Science des données neural-network

2

Régression de paramétrage de l'angle de rotation

Disons que j'ai une image descendante d'une flèche et que je veux prédire l'angle de cette flèche. Ce serait entre et degrés, ou entre et . Le problème est que cette cible est circulaire, et degrés sont exactement les mêmes, ce qui est une invariance que j'aimerais incorporer dans ma …

15 neural-network deep-learning loss-function parameter-estimation

3

Comment ajouter une nouvelle catégorie à un modèle d'apprentissage en profondeur?

Supposons que j'ai effectué un transfert d'apprentissage sur un réseau pré-formé pour reconnaître 10 objets. Comment ajouter un 11ème élément que le réseau peut classer sans perdre les 10 catégories que j'ai déjà formées ni les informations du modèle pré-formé d'origine? Un ami m'a dit que des recherches actives sont …

15 neural-network deep-learning

1

Différence des fonctions d'activation dans les réseaux de neurones en général

J'ai étudié les types de fonctions d'activation pour les réseaux de neurones. Les fonctions elles-mêmes sont assez simples, mais la différence d'application n'est pas entièrement claire. Il est raisonnable de différencier les fonctions de type logique et linéaire, en fonction de la sortie binaire / continue souhaitée, mais quel est …

15 neural-network activation-function

3

Quelle est la différence entre les RNN de génération de texte à base de mots et à base de caractères?

En lisant sur la génération de texte avec les réseaux de neurones récurrents, j'ai remarqué que certains exemples ont été mis en œuvre pour générer du texte mot par mot et d'autres caractère par caractère sans vraiment expliquer pourquoi. Alors, quelle est la différence entre les modèles RNN qui prédisent …

15 machine-learning neural-network nlp rnn

2

Pourquoi les fonctions d'activation doivent-elles être monotones?

Je prépare actuellement un examen sur les réseaux de neurones. Dans plusieurs protocoles d'examens précédents, j'ai lu que les fonctions d'activation des neurones (dans les perceptrons multicouches) doivent être monotones. Je comprends que les fonctions d'activation doivent être différenciables, avoir une dérivée qui n'est pas nulle sur la plupart des …

15 machine-learning neural-network

4

Comment mettre à l'échelle un tableau d'entiers signés de 0 à 1?

J'utilise Brain pour former un réseau neuronal sur un ensemble de fonctionnalités qui comprend des valeurs positives et négatives. Mais Brain nécessite des valeurs d'entrée comprises entre 0 et 1. Quelle est la meilleure façon de normaliser mes données?

15 machine-learning neural-network feature-scaling normalization javascript

1

Comment ajouter des fonctionnalités sans image le long des images latérales en tant qu'entrée des CNN

J'entraîne un réseau neuronal convolutionnel pour classer les images sur les conditions de brouillard (3 classes). Cependant, pour chacune des 150 000 images environ, j'ai également quatre variables météorologiques disponibles qui pourraient aider à prévoir les classes d'images. Je me demandais comment je pourrais ajouter les variables météorologiques (par exemple …

14 machine-learning neural-network deep-learning tensorflow cnn

1

Rétropropagation à travers les couches de regroupement maximales

J'ai une petite sous-question à cette question . Je comprends que lors d'une rétropropagation à travers une couche de mise en commun maximale, le gradient est réacheminé de manière à ce que le neurone de la couche précédente qui a été sélectionné comme max reçoive tout le gradient. Ce dont …

14 machine-learning neural-network convnet backpropagation

3

Avantages d'empiler des LSTM?

Je me demande dans quelles situations il est avantageux d'empiler des LSTM?

14 machine-learning neural-network deep-learning lstm

3

Pourquoi alambiquer si Max Pooling va juste sous-échantillonner l'image de toute façon?

L'idée d'appliquer des filtres pour faire quelque chose comme identifier les bords, est une idée plutôt cool. Par exemple, vous pouvez prendre une image d'un 7. Avec certains filtres, vous pouvez vous retrouver avec des images transformées qui mettent en valeur différentes caractéristiques de l'image d'origine. L'original 7: peut être …

14 neural-network

3

Que signifie la sortie de la fonction model.predict de Keras?

J'ai construit un modèle LSTM pour prédire les questions en double sur le jeu de données officiel Quora. Les étiquettes de test sont 0 ou 1. 1 indique que la paire de questions est en double. Après avoir construit le modèle à l'aide model.fit, je teste le modèle à l'aide …

14 machine-learning python neural-network keras lstm

2

Pourquoi les algorithmes génétiques ne sont-ils pas utilisés pour optimiser les réseaux de neurones?

D'après ma compréhension, les algorithmes génétiques sont de puissants outils d'optimisation multi-objectifs. En outre, la formation des réseaux de neurones (en particulier les réseaux profonds) est difficile et pose de nombreux problèmes (fonctions de coût non convexes - minima locaux, gradients disparaissant et explosant, etc.). Je suis également convaincu que …

13 neural-network optimization genetic-algorithms

4

Gradient Descent est-il au centre de chaque optimiseur?

Je veux savoir si la descente en gradient est le principal algorithme utilisé dans les optimiseurs comme Adam, Adagrad, RMSProp et plusieurs autres optimiseurs.

13 machine-learning neural-network deep-learning optimization gradient-descent

2

Pourquoi ne pas toujours utiliser la technique d'optimisation ADAM?

Il semble que l' optimiseur d' Adaptive Moment Estimation (Adam) fonctionne presque toujours mieux (plus rapidement et de manière plus fiable pour atteindre un minimum global) lors de la minimisation de la fonction de coût dans la formation des réseaux neuronaux. Pourquoi ne pas toujours utiliser Adam? Pourquoi s'embêter à …

13 neural-network optimization

2

Visualisation de la formation du réseau neuronal profond

J'essaie de trouver un équivalent de diagrammes de Hinton pour les réseaux multicouches pour tracer les poids pendant l'entraînement. Le réseau formé est quelque peu similaire à un SRN profond, c'est-à-dire qu'il a un grand nombre de matrices de poids multiples, ce qui rendrait l'intrigue simultanée de plusieurs diagrammes de …

13 machine-learning neural-network visualization deep-learning

Questions marquées «neural-network»