Data Science

1

Verwenden von RNN (LSTM) für das Gestenerkennungssystem

Ich versuche, ein Gestenerkennungssystem zum Klassifizieren von ASL- Gesten (American Sign Language) zu erstellen. Daher soll meine Eingabe eine Folge von Bildern entweder von einer Kamera oder einer Videodatei sein, dann erkennt es die Folge und ordnet sie der entsprechenden zu Klasse (schlafen, helfen, essen, rennen usw.) Die Sache ist, …

10 neural-network deep-learning keras rnn lstm

5

Unüberwachte Bildsegmentierung

Ich versuche, einen Algorithmus zu implementieren, bei dem bei einem gegebenen Bild mit mehreren Objekten auf einer Ebenentabelle die Ausgabe von Segmentierungsmasken für jedes Objekt erwünscht ist. Im Gegensatz zu CNNs besteht das Ziel hier darin, Objekte in einer unbekannten Umgebung zu erkennen. Was sind die besten Ansätze für dieses …

10 machine-learning deep-learning cnn computer-vision object-detection

1

Keras LSTM mit 1D-Zeitreihen

Ich lerne, wie man Keras verwendet, und ich habe mit meinem beschrifteten Datensatz anhand der Beispiele in Chollets Deep Learning für Python vernünftigen Erfolg gehabt . Der Datensatz ist ~ 1000 Zeitreihen mit einer Länge von 3125 mit 3 möglichen Klassen. Ich möchte über die grundlegenden dichten Schichten hinausgehen, die …

10 python deep-learning time-series lstm rnn

2

Versuch, TensorFlow zu verwenden, um finanzielle Zeitreihendaten vorherzusagen

Ich bin neu in ML und TensorFlow (ich habe vor ungefähr ein paar Stunden angefangen) und ich versuche, damit die nächsten Datenpunkte in einer Zeitreihe vorherzusagen. Ich nehme meinen Input und mache das damit: /----------- x ------------\ .-------------------------------. | 0 | 1 | 2 | 3 | 4 | 5 …

10 machine-learning python time-series tensorflow rnn

1

Was ist der „neuartige Verstärkungslernalgorithmus“ in AlphaGo Zero?

Aus irgendeinem Grund wird AlphaGo Zero trotz seiner unglaublichen Ergebnisse nicht so bekannt wie das ursprüngliche AlphaGo. Von Grund auf neu, hat es AlphaGo Master bereits geschlagen und zahlreiche andere Benchmarks bestanden. Noch unglaublicher ist, dass dies in 40 Tagen erledigt ist. Google nennt es "wohl den besten Go-Spieler der …

10 machine-learning deep-learning

2

Warum dauert das Training auf meiner GPU so lange?

Einzelheiten: GPU : GTX 1080 Training : ~ 1,1 Millionen Bilder aus 10 Klassen Validierung : ~ 150 Tausend Bilder aus 10 Klassen Zeit pro Epoche : ~ 10 Stunden Ich habe CUDA, cuDNN und Tensorflow eingerichtet (auch Tensorflow-GPU). Ich denke nicht, dass mein Modell so kompliziert ist, dass es …

10 machine-learning python keras

1

Lassen Sie Keras auf einem Multi-Core-CPU-System mit mehreren Computern laufen

Ich arbeite am Seq2Seq-Modell mit LSTM von Keras (mit Theano-Hintergrund) und möchte die Prozesse parallelisieren, da selbst wenige MB Daten mehrere Stunden für das Training benötigen. Es ist klar, dass GPUs bei der Parallelisierung weitaus besser sind als CPUs. Im Moment habe ich nur CPUs, mit denen ich arbeiten kann. …

10 tensorflow keras theano parallel

2

Wie man nach toten Relu-Neuronen sucht

Hintergrund: Beim Anpassen neuronaler Netze mit Relu-Aktivierung stellte ich fest, dass die Vorhersage manchmal nahezu konstant wird. Ich glaube, dass dies daran liegt, dass die Relu-Neuronen während des Trainings sterben, wie hier angegeben. ( Was ist das "sterbende ReLU" -Problem in neuronalen Netzen? ) Frage: Ich hoffe, eine Überprüfung im …

10 machine-learning neural-network keras

3

Ein künstliches Neuronennetzwerk (ANN) mit einer beliebigen Anzahl von Ein- und Ausgängen

Ich möchte ANNs für mein Problem verwenden, aber das Problem ist, dass meine Ein- und Ausgabeknotennummern nicht behoben sind. Ich habe eine Google-Suche durchgeführt, bevor ich meine Frage gestellt habe, und festgestellt, dass der RNN mir bei meinem Problem helfen kann. Aber alle Beispiele, die ich gefunden habe, haben irgendwie …

10 python neural-network keras rnn pytorch

3

Wiederkehrendes (CNN) Modell für EEG-Daten

Ich frage mich, wie man eine wiederkehrende Architektur in einem EEG-Kontext interpretiert. Insbesondere betrachte ich dies als wiederkehrendes CNN (im Gegensatz zu Architekturen wie LSTM), aber vielleicht gilt es auch für andere Arten von wiederkehrenden Netzwerken Wenn ich über R-CNNs lese, werden sie normalerweise in Bildklassifizierungskontexten erklärt. Sie werden typischerweise …

10 machine-learning neural-network convnet rnn

1

Wie genau funktioniert DropOut mit Faltungsschichten?

Dropout ( Papier , Erklärung ) setzt die Ausgabe einiger Neuronen auf Null. Für ein MLP könnten Sie also die folgende Architektur für den Irisblumendatensatz haben : 4 : 50 (tanh) : dropout (0.5) : 20 (tanh) : 3 (softmax) Es würde so funktionieren: softmax(W3⋅tanh(W2⋅mask(D,tanh(W1⋅input_vector)))softmax(W3⋅tanh⁡(W2⋅mask(D,tanh⁡(W1⋅input_vector)))softmax(W_3 \cdot \tanh(W_2 \cdot \text{mask}(D, \tanh(W_1 …

10 dropout

4

Wie kann man die Leistung von Feature-Auswahlmethoden vergleichen?

Es gibt verschiedene Ansätze zur Merkmalsauswahl / Variablenauswahl (siehe zum Beispiel Guyon & Elisseeff, 2003 ; Liu et al., 2010 ): Filtermethoden (z. B. korrelationsbasiert, entropiebasiert, zufällige Waldbedeutung basierend), Wrapper-Methoden (z. B. Vorwärtssuche, Bergsteigensuche) und eingebettete Methoden, bei denen die Merkmalsauswahl Teil des Modelllernens ist. Viele veröffentlichte Algorithmen sind auch …

10 feature-selection performance model-selection

1

Spark ALS: Empfehlung für neue Benutzer

Die Frage Wie kann ich die Bewertung für einen neuen Benutzer in einem in Spark geschulten ALS-Modell vorhersagen? (Neu = während der Trainingszeit nicht gesehen) Das Problem Ich folge hier dem offiziellen Spark ALS-Tutorial: http://ampcamp.berkeley.edu/big-data-mini-course/movie-recommendation-with-mllib.html Ich bin in der Lage, eine gute Empfehlung mit einer anständigen MSE zu erstellen, aber …

10 apache-spark recommender-system pyspark

4

Merkmalsauswahl und Klassifizierungsgenauigkeitsbeziehung

Eine der Methoden zum Auswählen einer Teilmenge Ihrer verfügbaren Merkmale für Ihren Klassifizierer besteht darin, sie nach einem Kriterium (z. B. Informationsgewinn) zu ordnen und dann die Genauigkeit mithilfe Ihres Klassifikators und einer Teilmenge der eingestuften Merkmale zu berechnen. Wenn Ihre Features beispielsweise A, B, C, D, Ewie folgt sind …

10 machine-learning feature-selection

1

Welche Bedeutung hat das Zusammenführen von Modellen in Keras?

Ich habe erfahren, dass Keras eine Funktion zum "Zusammenführen" von zwei Modellen hat, und zwar wie folgt: from keras.layers import Merge left_branch = Sequential() left_branch.add(Dense(32, input_dim=784)) right_branch = Sequential() right_branch.add(Dense(32, input_dim=784)) merged = Merge([left_branch, right_branch], mode='concat') Was ist der Sinn von Mergint-NNs, in welchen Situationen ist es nützlich? Ist es …

10 keras