursera e mi piacerebbe conoscere più teoria dietro di loro. Trovo la motivazione che imitano la biologia un po 'insoddisfacente. In superficie sembra che ad ogni livello sostituiamo le covariate con una loro combinazione lineare. Facendolo ripetutamente, consentiamo …

13 machine-learning neural-networks theory

Nessun termine di regolarizzazione per unità di polarizzazione nella rete neurale

Secondo questo tutorial sull'apprendimento profondo , la riduzione del peso (regolarizzazione) di solito non viene applicata ai termini di errore b perché? Qual è il significato (intuizione) dietro di esso?

13 machine-learning neural-networks bias regularization

Limitate macchine Boltzmann per la regressione?

Sto seguendo la domanda che avevo posto in precedenza sugli RBM . Vedo molta letteratura che li descrive, ma nessuno che in realtà parla di regressione (nemmeno di classificazione con dati etichettati). Ho la sensazione che sia usato solo per dati senza etichetta. Ci sono risorse per gestire la regressione? …

13 regression machine-learning classification neural-networks

Perché le funzionalità derivate vengono utilizzate nelle reti neurali?

Ad esempio, si vuole prevedere i prezzi delle case e avere due caratteristiche di input: la lunghezza e la larghezza della casa. A volte, si includono anche funzioni di input polinomiali "derivate", come area, che è lunghezza * larghezza. 1) Qual è lo scopo di includere funzionalità derivate? Una rete …

13 machine-learning neural-networks

Qualcuno può spiegare l'algoritmo di retro-propagazione? [duplicare]

Questa domanda ha già risposte qui : Algoritmo di backpropagation (2 risposte) Chiuso 3 mesi fa . Cos'è l'algoritmo di retro-propagazione e come funziona?

13 algorithms optimization neural-networks

Come funziona la retro-propagazione in una rete neurale siamese?

Ho studiato l'architettura della rete neurale siamese introdotta da Yann LeCun e dai suoi colleghi nel 1994 per il riconoscimento delle firme ( "Verifica della firma usando una rete neurale siamese di ritardo" .pdf , NIPS 1994) Ho capito l'idea generale di questa architettura, ma non riesco davvero a capire …

13 neural-networks

Cosa significa dimensione del kernel?

Quando le persone parlano di reti neurali, cosa significano quando dicono "dimensione del kernel"? I kernel sono funzioni di somiglianza, ma cosa dice sulla dimensione del kernel?

13 machine-learning neural-networks

Modello nascosto di Markov vs rete neurale ricorrente

Quali problemi di input sequenziali sono più adatti per ciascuno? La dimensionalità dell'input determina quale è una corrispondenza migliore? I problemi che richiedono "memoria più lunga" sono più adatti per un LNN RST, mentre i problemi con i modelli di input ciclici (borsa, condizioni meteorologiche) sono più facilmente risolti da …

13 time-series neural-networks hidden-markov-model rnn

Classificazione con etichette rumorose?

Sto cercando di formare una rete neurale per la classificazione, ma le etichette che ho sono piuttosto rumorose (circa il 30% delle etichette sono sbagliate). La perdita di entropia funziona davvero, ma mi chiedevo ci sono alternative più efficaci in questo caso? o la perdita di entropia incrociata è ottimale? …

13 machine-learning neural-networks loss-functions noise

La rete neurale (ad es. Rete neurale convoluzionale) può avere pesi negativi?

È possibile avere pesi negativi (dopo epoche sufficienti) per reti neurali convoluzionali profonde quando si utilizza ReLU per tutti i livelli di attivazione?

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

Esiste uno strumento visivo per la progettazione e l'applicazione di reti neurali / apprendimento profondo? [chiuso]

Chiuso. Questa domanda è fuori tema . Al momento non accetta risposte. Vuoi migliorare questa domanda? Aggiorna la domanda in modo che sia in argomento per Cross Validated. Chiuso 10 mesi fa . So che ci sono molte librerie per l'apprendimento automatico e l'apprendimento profondo come caffe, Theano, TensorFlow, keras, …

13 neural-networks deep-learning conv-neural-network

Forma matrice di backpropagation con normalizzazione batch

La normalizzazione in lotti è stata accreditata con sostanziali miglioramenti delle prestazioni nelle reti neurali profonde. Un sacco di materiale su Internet mostra come implementarlo su una base di attivazione per attivazione. Ho già implementato il backprop usando l'algebra della matrice e dato che sto lavorando in linguaggi di alto …

12 machine-learning neural-networks deep-learning backpropagation batch-normalization

Utilizzando il nostro sito, riconosci di aver letto e compreso le nostre Informativa sui cookie e Informativa sulla privacy.

Licensed under cc by-sa 3.0 with attribution required.