Statistiques et Big Data deep-learning

4

Comment expliquer la régularisation du décrochage en termes simples?

Si vous avez une demi-page pour expliquer l' abandon , comment procéderiez-vous? Quelle est la raison d'être de cette technique?

17 neural-networks deep-learning regularization dropout

4

Est-il possible de donner des images de taille variable comme entrée à un réseau neuronal convolutif?

Peut-on donner des images de taille variable en entrée à un réseau neuronal convolutif pour la détection d'objets? Si possible, comment pouvons-nous faire cela? Mais si nous essayons de recadrer l'image, nous perdrons une partie de l'image et si nous essayons de redimensionner, alors, la clarté de l'image sera perdue. …

17 deep-learning tensorflow keras computer-vision object-detection

2

Cas d'utilisation modernes de machines Boltzmann restreintes (RBM)?

Contexte: Une grande partie de la recherche moderne au cours des 4 dernières années (post alexnet ) semble s'être éloignée de l'utilisation de la formation préalable générative pour les réseaux de neurones afin d'obtenir des résultats de classification de pointe. Par exemple, les meilleurs résultats pour mnist ici incluent seulement …

16 references deep-learning rbm generative-models

1

nombre de cartes d'entités dans les réseaux de neurones convolutifs

Lors de l'apprentissage du réseau neuronal convolutionnel, j'ai des questions concernant la figure suivante. 1) C1 dans la couche 1 a 6 cartes de caractéristiques, cela signifie-t-il qu'il y a six noyaux convolutionnels? Chaque noyau convolutionnel est utilisé pour générer une carte d'entités basée sur l'entrée. 2) S1 dans la …

16 machine-learning neural-networks deep-learning pattern-recognition conv-neural-network

3

Que fait l'étape de convolution dans un réseau neuronal convolutionnel?

J'étudie les réseaux de neurones convolutifs (CNN) en raison de leurs applications en vision par ordinateur. Je connais déjà les réseaux de neurones standard à alimentation, donc j'espère que certaines personnes ici peuvent m'aider à faire un pas de plus dans la compréhension des CNN. Voici ce que je pense …

16 neural-networks deep-learning conv-neural-network convolution

1

Quelle est l'importance du nombre de filtres de convolution dans un réseau convolutionnel?

Que transmet le nombre de filtres dans une couche de convolution? Comment ce nombre affecte-t-il les performances ou la qualité de l'architecture? Je veux dire, devrions-nous toujours opter pour un plus grand nombre de filtres? qu'est-ce qu'ils ont de bon? et comment les gens attribuent-ils un nombre différent de filtres …

16 deep-learning conv-neural-network

2

Explication des pics de perte d'entraînement par rapport aux itérations avec Adam Optimizer

J'entraîne un réseau de neurones en utilisant i) SGD et ii) Adam Optimizer. Lorsque j'utilise un SGD normal, j'obtiens une courbe de perte d'entraînement en fonction de l'itération comme indiqué ci-dessous (la rouge). Cependant, lorsque j'ai utilisé Adam Optimizer, la courbe de perte d'entraînement présente des pointes. Quelle est l'explication …

16 neural-networks deep-learning adam

1

Quelle est la longueur de séquence possible pour un RNN à modéliser?

Je cherche à utiliser une version LSTM ( mémoire à court terme à long terme ) d'un réseau neuronal récurrent (RNN) pour modéliser les données de la série temporelle. À mesure que la longueur de séquence des données augmente, la complexité du réseau augmente. Je suis donc curieux de savoir …

15 neural-networks deep-learning lstm

4

Qu'est-ce * qu'un * réseau de neurones artificiels?

Au fur et à mesure que nous explorons la littérature sur les réseaux de neurones , nous arrivons à identifier d'autres méthodes avec des topologies neuromorphiques (architectures de type "réseau de neurones"). Et je ne parle pas du théorème de l'approximation universelle . Des exemples sont donnés ci-dessous. Ensuite, cela …

15 machine-learning neural-networks deep-learning unsupervised-learning supervised-learning

2

Réseaux de neurones vs tout le reste

Je n'ai pas trouvé de réponse satisfaisante à cela de Google . Bien sûr, si les données dont je dispose sont de l'ordre de millions, l'apprentissage en profondeur est la solution. Et j'ai lu que lorsque je n'ai pas de données volumineuses, il est peut-être préférable d'utiliser d'autres méthodes d'apprentissage …

15 regression machine-learning classification neural-networks deep-learning

2

Pourquoi cette prédiction des séries chronologiques est-elle «assez mauvaise»?

J'essaie d'apprendre à utiliser les réseaux de neurones. Je lisais ce tutoriel . Après avoir ajusté un réseau neuronal sur une série chronologique en utilisant la valeur en pour prédire la valeur en t + 1, l'auteur obtient le graphique suivant, où la ligne bleue est la série chronologique, le …

15 time-series neural-networks predictive-models deep-learning prediction

3

Nombre minimum de couches dans un réseau neuronal profond

À quel moment commençons-nous à classer les réseaux de neurones multicouches en tant que réseaux de neurones profonds ou à le dire autrement «Quel est le nombre minimum de couches dans un réseau neuronal profond?

15 machine-learning neural-networks deep-learning terminology

1

Comment CNN évite-t-il le problème du gradient de fuite

J'ai beaucoup lu sur les réseaux de neurones convoloutionnels et je me demandais comment ils évitaient le problème du gradient de fuite. Je sais que les réseaux de croyances profondes empilent des auto-encodeurs à un seul niveau ou d'autres réseaux peu profonds pré-formés et peuvent donc éviter ce problème, mais …

15 machine-learning optimization deep-learning gradient-descent

4

De combien de données avez-vous besoin pour un réseau neuronal convolutionnel?

Si j'ai un réseau neuronal convolutif (CNN), qui a environ 1 000 000 de paramètres, combien de données d'entraînement sont nécessaires (supposons que je fais une descente de gradient stochastique)? Y a-t-il une règle d'or? Notes supplémentaires: Lorsque j'ai effectué une descente de gradient stochastique (par exemple, 64 patchs pour …

15 machine-learning neural-networks deep-learning conv-neural-network

2

Qu'est-ce que l'erreur Bayes dans l'apprentissage automatique?

http://www.deeplearningbook.org/contents/ml.html La page 116 explique l'erreur bayes comme ci-dessous Le modèle idéal est un oracle qui connaît simplement la vraie distribution de probabilité qui génère les données. Même un tel modèle entraînera toujours une erreur sur de nombreux problèmes, car il peut y avoir encore du bruit dans la distribution. …

15 machine-learning deep-learning terminology

Questions marquées «deep-learning»