Perguntas com a marcação «neural-networks»

29

Como lidar com dados hierárquicos / aninhados no aprendizado de máquina

Vou explicar meu problema com um exemplo. Suponha que você queira prever a renda de um indivíduo, com alguns atributos: {Idade, Sexo, País, Região, Cidade}. Você tem um conjunto de dados de treinamento como esse train <- data.frame(CountryID=c(1,1,1,1, 2,2,2,2, 3,3,3,3), RegionID=c(1,1,1,2,...

regression machine-learning multilevel-analysis correlation dataset spatial paired-comparisons cross-correlation clustering aic bic dependent-variable k-means mean standard-error measurement-error errors-in-variables regression multiple-regression pca linear-model dimensionality-reduction machine-learning neural-networks deep-learning conv-neural-network computer-vision clustering spss r weighted-data wilcoxon-signed-rank bayesian hierarchical-bayesian bugs stan distributions categorical-data variance ecology r survival regression r-squared descriptive-statistics cross-section maximum-likelihood factor-analysis likert r multiple-imputation propensity-scores distributions t-test logit probit z-test confidence-interval poisson-distribution deep-learning conv-neural-network residual-networks r survey wilcoxon-mann-whitney ranking kruskal-wallis bias loss-functions frequentist decision-theory risk machine-learning distributions normal-distribution multivariate-analysis inference dataset factor-analysis survey multilevel-analysis clinical-trials

29

Por que os nós de viés são usados em redes neurais?

Por que os nós de viés são usados em redes neurais? Quantos você deve usar? Em quais camadas você deve usá-las: todas as camadas ocultas e a camada de

machine-learning neural-networks bias-node

28

Como é possível que a perda de validação esteja aumentando enquanto a precisão da validação também aumenta

Estou treinando uma rede neural simples no conjunto de dados CIFAR10. Após algum tempo, a perda de validação começou a aumentar, enquanto a precisão da validação também aumentou. A perda e a precisão do teste continuam a melhorar. Como isso é possível? Parece que, se a perda de validação aumentar,...

neural-networks deep-learning conv-neural-network overfitting

27

Função de perda de coeficiente de dados vs entropia cruzada

Ao treinar redes neurais de segmentação de pixel, como redes totalmente convolucionais, como você decide usar a função de perda de entropia cruzada versus a função de perda de coeficiente de dados? Sei que essa é uma pergunta curta, mas não tenho certeza de que outras informações fornecer....

neural-networks loss-functions cross-entropy

27

Os modelos de aprendizado profundo não podem agora ser interpretados? Os nós são recursos?

Para modelos estatísticos e de aprendizado de máquina, existem vários níveis de interpretabilidade: 1) o algoritmo como um todo, 2) partes do algoritmo em geral 3) partes do algoritmo em entradas específicas, e esses três níveis divididos em duas partes cada, um para treinamento e outro para...

neural-networks deep-learning interpretation

27

A rede neural profunda pode aproximar a função de multiplicação sem normalização?

Digamos que queremos fazer a regressão de forma simples f = x * yusando uma rede neural profunda padrão. Lembro-me de que existem novas pesquisas que indicam que NN com uma camada hiden pode aproximar qualquer função, mas tentei e sem normalização o NN não conseguiu aproximar nem mesmo essa...

regression machine-learning neural-networks deep-learning

26

Por que as funções de ativação não centralizadas em zero são um problema na retropropagação?

Eu li aqui o seguinte: As saídas sigmóides não são centralizadas em zero . Isso é indesejável, uma vez que neurônios em camadas posteriores de processamento em uma rede neural (mais sobre isso em breve) receberiam dados que não são centralizados em zero. Isto tem implicações sobre a dinâmica...

neural-networks deep-learning backpropagation

26

Rede neural com conexões skip-layer

Estou interessado em regressão com redes neurais. Redes neurais com zero nós ocultos + conexões de camada de salto são modelos lineares. E as mesmas redes neurais, mas com nós ocultos? Eu estou querendo saber qual seria o papel das conexões skip-layer? Intuitivamente, eu diria que, se você...

regression machine-learning neural-networks deep-learning

26

A perda de treinamento diminui e aumenta novamente. O que está acontecendo?

Minha perda de treinamento diminui e depois sobe novamente. Isso é muito estranho. A perda de validação cruzada rastreia a perda de treinamento. O que está acontecendo? Eu tenho dois LSTMS empilhados da seguinte maneira (no Keras): model = Sequential() model.add(LSTM(512, return_sequences=True,...

machine-learning neural-networks loss-functions lstm

26

Rede Neural: Para Classificação Binária, use 1 ou 2 neurônios de saída?

Suponha que eu queira fazer uma classificação binária (algo pertence à classe A ou classe B). Existem algumas possibilidades para fazer isso na camada de saída de uma rede neural: Use 1 nó de saída. A saída 0 (<0,5) é considerada classe A e 1 (> = 0,5) é considerada classe B (no caso de...

machine-learning classification neural-networks

25

Quais são as vantagens de empilhar vários LSTMs?

Quais são as vantagens, por que alguém usaria vários LSTMs, empilhados lado a lado, em uma rede profunda? Estou usando um LSTM para representar uma sequência de entradas como uma única entrada. Então, uma vez que eu tenho essa única representação - por que eu a repassaria novamente? Estou...

classification neural-networks deep-learning lstm rnn

25

Como a rede neural reconhece imagens?

Esta pergunta foi migrada do Stack Overflow porque pode ser respondida em Validação cruzada. Migrou há 7 anos . Estou tentando aprender como a Rede Neural funciona no reconhecimento de imagens. Eu já vi alguns exemplos e fiquei ainda mais confuso. No exemplo do

machine-learning neural-networks image-processing

25

Por que não apenas despejar as redes neurais e o aprendizado profundo? [fechadas]

Fechado . Esta questão é baseada em opiniões . No momento, não está aceitando respostas. Deseja melhorar esta pergunta? Atualize a pergunta para que ela possa ser respondida com fatos e citações editando esta postagem . Fechado há 2 anos . Problema...

machine-learning neural-networks svm deep-learning

25

O que é um estudo de ablação? E existe uma maneira sistemática de realizá-lo?

O que é um estudo de ablação? E existe uma maneira sistemática de realizá-lo? Por exemplo, eu tenho preditores em uma regressão linear que chamarei de modelo.nnn Como vou realizar um estudo de ablação para isso? Quais métricas devo usar? Uma fonte ou livro abrangente seria apreciado....

regression machine-learning neural-networks

25

Por que é tão importante ter teorias matemáticas e de princípios para o Machine Learning?

Fiquei me perguntando, por que é tão importante ter um aprendizado de máquina por princípios / teórico? De uma perspectiva pessoal como humano, posso entender por que o Machine Learning por princípios seria importante: humanos gostam de entender o que estão fazendo, encontramos beleza e...

machine-learning neural-networks conv-neural-network theory

25

Por que as unidades lineares retificadas são consideradas não lineares?

Por que as funções de ativação de unidades lineares retificadas (ReLU) são consideradas não lineares? f( x ) = max ( 0 , x )f(x)=max(0 0,x) f(x) = \max(0,x) Eles são lineares quando a entrada é positiva e, do meu entendimento, para desbloquear o poder representativo das redes profundas, as...

neural-networks deep-learning

25

Qual é a diferença entre redes neurais convolucionais e aprendizado profundo?

Eu quero usar o aprendizado profundo no meu projeto. Examinei alguns artigos e me ocorreu uma pergunta: existe alguma diferença entre rede neural de convolução e aprendizado profundo? Essas coisas são iguais ou existem grandes diferenças e qual é a

machine-learning neural-networks deep-learning terminology conv-neural-network

25

Para problemas convexos, o gradiente na descida do gradiente estocástico (SGD) sempre aponta para o valor extremo global?

Dada uma função de custo convexa, usando o SGD para otimização, teremos um gradiente (vetor) em um determinado ponto durante o processo de otimização. Minha pergunta é, dado o ponto no convexo, o gradiente apenas aponta na direção em que a função aumenta / diminui mais rapidamente, ou o gradiente...

neural-networks optimization gradient-descent sgd convex

24

Qual é a diferença entre dropout e drop connect?

Qual é a diferença entre dropout e drop connect? No AFAIK, o abandono elimina aleatoriamente os nós ocultos durante o treinamento, mas os mantém em teste e o abandono deixa cair as conexões. Mas descartar conexões equivale a descartar os nós ocultos? Os nós (ou conexões) não são apenas um...

neural-networks dropout

24

Qual é a razão pela qual o Adam Optimizer é considerado robusto ao valor de seus hiper parâmetros?

Eu estava lendo sobre o otimizador de Adam para o Deep Learning e me deparei com a seguinte frase no novo livro Deep Learning de Bengio, Goodfellow e Courville: Adam é geralmente considerado como sendo bastante robusto para a escolha de hiper parâmetros, embora a taxa de aprendizado às vezes...

neural-networks deep-learning optimization hyperparameter adam