Als «machine-learning» getaggte Fragen

Bei Fragen zum maschinellen Lernen (ML) handelt es sich um eine Reihe von Methoden, mit denen Muster in Daten automatisch erkannt und anschließend anhand der nicht abgedeckten Muster zukünftige Daten vorhergesagt oder andere Arten der Entscheidungsfindung unter Unsicherheit durchgeführt werden können (z. B. Planung, wie um mehr Daten zu sammeln). ML wird normalerweise in überwachtes, unbeaufsichtigtes und verstärkendes Lernen unterteilt. Deep Learning ist ein Teilgebiet von ML, das tiefe künstliche neuronale Netze verwendet.



3
Wie können neuronale Netze mit unterschiedlichen Eingangsgrößen umgehen?
Soweit ich das beurteilen kann, haben neuronale Netze eine feste Anzahl von Neuronen in der Eingabeebene. Wenn neuronale Netzwerke in einem Kontext wie NLP verwendet werden, werden Sätze oder Textblöcke unterschiedlicher Größe in ein Netzwerk eingespeist. Wie wird die variierende Eingabegröße mit der festen Größe der Eingabeebene des Netzwerks in …

4
Sind neuronale Netze anfällig für katastrophales Vergessen?
Stellen Sie sich vor, Sie zeigen einem neuronalen Netzwerk 100-mal das Bild eines Löwen und kennzeichnen es mit "gefährlich", damit es erfährt, dass Löwen gefährlich sind. Stellen Sie sich nun vor, Sie hätten es zuvor Millionen von Löwenbildern gezeigt und alternativ als "gefährlich" und "nicht gefährlich" bezeichnet, sodass die Wahrscheinlichkeit, …


4
Wie wähle ich die Anzahl der versteckten Schichten und die Anzahl der Speicherzellen in einem LSTM?
Ich versuche, eine existierende Untersuchung zu finden, wie die Anzahl der verborgenen Schichten und die Größe dieser einer LSTM-basierten RNN ausgewählt werden kann. Gibt es einen Artikel, in dem dieses Problem untersucht wird, dh wie viele Speicherzellen sollte man verwenden? Ich gehe davon aus, dass dies völlig von der Anwendung …






7
Wenn es sich bei digitalen Werten nur um Schätzungen handelt, warum nicht für AI zu analogen Werten zurückkehren?
Der Antrieb für den Übergang vom analogen zum digitalen Schaltkreis im 20. Jahrhundert war der Wunsch nach höherer Genauigkeit und geringerem Rauschen. Jetzt entwickeln wir eine Software, bei der die Ergebnisse ungefähr sind und das Rauschen einen positiven Wert hat. In künstlichen Netzwerken verwenden wir Gradientenmodelle (Jacobian) oder Modelle zweiten …

3
Grundlegendes zur GAN-Verlustfunktion
Ich kämpfe darum, die GAN-Verlustfunktion zu verstehen, wie sie in " Grundlegendes zu generativen kontradiktorischen Netzwerken" (einem Blogbeitrag von Daniel Seita) beschrieben wird. Beim Standard-Cross-Entropy-Loss haben wir eine Ausgabe, die eine Sigmoid-Funktion und eine resultierende binäre Klassifikation durchlaufen hat. Sieta Staaten Somit erhalten wir für [jeden] Datenpunkt und seine Beschriftung …


2
Was ist die zeitliche Komplexität für das Training eines neuronalen Netzwerks mit Backpropagation?
Angenommen, ein NN enthält nnn ausgeblendete Ebenen, mmm Trainingsbeispiele, Features und Knoten in jeder Ebene. Was ist die zeitliche Komplexität, um dieses NN mithilfe von Backpropagation zu trainieren?xxxninin_i Ich habe eine grundlegende Vorstellung davon, wie sie die zeitliche Komplexität von Algorithmen finden, aber hier sind 4 verschiedene Faktoren zu berücksichtigen, …

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.