Science des données deep-learning

3

Arrêt précoce en cas de perte de validation ou d'exactitude?

Je forme actuellement un réseau de neurones et je ne peux pas décider lequel utiliser pour implémenter mes critères d'arrêt précoce: perte de validation ou une métrique comme précision / f1score / auc / quoi que ce soit calculé sur l'ensemble de validation. Dans mes recherches, je suis tombé sur …

10 machine-learning neural-network deep-learning classification

1

Utilisation de RNN (LSTM) pour le système de reconnaissance des gestes

J'essaie de construire un système de reconnaissance des gestes pour classer les gestes ASL (American Sign Language) , donc mon entrée est censée être une séquence d'images provenant d'une caméra ou d'un fichier vidéo, puis elle détecte la séquence et la mappe à sa correspondance cours (dormir, aider, manger, courir, …

10 neural-network deep-learning keras rnn lstm

5

Segmentation d'image non supervisée

J'essaie de mettre en œuvre un algorithme où étant donné une image avec plusieurs objets sur une table plane, souhaitée est la sortie de masques de segmentation pour chaque objet. Contrairement aux CNN, l'objectif ici est de détecter des objets dans un environnement inconnu. Quelles sont les meilleures approches à …

10 machine-learning deep-learning cnn computer-vision object-detection

1

Keras LSTM avec série temporelle 1D

J'apprends à utiliser Keras et j'ai eu un succès raisonnable avec mon ensemble de données étiqueté en utilisant les exemples de Deep Learning pour Python de Chollet . L'ensemble de données est ~ 1000 séries temporelles de longueur 3125 avec 3 classes potentielles. Je voudrais aller au-delà des couches denses …

10 python deep-learning time-series lstm rnn

1

Qu'est-ce que le «nouvel algorithme d'apprentissage par renforcement» dans AlphaGo Zero?

Pour une raison quelconque, AlphaGo Zero ne reçoit pas autant de publicité que l'AlphaGo original, malgré ses résultats incroyables. Partant de zéro, il a déjà battu AlphaGo Master et a dépassé de nombreux autres critères. Encore plus incroyable, cela se fait en 40 jours. Google le nomme "sans doute le …

10 machine-learning deep-learning

1

Remodelage des données pour un apprentissage en profondeur à l'aide de Keras

Je suis un débutant de Keras et j'ai commencé avec l'exemple MNIST pour comprendre comment la bibliothèque fonctionne réellement. L'extrait de code du problème MNIST dans le dossier d'exemples Keras est donné comme suit: import numpy as np np.random.seed(1337) # for reproducibility from keras.datasets import mnist from keras.models import Sequential …

10 python neural-network deep-learning keras

1

Transformer les encodeurs automatiques

Je viens de lire l'article de Geoff Hinton sur la transformation des encodeurs automatiques Hinton, Krizhevsky et Wang: Transformer les auto-encodeurs . Dans Artificial Neural Networks and Machine Learning, 2011. et je voudrais bien jouer avec quelque chose comme ça. Mais après l'avoir lu, je n'ai pas pu obtenir suffisamment …

10 neural-network deep-learning autoencoder

2

Quelles sont les différences entre Convolutional1D, Convolutional2D et Convolutional3D?

J'ai appris sur les réseaux de neurones convolutionnels. En regardant des Kerasexemples, je suis tombé sur trois méthodes de convolution différentes. À savoir, 1D, 2D et 3D. Quelles sont les différences entre ces trois couches? Quels sont leurs cas d'utilisation? Existe-t-il des liens ou des références pour montrer leurs cas …

10 machine-learning neural-network deep-learning keras cnn

2

Trier les nombres en utilisant seulement 2 couches cachées

Je suis en train de lire l'article clé Séquence à séquence d'apprentissage avec les réseaux de neurones par Ilya Sutskever et Quoc Le. Sur la première page, il mentionne brièvement que: A surprising example of the power of DNNs is their ability to sort N N-bit numbers using only 2 …

10 deep-learning

4

Pourquoi accélère-t-il la descente du gradient si la fonction est fluide?

Je lis maintenant un livre intitulé "Apprentissage automatique avec Scikit-Learn et TensorFlow" et au chapitre 11, il contient la description suivante de l'explication de ELU (Exponential ReLU). Troisièmement, la fonction est fluide partout, y compris autour de z = 0, ce qui permet d'accélérer la descente de gradient, car elle …

10 deep-learning gradient-descent

1

Pourquoi TensorFlow ne peut pas s'adapter à un modèle linéaire simple si je minimise l'erreur moyenne absolue au lieu de l'erreur quadratique moyenne?

En introduction, je viens de changer loss = tf.reduce_mean(tf.square(y - y_data)) à loss = tf.reduce_mean(tf.abs(y - y_data)) et le modèle est incapable d'apprendre que la perte est devenue plus importante avec le temps. Pourquoi?

10 neural-network deep-learning tensorflow

2

Relu a 0 gradient par définition, alors pourquoi la disparition du gradient n'est pas un problème pour x <0?

Par définition, Relu est max(0,f(x)). Ensuite , son gradient est défini comme suit: 1 if x > 0 and 0 if x < 0. Cela ne signifierait-il pas que le gradient est toujours 0 (disparaît) lorsque x <0? Alors pourquoi dit-on que Relu ne souffre pas du problème de disparition …

10 deep-learning

1

COMMENT FAIRE: Initialisation du poids du réseau neuronal profond

Étant donné la tâche d'apprentissage difficile (par exemple, grande dimensionnalité, complexité inhérente des données), les réseaux neuronaux profonds deviennent difficiles à former. Pour atténuer de nombreux problèmes, on pourrait: Normaliser les données de qualité && choisir un algorithme d'entraînement différent (par exemple RMSprop au lieu de Gradient Descent) choisissez une …

10 machine-learning neural-network deep-learning randomized-algorithms

1

Comment puis-je calculer le terme delta d'une couche convolutionnelle, étant donné les termes delta et les poids de la couche convolutionnelle précédente?

J'essaie de former un réseau neuronal artificiel avec deux couches convolutionnelles (c1, c2) et deux couches cachées (c1, c2). J'utilise l'approche de rétropropagation standard. Dans la passe arrière, je calcule le terme d'erreur d'une couche (delta) en fonction de l'erreur de la couche précédente, des poids de la couche précédente …

10 machine-learning data-mining neural-network deep-learning

2

La normalisation par lots a-t-elle un sens pour une fonction d'activation ReLU?

La normalisation par lots est décrite dans cet article comme une normalisation de l'entrée d'une fonction d'activation avec des variables d'échelle et de décalageγγ\gamma et ββ\beta. Cet article décrit principalement l'utilisation de la fonction d'activation sigmoïde, ce qui est logique. Cependant, il me semble que l'introduction d'une entrée de la …

10 machine-learning neural-network deep-learning batch-normalization

Questions marquées «deep-learning»