Statistiques et Big Data neural-networks

1

Tenseurs dans la littérature sur les réseaux de neurones: quelle est la définition la plus simple qui existe?

Dans la littérature sur les réseaux de neurones, nous rencontrons souvent le mot «tenseur». Est-ce différent d'un vecteur? Et à partir d'une matrice? Avez-vous un exemple précis qui clarifie sa définition? Je suis un peu confus quant à sa définition. Wikipédia n'aide pas et j'ai parfois l'impression que sa définition …

16 neural-networks terminology definition tensor

2

État de l'art en général, apprentissage des données en 69

J'essaie de comprendre le contexte du célèbre livre de Minsky et Papert "Perceptrons" de 1969, si critique pour les réseaux de neurones. Pour autant que je sache, il n'y avait pas encore d'autres algorithmes d'apprentissage supervisé génériques, à l'exception du perceptron: les arbres de décision n'ont commencé à être réellement …

16 classification neural-networks history

3

tanh vs sigmoid dans le réseau neuronal

Je m'excuse à l'avance pour le fait que j'arrive toujours à ce sujet. J'essaie de comprendre les avantages et les inconvénients de l'utilisation de tanh (carte -1 à 1) par rapport à sigmoïde (carte 0 à 1) pour ma fonction d'activation des neurones. D'après ma lecture, cela ressemblait à une …

16 neural-networks

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

2

Quelles sont les alternatives à la dimension VC pour mesurer la complexité des réseaux de neurones?

J'ai rencontré quelques moyens de base pour mesurer la complexité des réseaux de neurones: Naïf et informel: comptez le nombre de neurones, de neurones cachés, de couches ou de couches cachées Dimension VC (Eduardo D. Sontag [1998] "Dimension VC des réseaux de neurones" [ pdf ].) Une mesure de la …

16 neural-networks theory vc-dimension pac-learning

2

Premiers pas avec les réseaux de neurones pour la prévision

J'ai besoin de quelques ressources pour commencer à utiliser les réseaux de neurones pour la prévision des séries chronologiques. Je me méfie de mettre en œuvre du papier et de découvrir ensuite qu'ils ont largement surestimé le potentiel de leurs méthodes. Donc, si vous avez de l'expérience avec les méthodes …

16 time-series neural-networks forecasting references

3

Perceptron multicouche vs réseau de neurones profonds

C'est une question de terminologie. Parfois, je vois des gens se référer aux réseaux de neurones profonds comme des "perceptrons multicouches", pourquoi cela? Un perceptron, m'a-t-on appris, est un classificateur à couche unique (ou régresseur) avec une sortie de seuil binaire utilisant une manière spécifique d'entraîner les poids (et non …

16 neural-networks perceptron

5

Explication de la fonction de perte Yolo

J'essaie de comprendre la fonction de perte de Yolo v2: λc o o r d∑i = 0S2∑j = 0B1o b jje j[ ( xje- x^je)2+ ( yje- y^je)2]+ λc o o r d∑i = 0S2∑j = 0B1o b jje j[ ( wje--√- w^je--√)2+ ( hje--√- h^je--√)2]+ ∑i = 0S2∑j = …

16 neural-networks loss-functions object-detection yolo

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

3

Puis-je utiliser un petit ensemble de validation?

Je comprends le raisonnement derrière la division des données en un ensemble de test et un ensemble de validation. Je comprends également que la taille de la scission dépendra de la situation mais variera généralement de 50/50 à 90/10. J'ai construit un RNN pour corriger l'orthographe et commencer avec un …

15 machine-learning neural-networks validation

2

Bonne précision malgré une valeur de perte élevée

Au cours de la formation d'un classificateur binaire de réseau neuronal simple, j'obtiens une valeur de perte élevée, en utilisant l'entropie croisée. Malgré cela, la valeur de la précision sur l'ensemble de validation est assez bonne. Cela a-t-il un sens? Il n'y a pas de corrélation stricte entre la perte …

15 neural-networks accuracy

4

La précision de la machine augmentant le gradient diminue à mesure que le nombre d'itérations augmente

J'expérimente l'algorithme de la machine de renforcement de gradient via le caretpackage en R. À l'aide d'un petit ensemble de données d'admission à l'université, j'ai exécuté le code suivant: library(caret) ### Load admissions dataset. ### mydata <- read.csv("http://www.ats.ucla.edu/stat/data/binary.csv") ### Create yes/no levels for admission. ### mydata$admit_factor[mydata$admit==0] <- "no" mydata$admit_factor[mydata$admit==1] <- …

15 machine-learning caret boosting gbm hypothesis-testing t-test panel-data psychometrics intraclass-correlation generalized-linear-model categorical-data binomial model intercept causality cross-correlation distributions ranks p-value z-test sign-test time-series references terminology cross-correlation definition probability distributions beta-distribution inverse-gamma missing-data paired-comparisons paired-data clustered-standard-errors cluster-sample time-series arima logistic binary-data odds-ratio medicine hypothesis-testing wilcoxon-mann-whitney unsupervised-learning hierarchical-clustering neural-networks train clustering k-means regression ordinal-data change-scores machine-learning experiment-design roc precision-recall auc stata multilevel-analysis regression fitting nonlinear jmp r data-visualization gam gamm4 r lme4-nlme many-categories regression causality instrumental-variables endogeneity controlling-for-a-variable

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

Text Mining: comment regrouper des textes (par exemple des articles de presse) avec l'intelligence artificielle?

J'ai construit des réseaux de neurones (MLP (entièrement connecté), Elman (récurrent)) pour différentes tâches, comme jouer au Pong, classer les chiffres manuscrits et tout ça ... De plus, j'ai essayé de construire certains premiers réseaux de neurones convolutifs, par exemple pour classer des notes manuscrites à plusieurs chiffres, mais je …

15 clustering neural-networks feature-selection text-mining self-organizing-maps

Questions marquées «neural-networks»