Questions marquées «deep-learning»

Pour les questions liées à l'apprentissage en profondeur, qui fait référence à un sous-ensemble de méthodes d'apprentissage automatique basées sur des réseaux de neurones artificiels (ANN) avec plusieurs couches cachées. L'adjectif deep fait donc référence au nombre de couches des ANN. L'expression deep learning a apparemment été introduite (bien que pas dans le contexte de l'apprentissage automatique ou des ANN) en 1986 par Rina Dechter dans l'article «Apprendre en cherchant dans les problèmes de satisfaction de contraintes».









2
Les réseaux résiduels profonds doivent-ils être considérés comme un ensemble de réseaux?
La question porte sur l'architecture des réseaux résiduels profonds ( ResNets ). Le modèle qui a remporté la 1ère place au "Large Scale Visual Recognition Challenge 2015" (ILSVRC2015) sur les cinq pistes principales: Classification ImageNet: «ultra-profonds» (citation de Yann) réseaux à 152 couches Détection ImageNet: 16% meilleure que la 2e …



2
Quelle couche consomme plus de temps dans la formation CNN? Couches de convolution vs couches FC
Dans Convolutional Neural Network, quelle couche consomme le maximum de temps dans la formation? Couches de convolution ou couches entièrement connectées? Nous pouvons prendre l'architecture AlexNet pour comprendre cela. Je veux voir la rupture du temps du processus de formation. Je veux une comparaison de temps relatif afin que nous …



1
Comment appliquer des gradients de politique dans le cas de plusieurs actions continues?
Trusted Region Policy Optimization (TRPO) et Proximal Policy Optimization (PPO) sont deux algorithmes de gradients de politique de pointe. Lorsque vous utilisez une seule action continue, normalement, vous utiliseriez une distribution de probabilité (par exemple, gaussienne) pour la fonction de perte. La version approximative est: L(θ)=log(P(a1))A,L(θ)=log⁡(P(a1))A,L(\theta) = \log(P(a_1)) A, où …

En utilisant notre site, vous reconnaissez avoir lu et compris notre politique liée aux cookies et notre politique de confidentialité.
Licensed under cc by-sa 3.0 with attribution required.