Statistiques et Big Data neural-networks

3

Pourquoi se propager dans le temps dans un RNN?

Dans un réseau de neurones récurrent, vous propagez généralement la propagation en plusieurs étapes, "déroulez" le réseau, puis la propagation en arrière sur la séquence d'entrées. Pourquoi ne mettez-vous pas simplement à jour les poids après chaque étape individuelle de la séquence? (l'équivalent de l'utilisation d'une longueur de troncature de …

14 time-series neural-networks backpropagation rnn

3

Algorithme d'apprentissage d'ensemble de pointe dans les tâches de reconnaissance de formes?

La structure de cette question est la suivante: dans un premier temps, je donne le concept d' apprentissage d'ensemble , ensuite je donne une liste de tâches de reconnaissance de formes , puis je donne des exemples d'algorithmes d'apprentissage d'ensemble et, enfin, j'introduis ma question. Ceux qui n'ont pas besoin …

14 machine-learning neural-networks pattern-recognition ensemble ocr

1

Combien d'exemples de formation est trop peu lors de la formation d'un réseau neuronal?

Je suis un débutant essayant de monter mon premier projet. J'avais un projet de classification des chansons à l'esprit, mais comme je l'étiqueterais manuellement, je ne pouvais raisonnablement rassembler qu'environ 1000 chansons, soit 60 heures de musique. Je classerais avec plusieurs classes, il est donc possible qu'une classe ait aussi …

14 neural-networks

3

Réseaux de neurones profonds - Juste pour la classification des images?

Tous les exemples que j'ai trouvés en utilisant des réseaux de neurones de croyance profonde ou convolutionnels les utilisent pour la classification d'images, la détection de chatacter ou la reconnaissance vocale. Les réseaux de neurones profonds sont-ils également utiles pour les tâches de régression classiques, où les caractéristiques ne sont …

14 regression machine-learning neural-networks deep-learning

1

Y a-t-il une différence entre la formation d'un autoencodeur empilé et un réseau neuronal à 2 couches?

Disons que j'écris un algorithme pour construire un autoencodeur empilé à 2 couches et un réseau neuronal à 2 couches. S'agit-il des mêmes choses ou de la même différence? Ce que je comprends, c'est que lorsque je crée un encodeur automatique empilé, je crée couche par couche. Pour le réseau …

14 neural-networks deep-learning autoencoders

2

Questions sur Q-Learning à l'aide de réseaux de neurones

J'ai implémenté Q-Learning comme décrit dans, http://web.cs.swarthmore.edu/~meeden/cs81/s12/papers/MarkStevePaper.pdf Afin d'env. Q (S, A) J'utilise une structure de réseau neuronal comme la suivante, Sigmoïde d'activation Entrées, nombre d'entrées + 1 pour les neurones d'action (toutes les entrées mises à l'échelle 0-1) Sorties, sortie unique. Q-Value N nombre de M couches cachées. Méthode …

14 machine-learning neural-networks reinforcement-learning

3

Choix de la fonction d'activation cachée du réseau neuronal

J'ai lu ailleurs que le choix d'une fonction d'activation de couche cachée dans un NN devrait être basé sur ses besoins , c'est-à-dire que si vous avez besoin de valeurs dans la plage -1 à 1, utilisez tanh et utilisez sigmoid pour la plage 0 à 1. Ma question est …

14 machine-learning classification neural-networks

1

Comment gérer un mélange d'entrées binaires et continues dans les réseaux de neurones?

J'utilise le package nnet dans R pour tenter de construire un ANN pour prédire les prix immobiliers des condos (projet personnel). Je suis nouveau dans ce domaine et je n'ai pas de formation en mathématiques, alors s'il vous plaît, mettez-moi à nu. J'ai des variables d'entrée qui sont à la …

14 r machine-learning data-transformation neural-networks nnet

3

Apprentissage des poids dans une machine Boltzmann

J'essaie de comprendre comment fonctionnent les machines Boltzmann, mais je ne sais pas trop comment les poids sont appris et je n'ai pas pu trouver de description claire. Est-ce que ce qui suit est correct? (En outre, des pointeurs vers de bonnes explications de la machine Boltzmann seraient également excellents.) …

14 neural-networks

1

Caret glmnet vs cv.glmnet

Il semble y avoir beaucoup de confusion dans la comparaison de l'utilisation à l' glmnetintérieur caretpour rechercher un lambda optimal et à utiliser cv.glmnetpour faire la même tâche. De nombreuses questions ont été posées, par exemple: Modèle de classification train.glmnet vs cv.glmnet? Quelle est la bonne façon d'utiliser glmnet avec …

14 r caret glmnet machine-learning neural-networks maximum softmax probability distributions mathematical-statistics random-variable cdf statistical-significance variance expected-value ratio sample-size reliability tolerance-interval wilcoxon-signed-rank self-study variance sampling mean machine-learning svm libsvm self-study sampling ranks data-visualization histogram machine-learning classification normal-distribution mathematical-statistics maximum-likelihood mixture predictive-models prediction seasonality

8

Former un réseau neuronal pour distinguer les nombres pairs et impairs

Question: est-il possible de former un NN pour distinguer entre les nombres pairs et impairs en utilisant uniquement comme entrée les nombres eux-mêmes? J'ai le jeu de données suivant: Number Target 1 0 2 1 3 0 4 1 5 0 6 1 ... ... 99 0 100 1 J'ai …

14 machine-learning classification categorical-data neural-networks genetic-algorithms

2

Que signifie «invariant par permutation» dans le contexte des réseaux de neurones effectuant la reconnaissance d'images?

J'ai vu une version «invariante par permutation» de la tâche de reconnaissance des chiffres du MNIST. Qu'est-ce que ça veut dire?

14 machine-learning neural-networks terminology conv-neural-network definition

1

Analyse de sensibilité dans les réseaux de neurones profonds

Suite à une question à laquelle on a déjà répondu ( Extraire l'importance du poids à partir d'un réseau à action directe à une couche ), je recherche des informations sur la pertinence des entrées dans les réseaux de neurones. Considérant un réseau profond, où la reconstruction de l'importance de …

14 neural-networks python feature-selection sensitivity-analysis

3

Réseau de neurones - entrée binaire vs entrée discrète / continue

Y a-t-il de bonnes raisons de préférer les valeurs binaires (0/1) aux valeurs normalisées discrètes ou continues , par exemple (1; 3), comme entrées pour un réseau à action directe pour tous les nœuds d'entrée (avec ou sans rétropropagation)? Bien sûr, je ne parle que des entrées qui pourraient être …

14 neural-networks

4

Pas de terme de régularisation pour l'unité de biais dans le réseau neuronal

Selon ce tutoriel sur l'apprentissage en profondeur , la décroissance du poids (régularisation) n'est généralement pas appliquée aux termes de biais b pourquoi? Quelle est la signification (l'intuition) derrière cela?

14 machine-learning neural-networks bias regularization

Questions marquées «neural-networks»