Statistiques et Big Data neural-networks

2

Les modèles graphiques et les machines Boltzmann sont-ils liés mathématiquement?

Bien que j'aie fait de la programmation avec des machines Boltzmann dans un cours de physique, je ne connais pas leur caractérisation théorique. En revanche, j'en connais un peu sur la théorie des modèles graphiques (sur les premiers chapitres du livre de Lauritzen Graphical Models ). Question: Existe - t-il …

10 machine-learning neural-networks mathematical-statistics graphical-model rbm

3

Est-il possible de former un réseau neuronal pour dessiner l'image dans un certain style?

Est-il possible de former un réseau neuronal pour dessiner l'image dans un certain style? (Il prend donc une image et la redessine dans un style pour lequel elle a été formée.) Existe-t-il une technologie approuvée pour ce genre de chose? Je connais l'algorithme DeepArt. Il est bon de remplir l'image …

10 machine-learning neural-networks deep-learning

1

Les réseaux de neurones mettent-ils généralement un certain temps à se mettre en marche pendant l'entraînement?

J'essaie de former un réseau neuronal profond pour la classification, en utilisant la propagation arrière. Plus précisément, j'utilise un réseau de neurones convolutifs pour la classification d'images, en utilisant la bibliothèque Tensor Flow. Pendant l'entraînement, je ressens un comportement étrange et je me demande simplement si cela est typique ou …

10 machine-learning classification neural-networks conv-neural-network tensorflow

1

NeuralNetwork monocouche avec activation ReLU égale à SVM?

Supposons que j'ai un réseau neuronal simple couche, avec n entrées et une seule sortie (tâche de classification binaire). Si je définis la fonction d'activation dans le nœud de sortie comme une fonction sigmoïde, le résultat est un classificateur de régression logistique. Dans ce même scénario, si je change l'activation …

10 neural-networks svm

1

Comment amorcer un perceptron simple?

Les problèmes de classification avec des limites non linéaires ne peuvent pas être résolus par un simple perceptron . Le code R suivant est à des fins d'illustration et est basé sur cet exemple en Python): nonlin <- function(x, deriv = F) { if (deriv) x*(1-x) else 1/(1+exp(-x)) } X …

10 r neural-networks svm kernel-trick perceptron

2

Fonction de coût d'entropie croisée dans un réseau de neurones

Je regarde la fonction de coût d'entropie croisée trouvée dans ce tutoriel : C= - 1n∑X[ ylna + ( 1 - y) ln( 1 - a ) ]C=−1n∑x[yln⁡a+(1−y)ln⁡(1−a)]C = -\frac{1}{n} \sum_x [y \ln a+(1−y)\ln(1−a)] Que résumons-nous exactement? C'est, bien sûr, sur Xxx , mais yyy et uneaa ne changent pas …

10 neural-networks error-propagation

2

Comment former un SVM via la rétropropagation?

Je me demandais s'il était possible de former un SVM (par exemple linéaire, pour faciliter les choses) en utilisant la rétropropagation? Actuellement, je suis à un barrage routier, car je ne peux penser qu'à écrire la sortie du classificateur comme F( x ; θ , b ) = sgn ( …

10 machine-learning neural-networks svm gradient-descent backpropagation

2

Qu'est-ce que la pré-formation et comment pré-former un réseau neuronal?

Je comprends que la formation préalable est utilisée pour éviter certains des problèmes liés à la formation conventionnelle. Si j'utilise la rétropropagation avec, par exemple un encodeur automatique, je sais que je vais rencontrer des problèmes de temps car la rétropropagation est lente, et aussi que je peux rester coincé …

10 machine-learning neural-networks backpropagation rbm pre-training

1

Comment déterminer le nombre d'opérateurs convolutifs dans CNN?

Dans les tâches de vision par ordinateur, telles que la classification d'objets, avec les réseaux de neurones convolutionnels (CNN), le réseau offre une performance attrayante. Mais je ne sais pas comment configurer les paramètres dans les couches convolutives. Par exemple, une image en niveaux de gris ( 480x480), la première …

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

4

Prévision de séries chronologiques R avec réseau de neurones, auto.arima et ets

J'ai un peu entendu parler de l'utilisation des réseaux de neurones pour prévoir les séries chronologiques. Comment puis-je comparer la meilleure méthode de prévision de mes séries chronologiques (données quotidiennes sur la vente au détail): auto.arima (x), ets (x) ou nnetar (x). Je peux comparer auto.arima avec ets par AIC …

10 r neural-networks forecasting arima exponential-smoothing

1

Comparaison de la CPH, du modèle de temps de défaillance accéléré ou des réseaux de neurones pour l'analyse de survie

Je suis nouveau dans l'analyse de survie et j'ai récemment appris qu'il existe différentes façons de le faire en fonction d'un certain objectif. Je suis intéressé par la mise en œuvre réelle et la pertinence de ces méthodes. On m'a présenté les traditionnels risques proportionnels de Cox , les modèles …

10 r machine-learning survival neural-networks cox-model

4

Convergence des poids des réseaux de neurones

J'en suis arrivé à une situation où les poids de mon réseau neuronal ne convergent pas même après 500 itérations. Mon réseau de neurones contient 1 couche d'entrée, 1 couche cachée et 1 couche de sortie. Ils sont environ 230 nœuds dans la couche d'entrée, 9 nœuds dans la couche …

10 machine-learning neural-networks

2

Valeur attendue d'une variable aléatoire gaussienne transformée avec une fonction logistique

La fonction logistique et l'écart type sont généralement notés . J'utiliserai et pour l'écart-type.σ ( x ) = 1 / ( 1 + exp ( - x ) ) sσσ\sigmaσ(x)=1/(1+exp(−x))σ(x)=1/(1+exp⁡(−x))\sigma(x) = 1/(1+\exp(-x))sss J'ai un neurone logistique avec une entrée aléatoire dont la moyenne et écart - type je sais. J'espère …

10 distributions normal-distribution neural-networks mathematical-statistics expected-value

2

But du bruit de Dirichlet dans le papier AlphaZero

Dans les articles AlphaGo Zero et AlphaZero de DeepMind , ils décrivent l'ajout de bruit de Dirichlet aux probabilités antérieures d'actions du nœud racine (état de la carte) dans Monte Carlo Tree Search: Une exploration supplémentaire est obtenue en ajoutant du bruit de Dirichlet aux probabilités antérieures dans le nœud …

10 machine-learning neural-networks dirichlet-distribution

3

Les hyperplans classent de manière optimale les données lorsque les entrées sont indépendantes conditionnellement - Pourquoi?

Dans l'article intitulé Deep Learning and the Information Bottleneck Principle, les auteurs déclarent dans la section II A) ce qui suit: Les neurones simples ne classent que les entrées séparables linéairement, car ils ne peuvent implémenter que des hyperplans dans leur espace d'entrée . Les hyperplans peuvent classer de manière …

10 bayesian neural-networks information-theory

Questions marquées «neural-networks»