Statistiques et Big Data neural-networks

3

Nombre de paramètres dans un réseau neuronal artificiel pour AIC

Comment puis-je calculer le nombre de paramètres dans un réseau neuronal artificiel afin de calculer son AIC?

11 neural-networks aic

3

Un réseau de neurones peut-il apprendre une fonctionnelle et sa dérivée fonctionnelle?

Je comprends que les réseaux de neurones (NN) peuvent être considérés comme des approximateurs universels des deux fonctions et de leurs dérivés, sous certaines hypothèses (à la fois sur le réseau et sur la fonction à approximer). En fait, j'ai fait un certain nombre de tests sur des fonctions simples …

11 machine-learning neural-networks function derivative

1

Puis-je utiliser ReLU dans l'encodeur automatique comme fonction d'activation?

Lors de la mise en œuvre d'un autoencodeur avec réseau de neurones, la plupart des gens utiliseront sigmoïde comme fonction d'activation. Pouvons-nous utiliser ReLU à la place? (Étant donné que ReLU n'a pas de limite sur la limite supérieure, ce qui signifie essentiellement que l'image d'entrée peut avoir un pixel …

11 machine-learning neural-networks deep-learning autoencoders

2

Question sur Continuous Bag of Words

J'ai du mal à comprendre cette phrase: La première architecture proposée est similaire à la NNLM à action directe, où la couche cachée non linéaire est supprimée et la couche de projection est partagée pour tous les mots (pas seulement la matrice de projection); ainsi, tous les mots sont projetés …

11 machine-learning neural-networks natural-language word-embeddings language-models

1

Formation d'un réseau de neurones à convolution

Je travaille actuellement sur un logiciel de reconnaissance faciale qui utilise des réseaux de neurones à convolution pour reconnaître les visages. Sur la base de mes lectures, je me suis rendu compte qu'un réseau de neurones convolutionnels a partagé des poids, afin de gagner du temps pendant l'entraînement. Mais comment …

11 machine-learning neural-networks computer-vision backpropagation conv-neural-network

2

Tracé des limites de décision pour un perceptron

J'essaie de tracer la frontière de décision d'un algorithme perceptron et je suis vraiment confus à propos de quelques choses. Mes instances d'entrée sont sous la forme , essentiellement une instance d'entrée 2D ( et ) et une valeur cible de classe binaire ( ) [1 ou 0].[(x1,x2),y][(x1,x2),y][(x_{1},x_{2}), y]x1x1x_{1}x2x2x_{2}yyy Mon …

11 machine-learning neural-networks python decision-theory perceptron

2

Calcul de la dimension VC d'un réseau de neurones

Si j'ai une topologie fixe non récurrente (DAG) (ensemble fixe de nœuds et de bords, mais l'algorithme d'apprentissage peut faire varier le poids sur les bords) de neurones sigmoïdes avec neurones d'entrée qui ne peuvent prendre que des chaînes dans en entrée et conduit à une sortie (qui génère une …

11 machine-learning neural-networks algorithms vc-dimension

2

Comment puis-je améliorer la stabilité de mon réseau neuronal?

J'utilise le neuralnet en R pour construire un NN avec 14 entrées et une sortie. Je construis / forme le réseau plusieurs fois en utilisant les mêmes données de formation d'entrée et la même architecture / paramètres de réseau. Une fois que chaque réseau est produit, je l'utilise sur un …

11 r machine-learning neural-networks

4

Pourquoi ne pas simplement apprendre les hyper paramètres?

J'implémentais un article assez populaire " EXPLIQUER ET EXPLIQUER DES EXEMPLES ADVERSAIRES " et dans le document, il forme une fonction objective contradictoire J '' (θ) = αJ (θ) + (1 - α) J '(θ). Il traite α comme un hyperparamètre. α peut être 0,1, 0,2, 0,3, etc. Indépendamment de …

11 machine-learning neural-networks deep-learning hyperparameter

2

Plusieurs filtres dans une couche convolutionnelle n'apprendraient-ils pas le même paramètre pendant l'entraînement?

D'après ce que j'ai appris, nous utilisons plusieurs filtres dans une couche Conv d'un CNN pour apprendre différents détecteurs de fonctionnalités. Mais puisque ces filtres sont appliqués de la même manière (c'est-à-dire glissés et multipliés aux régions de l'entrée), n'apprendraient-ils pas simplement les mêmes paramètres pendant l'entraînement? Par conséquent, l'utilisation …

11 neural-networks conv-neural-network convolution filter

3

CIFAR-10 Impossible d'obtenir une précision supérieure à 60%, Keras avec le backend Tensorflow [fermé]

Fermé. Cette question est hors sujet . Il n'accepte pas actuellement les réponses. Vous souhaitez améliorer cette question? Mettez à jour la question afin qu'elle soit sur le sujet pour la validation croisée. Fermé l'année dernière . La formation après 15 époques sur l'ensemble de données CIFAR-10 semble faire en …

11 neural-networks conv-neural-network keras

1

L'analyse des composants principaux élimine le bruit dans les données

L'analyse en composantes principales (ACP) élimine-t-elle le bruit dans l'ensemble de données? Si l'ACP n'élimine pas le bruit dans l'ensemble de données, que fait réellement l'ACP à l'ensemble de données? Quelqu'un peut-il m'aider à ce sujet.

11 machine-learning neural-networks pca noise

2

Un réseau neuronal convolutif peut-il prendre comme images d'entrée de différentes tailles?

Je travaille sur un réseau de convolution pour la reconnaissance d'image, et je me demandais si je pouvais entrer des images de différentes tailles (pas très différentes cependant). Sur ce projet: https://github.com/harvardnlp/im2markup Ils disent: and group images of similar sizes to facilitate batching Ainsi, même après le prétraitement, les images …

10 neural-networks conv-neural-network computer-vision

4

différence entre réseau neuronal et apprentissage en profondeur

En termes de différence entre réseau neuronal et apprentissage en profondeur, nous pouvons énumérer plusieurs éléments, tels que davantage de couches sont incluses, un ensemble de données massif, un matériel informatique puissant pour rendre possible la formation d'un modèle compliqué. En plus de cela, y a-t-il une explication plus détaillée …

10 machine-learning neural-networks deep-learning conv-neural-network deep-belief-networks

1

Relation entre le taux d'apprentissage et le nombre de couches cachées?

Existe-t-il une règle empirique entre la profondeur d'un réseau neuronal et le taux d'apprentissage? J'ai remarqué que plus le réseau est profond, plus le taux d'apprentissage doit être faible. Si c'est exact, pourquoi?

10 neural-networks deep-learning hyperparameter rule-of-thumb

Questions marquées «neural-networks»