Statistiche e Big Data neural-networks

1

Qual è una spiegazione dell'esempio del perché la normalizzazione in lotti deve essere fatta con una certa cura?

Stavo leggendo il documento di normalizzazione in lotti [1] e aveva una sezione in cui è riportato un esempio, cercando di mostrare perché la normalizzazione deve essere eseguita con attenzione. Sinceramente, non riesco a capire come funziona l'esempio e sono sinceramente molto curioso di capire il loro lavoro il più …

11 machine-learning neural-networks conv-neural-network

2

Le reti residue sono correlate all'aumento gradiente?

Recentemente, abbiamo visto emergere la rete neurale residua, in cui ogni strato è costituito da un modulo computazionale e da una connessione di scelta rapida che preserva l'input allo strato come l'output del suo strato mostra: y i + 1 = c i + y i La rete consente di …

11 machine-learning neural-networks deep-learning gradient-descent residual-networks

4

Rete neurale - significato dei pesi

Sto usando il feed-forward NN. Capisco il concetto, ma la mia domanda riguarda i pesi. Come puoi interpretarli, cioè cosa rappresentano o come possono essere distrutti (assediati solo dai coefficienti di funzione)? Ho trovato qualcosa chiamato "spazio di pesi", ma non sono sicuro di cosa significhi.

11 neural-networks weights

1

Q-learning con Neural Network come approssimazione della funzione

Sto cercando di utilizzare una rete neurale per approssimare il valore Q in Q-learning come in Domande sull'apprendimento Q utilizzando reti neurali . Come suggerito nella prima risposta, sto usando una funzione di attivazione lineare per il livello di output, mentre sto ancora usando la funzione di attivazione sigmoid nei …

11 neural-networks reinforcement-learning

3

In che modo il modello skip-gram di Word2Vec genera i vettori di output?

Sto riscontrando problemi nel comprendere il modello skip-gram dell'algoritmo Word2Vec. Nel bag-of-word continuo è facile vedere come le parole di contesto possano "adattarsi" alla rete neurale, dal momento che in pratica le si calcola in media dopo aver moltiplicato ciascuna delle rappresentazioni di codifica a caldo singolo con la matrice …

11 neural-networks deep-learning natural-language word2vec word-embeddings

2

Classificazione con dati parzialmente "sconosciuti"

Supponiamo che io voglia imparare un classificatore che accetta un vettore di numeri come input e fornisce un'etichetta di classe come output. I miei dati di allenamento consistono in un gran numero di coppie input-output. Tuttavia, quando vengo a provare alcuni nuovi dati, questi dati sono in genere solo parzialmente …

11 machine-learning classification neural-networks deep-learning

1

R neuralnet: il calcolo fornisce una risposta costante

Sto cercando di usare il neuralnetpacchetto di R (documentazione qui ) per la previsione. Ecco cosa sto cercando di fare: library(neuralnet) x <- cbind(runif(50, min=1, max=500), runif(50, min=1, max=500)) y <- x[, 1] * x[, 2] train <- data.frame(x, y) n <- names(train) f <- as.formula(paste('y ~', paste(n[!n %in% 'y'], …

11 r neural-networks prediction error

5

Background matematico per reti neurali

Non sono sicuro che questo sia appropriato per questo sito, ma sto iniziando il mio MSE in informatica (BS in matematica applicata) e voglio avere una solida base nell'apprendimento automatico (molto probabilmente perseguirò un dottorato di ricerca). Uno dei miei interessi secondari sono le reti neurali. Qual è un buon …

11 machine-learning neural-networks mathematical-statistics references

3

Modellazione matematica di reti neurali come modelli grafici

Sto lottando per stabilire la connessione matematica tra una rete neurale e un modello grafico. Nei modelli grafici l'idea è semplice: la distribuzione di probabilità fattorizza secondo le cricche nel grafico, con i potenziali che normalmente sono della famiglia esponenziale. Esiste un ragionamento equivalente per una rete neurale? Si può …

11 neural-networks markov-process graphical-model deep-learning deep-belief-networks

4

È possibile ottenere una ANN migliore rimuovendo alcune connessioni?

Mi chiedevo se in alcune circostanze è possibile che le ANN funzionino meglio se si eliminano alcune connessioni come ad esempio: Costruire una ANN prendendo in parallelo due ANN e A a più strati (stessi nodi di input e output) aggiungendo alcune connessioni di "comunicazione" tra gli strati nascosti di …

11 classification neural-networks

1

Qual è la perdita di perdita di peso?

Sto iniziando con il deep learning e ho una domanda la cui risposta non riuscivo a trovare, forse non ho cercato correttamente. Ho visto questa risposta , ma non è ancora chiaro quale sia la perdita di perdita di peso e come sia correlata alla funzione di perdita.

11 neural-networks conv-neural-network

2

Qual è l'intuizione dietro una rete neurale ricorrente a memoria a breve termine (LSTM)?

L'idea alla base di Recurrent Neural Network (RNN) mi è chiara. Lo capisco nel modo seguente: abbiamo una sequenza di osservazioni ( ) (o, in altre parole, serie temporali multivariate). Ogni singola osservazioneo⃗ 1,o⃗ 2,…,o⃗ no→1,o→2,…,o→n\vec o_1, \vec o_2, \dots, \vec o_no⃗ io→i\vec o_i è un NNN -dimensionale vettore numerico. …

11 time-series neural-networks predictive-models intuition rnn

3

Numero di parametri in una rete neurale artificiale per AIC

Come posso calcolare il numero di parametri in una rete neurale artificiale per calcolare il suo AIC?

11 neural-networks aic

2

Come addestrare un SVM tramite backpropagation?

Mi chiedevo se fosse possibile addestrare un SVM (diciamo uno lineare, per semplificare le cose) usando la backpropagation? Attualmente, sono a un blocco stradale, perché posso solo pensare di scrivere l' output del classificatore come f(x;θ,b)=sgn(θ⋅x−(b+1))=sgn(g(x;θ,b))f(x;θ,b)=sgn(θ⋅x−(b+1))=sgn(g(x;θ,b)) f(\mathbf{x};\theta,b) = \text{sgn}(\theta\cdot\mathbf{x} - (b+1)) = \text{sgn}(g(\mathbf{x};\theta,b)) Pertanto, quando proviamo a calcolare il "passaggio …

11 machine-learning neural-networks svm gradient-descent backpropagation

3

Una rete neurale può imparare un derivato funzionale e funzionale?

Comprendo che le reti neurali (NN) possono essere considerate approssimatori universali di entrambe le funzioni e i loro derivati, sotto determinate ipotesi (sia sulla rete che sulla funzione da approssimare). In effetti, ho fatto una serie di test su funzioni semplici, ma non banali (ad es. Polinomi), e sembra che …

11 machine-learning neural-networks function derivative

Domande taggate «neural-networks»