Als «deep-learning» getaggte Fragen

Bei Fragen zum Deep Learning, die sich auf eine Teilmenge von Methoden des maschinellen Lernens beziehen, die auf künstlichen neuronalen Netzen (ANNs) mit mehreren verborgenen Schichten basieren. Das Adjektiv deep bezieht sich somit auf die Anzahl der Schichten der ANNs. Der Ausdruck Deep Learning wurde offenbar 1986 (wenn auch nicht im Zusammenhang mit maschinellem Lernen oder ANNs) von Rina Dechter in der Arbeit "Lernen bei der Suche in Zwangszufriedenheitsproblemen" eingeführt.

1
Ein Deep-Learning-Algorithmus zur Optimierung des Ergebnisses
Ich bin ziemlich neu im Deep Learning, aber ich denke, ich habe genau die richtige reale Situation gefunden, um damit zu beginnen. Das Problem ist, dass ich solche Algorithmen nur verwendet habe, um Ergebnisse vorherzusagen. Für mein neues Projekt benötige ich Informationen, mit denen eine Maschine gespeist werden kann , …
1
Der Verlust springt abrupt, wenn ich die Lernrate mit dem Adam-Optimierer in PyTorch reduziere
Ich trainiere ein auto-encoderNetzwerk mit AdamOptimierer (mit amsgrad=True) und MSE lossfür die Aufgabe der Einkanal-Audioquellentrennung. Immer wenn ich die Lernrate um einen Faktor verringere, springt der Netzwerkverlust abrupt und nimmt dann bis zum nächsten Abfall der Lernrate ab. Ich verwende Pytorch für die Netzwerkimplementierung und Schulung. Following are my experimental …
4
Gibt es tatsächlich einen Mangel an grundlegender Theorie zum tiefen Lernen?
Ich habe mehrmals gehört, dass eines der grundlegenden / offenen Probleme des tiefen Lernens das Fehlen einer "allgemeinen Theorie" ist, weil wir eigentlich nicht wissen, warum tiefes Lernen so gut funktioniert. Sogar die Wikipedia-Seite zum Thema Deep Learning enthält ähnliche Kommentare . Sind solche Aussagen glaubwürdig und repräsentativ für den …
2
Hat DeepMinds DQN Atari-Spiel gleichzeitig gelernt?
DeepMind gab an, dass sein Deep Q-Network (DQN) sein Verhalten kontinuierlich anpassen konnte, während es lernte, 49 Atari-Spiele zu spielen. Nachdem der Agent alle Spiele mit demselben neuronalen Netz gelernt hatte, war er in der Lage, sie alle gleichzeitig auf "übermenschlichen" Ebenen zu spielen (wann immer es zufällig mit einem …
2
Was ist der Unterschied zwischen Suchen und Lernen?
Über den YouTube-Kanal von Two Minute Papers stieß ich auf einen Artikel, The Bitter Truth . Rich Sutton sagt ... Eine Sache, die aus der bitteren Lektion gelernt werden sollte, ist die große Kraft von Allzweckmethoden, von Methoden, die mit zunehmender Berechnung weiter skalieren, selbst wenn die verfügbare Berechnung sehr …
2
Welche Vorteile kann die Anwendung von Graph Convolutional Neural Network anstelle von gewöhnlichem CNN erzielen?
Welche Vorteile können wir durch die Anwendung von Graph Convolutional Neural Network anstelle von gewöhnlichem CNN erzielen? Ich meine, wenn wir ein Problem durch CNN lösen können, was ist der Grund, warum wir auf Graph Convolutional Neural Network umstellen sollten, um es zu lösen? Gibt es Beispiele, die zeigen können, …
2
Stellen Deep-Learning-Algorithmen ensemblebasierte Methoden dar?
Kurz über Deep Learning (als Referenz) : Deep Learning ist ein Zweig des maschinellen Lernens, der auf einer Reihe von Algorithmen basiert, die versuchen, Abstraktionen auf hoher Ebene in Daten mithilfe eines Deep Graphs mit mehreren Verarbeitungsebenen zu modellieren, die aus mehreren linearen und nichtlinearen Transformationen bestehen. Verschiedene Deep-Learning-Architekturen wie …
3
Kann mir jemand helfen, diesen Absatz aus Nvidias progressivem Gan-Papier zu verstehen?
Darüber hinaus stellen wir fest, dass Moduskollaps, der traditionell GANs plagt, im Verlauf eines Dutzend Minibatches sehr schnell auftritt. Üblicherweise beginnen sie, wenn der Diskriminator überschießt, was zu übertriebenen Gradienten führt, und es folgt eine ungesunde Konkurrenz, bei der die Signalgrößen in beiden Netzwerken eskalieren. Wir schlagen einen Mechanismus vor, …
Durch die Nutzung unserer Website bestätigen Sie, dass Sie unsere Cookie-Richtlinie und Datenschutzrichtlinie gelesen und verstanden haben.
Licensed under cc by-sa 3.0 with attribution required.