Intelligence artificielle deep-network

9

Comment est-il possible que des réseaux de neurones profonds soient si facilement trompés?

La page / étude suivante montre que les réseaux de neurones profonds sont facilement trompés en donnant des prédictions de confiance élevée pour des images non reconnaissables, par exemple: Comment c'est possible? Pouvez-vous s'il vous plaît expliquer idéalement en anglais simple?

63 convolutional-neural-networks image-recognition deep-network computer-vision

5

Quelle est la logique floue?

Je suis novice en intelligence artificielle et j'aimerais savoir, en termes simples, quel est le concept de logique floue? Comment cela aide-t-il et quand est-il utilisé?

38 deep-network terminology fuzzy-logic

4

Comment trouver le nombre optimal de neurones par couche?

Lorsque vous écrivez votre algorithme, comment savez-vous combien de neurones vous avez besoin par couche unique? Existe-t-il des méthodes pour en trouver le nombre optimal, ou s'agit-il d'une règle d'or?

28 deep-network search neurons

2

En quoi un réseau neuronal profond est-il différent des autres réseaux neuronaux?

Comment un réseau neuronal ayant l'adjectif «profond» se distingue-t-il réellement des autres réseaux similaires?

25 neural-networks machine-learning deep-network terminology comparison

4

La capacité de reconnaissance de formes des CNN est-elle limitée au traitement d'images?

Un réseau neuronal convolutif peut-il être utilisé pour la reconnaissance de formes dans un domaine problématique où il n'y a pas d'images préexistantes, par exemple en représentant graphiquement des données abstraites? Serait-ce toujours moins efficace? Ce développeur dit que le développement actuel pourrait aller plus loin, mais pas s'il y …

21 deep-network neural-networks image-recognition convolutional-neural-networks

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 …

12 neural-networks machine-learning deep-network deep-learning pattern-recognition

5

Pourquoi les réseaux de neurones profonds et l'apprentissage profond sont-ils insuffisants pour atteindre l'intelligence générale?

Tout ce qui concerne le Deep Learning (DL) et les réseaux profonds (er) semble "réussi", progressant au moins très rapidement et cultivant la croyance selon laquelle AGI est à portée de main. C'est de l'imagination populaire. DL est un formidable outil pour faire face à tant de problèmes, y compris …

11 deep-learning deep-network agi

1

Quels types de problèmes nécessitent plus de 2 couches cachées?

J'ai lu que la plupart des problèmes peuvent être résolus avec 1-2 couches cachées. Comment savez-vous que vous avez besoin de plus de 2? Pour quel genre de problèmes vous en auriez besoin (donnez-moi un exemple)?

11 deep-network hidden-layers

4

Qu'est-ce que la technique du «décrochage»?

À quoi sert la méthode de «décrochage» et comment améliore-t-elle les performances globales du réseau neuronal?

10 deep-network overfitting performance

3

Qu'est-ce qu'un réseau neuronal profond?

Quelle est la définition d'un réseau neuronal profond? Pourquoi sont-ils si populaires ou importants?

10 machine-learning deep-learning terminology deep-network definitions

1

Quel est le problème du bruit blanc pour l'utilisation réelle d'un DNN?

J'ai lu que les réseaux neuronaux profonds peuvent être relativement facilement trompés ( lien ) pour donner une confiance élevée dans la reconnaissance d'images synthétiques / artificielles qui sont complètement (ou au moins principalement) hors du sujet de confiance. Personnellement, je ne vois pas vraiment de gros problème avec DNN …

9 neural-networks deep-network image-recognition convolutional-neural-networks signal-processing

2

Quelle est la différence entre les neurones hyperboliques tangents et sigmoïdes?

Deux fonctions d'activation courantes utilisées dans l'apprentissage en profondeur sont la fonction tangente hyperbolique et la fonction d'activation sigmoïde. Je comprends que la tangente hyperbolique est juste une mise à l'échelle et une traduction de la fonction sigmoïde: tanh( z) = 2 σ( z) - 1tanh⁡(z)=2σ(z)-1\tanh(z) = 2\sigma(z) - 1. …

8 neural-networks machine-learning deep-network comparison hidden-layers

Questions marquées «deep-network»