Para perguntas sobre redes artificiais, como redes MLPs, CNNs, RNNs, LSTM e GRU, suas variantes ou quaisquer outros componentes do sistema de IA que se qualifiquem como redes neurais, pois são, em parte, inspirados por redes neurais biológicas.
Os cientistas ou especialistas em pesquisa sabem da cozinha o que está acontecendo dentro de uma rede neural "profunda" complexa, com pelo menos milhões de conexões disparando em um instante? Eles entendem o processo por trás disso (por exemplo, o que está acontecendo por dentro e como funciona...
A página / estudo a seguir demonstra que as redes neurais profundas são facilmente enganadas, fornecendo previsões de alta confiança para imagens irreconhecíveis, por exemplo, Como isso é possível? Você pode, por favor, explicar idealmente em inglês
Até onde eu sei, as redes neurais têm um número fixo de neurônios na camada de entrada. Se redes neurais são usadas em um contexto como PNL, frases ou blocos de texto de tamanhos variados são alimentados para uma rede. Como o tamanho da entrada variável é reconciliado com o tamanho fixo da camada...
Imagine que você mostre a uma rede neural a imagem de um leão 100 vezes e rotule com "perigoso", para descobrir que os leões são perigosos. Agora imagine que anteriormente você mostrou milhões de imagens de leões e o rotulou como "perigoso" e "não perigoso", de tal forma que a probabilidade de um...
Geoffrey Hinton está pesquisando algo que ele chama de "teoria das cápsulas" em redes neurais. O que é isso e como
Já ouvi antes de cientistas da computação e de pesquisadores da área de IA que o Lisp é uma boa linguagem para pesquisa e desenvolvimento em inteligência artificial. Isso ainda se aplica, com a proliferação de redes neurais e aprendizado profundo? Qual foi o raciocínio deles para isso? Em quais...
Estou tentando encontrar algumas pesquisas existentes sobre como selecionar o número de camadas ocultas e o tamanho delas de uma RNN baseada em LSTM. Existe um artigo em que esse problema está sendo investigado, ou seja, quantas células de memória se deve usar? Suponho que depende totalmente da...
Meu entendimento é que a camada convolucional de uma rede neural convolucional tem quatro dimensões: input_channels, filter_height, filter_width, number_of_filters. Além disso, entendo que cada novo filtro é complicado por TODOS os canais de entrada (ou mapas de recursos / ativação da camada...
O artigo As limitações do aprendizado profundo em configurações adversas explora como as redes neurais podem ser corrompidas por um invasor que pode manipular o conjunto de dados com o qual a rede neural treina. Os autores experimentam uma rede neural destinada a ler dígitos manuscritos,...
Como uma rede neural que tem o adjetivo "profundo" realmente se distingue de outras redes
Estou ciente de que as redes neurais provavelmente não são projetadas para fazer isso, por mais que se questione hipoteticamente, é possível treinar a rede neural profunda (ou similar) para resolver equações matemáticas? Assim, considerando as 3 entradas: 1º número, sinal do operador representado...
Gostaria de treinar uma rede neural em que as classes de saída não sejam (todas) definidas desde o início. Mais e mais classes serão introduzidas posteriormente com base nos dados recebidos. Isso significa que, toda vez que eu apresentar uma nova aula, eu precisarei treinar novamente o NN. Como...
Não estou procurando uma maneira eficiente de encontrar números primos (o que obviamente é um problema resolvido ). Esta é mais uma pergunta "e se". Então, em teoria: você poderia treinar uma rede neural para prever se um determinado número n é ou não composto ou primo? Como essa rede seria...
Uma Rede Neural Convolucional pode ser usada para reconhecimento de padrões em um domínio problemático em que não há imagens pré-existentes, digamos, representando dados abstratos graficamente? Isso sempre seria menos eficiente? Esse desenvolvedor diz que o desenvolvimento atual pode ir além, mas...
Suponha que tenhamos um grande número de provas no cálculo de predicado de primeira ordem. Suponhamos que também tenhamos axiomas, corolários e teoremas nessa área da matemática dessa forma. Considere cada proposição que foi provada e o corpo da teoria existente em torno dessa proposição...
Estruturas como PyTorch e TensorFlow através do TensorFlow Fold suportam gráficos computacionais dinâmicos e estão recebendo atenção de cientistas de dados. No entanto, parece haver uma falta de recursos para ajudar no entendimento de Gráficos Computacionais Dinâmicos. A vantagem dos gráficos...
Eu já vi esses termos lançados em torno deste site, especificamente nas tags convolutional-neural-networks e neural-networks . Eu sei que uma rede neural é um sistema baseado livremente no cérebro humano. Mas qual é a diferença entre uma Rede Neural Convolucional e uma Rede Neural regular? Um é...
Da Wikipedia: Um neurônio espelho é um neurônio que dispara quando um animal age e quando o animal observa a mesma ação executada por outro. Os neurônios-espelho estão relacionados à imitação de aprendizado, um recurso muito útil que está ausente nas implementações atuais de IA do mundo real....
Estou lutando para entender a função de perda de GAN, conforme fornecido em Noções básicas sobre redes adversas generativas (uma postagem de blog escrita por Daniel Seita). Na perda padrão de entropia cruzada, temos uma saída que foi executada através de uma função sigmóide e uma classificação...
Diz-se que as funções de ativação em redes neurais ajudam a introduzir a não linearidade . O que isto significa? O que não linearidade significa nesse contexto? Como a introdução dessa não linearidade ajuda? Existem outros propósitos de funções de ativação