Estou tentando detectar um logotipo de canal de TV dentro de um arquivo de vídeo. Portanto, basta inserir um .mp4vídeo de entrada , detectar se esse logotipo está presente em um quadro específico, por exemplo, primeiro quadro ou não. Temos esse logotipo com antecedência (embora possa não ser o%...
Acabei de me deparar com o conceito de cobertura de neurônios, que é a proporção de neurônios ativados e neurônios totais em uma rede neural. Mas o que significa um neurônio ser "ativado"? Eu sei o que são funções de ativação, mas o que significa ser ativado, por exemplo, no caso de uma ReLU ou uma...
Existem modelos possíveis com potencial para substituir as redes neurais em um futuro próximo? E precisamos mesmo disso? Qual é a pior coisa sobre o uso de redes neurais em termos de
Eu acho que a vantagem de usar Leaky ReLU em vez de ReLU é que, dessa maneira, não podemos ter gradiente de fuga. O ReLU paramétrico tem a mesma vantagem, com a única diferença de que a inclinação da saída para entradas negativas é um parâmetro que pode ser aprendido, enquanto que no Leaky ReLU é...
O AlphaGo Zero contém várias melhorias em comparação com seus antecessores. Detalhes arquitetônicos do Alpha Go Zero podem ser vistos nesta folha de dicas . Uma dessas melhorias é usar uma única rede neural que calcula as probabilidades de movimento e o valor do estado ao mesmo tempo, enquanto as...
Isso pode parecer bobagem para alguém que tem muita experiência com redes neurais, mas me incomoda ... Quero dizer, randomizar pesos iniciais pode fornecer melhores resultados que seriam um pouco mais próximos da aparência da rede treinada, mas também pode ser exatamente o oposto do que deveria...
Atualmente, estou escrevendo um mecanismo para jogar um jogo de cartas, pois ainda não existe um mecanismo para esse jogo em particular. Espero poder introduzir uma rede neural no jogo depois e fazer com que ela aprenda a jogar. Estou escrevendo o mecanismo de forma que seja útil para um jogador...
Eu queria começar a experimentar redes neurais e, como um problema de brinquedo, queria treinar um para conversar, ou seja, implementar um bot de bate-papo como o cleverbot. Não é tão inteligente assim. Procurei alguma documentação e encontrei muitos tutoriais sobre tarefas gerais, mas poucos...
Em particular, um computador embutido (com recursos limitados) analisa o fluxo de vídeo ao vivo a partir de uma câmera de trânsito, tentando escolher bons quadros que contêm o número da placa dos carros que passam. Depois que uma placa é localizada, o quadro é entregue a uma biblioteca de OCR para...
Vários recursos que mencionei mencionam que o MSE é ótimo porque é convexo. Mas não entendo como, especialmente no contexto de redes neurais. Digamos que temos o seguinte: XXX : conjunto de dados de treinamento YYY : metas ΘΘ\Theta : o conjunto de parâmetros do modelofΘfΘf_\Theta (um modelo de...
A Deep Mind publicou muitos trabalhos sobre aprendizado profundo nos últimos anos, a maioria deles de ponta em suas respectivas tarefas. Mas quanto desse trabalho foi realmente reproduzido pela comunidade da IA? Por exemplo, o artigo da Máquina de Tural Neural parece ser muito difícil de...
Eu gostaria de fazer algumas experiências com a evolução da rede neural (NEAT). Eu escrevi alguns códigos GA e da rede neural em C ++ nos anos 90 apenas para brincar, mas a abordagem DIY provou ser trabalhosa o suficiente para que eu a abandonasse. As coisas mudaram muito desde então, e existem...
Que benefícios podemos obter com a aplicação da Rede Neural Convolucional Graph em vez da CNN comum? Quero dizer, se podemos resolver um problema pela CNN, qual é a razão pela qual devemos converter o Graph Convolutional Neural Network para resolvê-lo? Existem exemplos, ou seja, os trabalhos podem...
Uma rede neural é um gráfico ponderado direcionado. Estes podem ser representados por uma matriz (esparsa). Fazer isso pode expor algumas propriedades elegantes da rede. Essa técnica é benéfica para examinar redes
Como o emprego de algoritmos evolutivos para projetar e treinar redes neurais artificiais tem vantagens sobre o uso dos algoritmos de retropropagação
Pouco sobre aprendizado profundo (para referência) : O aprendizado profundo é um ramo do aprendizado de máquina baseado em um conjunto de algoritmos que tentam modelar abstrações de alto nível nos dados usando um gráfico profundo com várias camadas de processamento, compostas por várias...
Eu tenho mexido no playground tensorflow . Um dos conjuntos de dados de entrada é uma espiral. Quaisquer que sejam os parâmetros de entrada que eu escolher, não importa quão ampla e profunda seja a rede neural que eu crie, não consigo encaixar na espiral. Como os cientistas de dados se encaixam em...
O DeepMind afirma que sua rede Q profunda (DQN) conseguiu adaptar continuamente seu comportamento enquanto aprendia a jogar 49 jogos da Atari. Depois de aprender todos os jogos com a mesma rede neural, o agente foi capaz de jogá-los todos nos níveis 'sobre-humanos' simultaneamente (sempre que foi...
é possível fazer uma estimativa geral sobre o tamanho das redes neurais treináveis em GPUs comuns para consumidores ? Por exemplo: O artigo Emergence of Locomotion (Reforcement) treina uma rede usando a ativação tanh dos neurônios. Eles têm um NN de 3 camadas com 300.200.100 unidades para o...
Se neurônios e sinapses podem ser implementados usando transistores, o que nos impede de criar redes neurais arbitrariamente grandes usando os mesmos métodos com os quais as GPUs são feitas? Em essência, vimos como as redes neurais virtuais extraordinariamente bem implementadas nos processadores...