Als «neural-network» getaggte Fragen

Künstliche neuronale Netze (ANN) bestehen aus "Neuronen" - Programmierkonstrukten, die die Eigenschaften biologischer Neuronen nachahmen. Eine Reihe gewichteter Verbindungen zwischen den Neuronen ermöglicht die Verbreitung von Informationen durch das Netzwerk, um Probleme mit künstlicher Intelligenz zu lösen, ohne dass der Netzwerkdesigner ein Modell eines realen Systems hatte.

3
Erstellen eines neuronalen Netzes für die xor-Funktion
Es ist eine bekannte Tatsache, dass ein 1-Schicht-Netzwerk die xor-Funktion nicht vorhersagen kann, da es nicht linear trennbar ist. Ich habe versucht, ein 2-Layer-Netzwerk mit der logistischen Sigmoid-Funktion und Backprop zu erstellen, um xor vorherzusagen. Mein Netzwerk hat 2 Neuronen (und eine Vorspannung) auf der Eingangsschicht, 2 Neuronen und 1 …
1
Eigenschaften zum Aufbau eines mehrschichtigen neuronalen Perceptron-Netzwerks mit Keras?
Ich versuche, ein mehrschichtiges neuronales Perzeptron-Netzwerk aufzubauen und zu trainieren, das richtig vorhersagt, welcher Präsident zum ersten Mal in welchem ​​Landkreis gewonnen hat. Ich habe die folgenden Informationen für Trainingsdaten. Gesamtbevölkerung Durchschnittsalter% BachelorsDeg oder höher Arbeitslosenquote Pro-Kopf-Einkommen Gesamthaushalte Durchschnittliche Haushaltsgröße% Eigentumswohnungen% Mieterwohnungen% Leerstehende Wohnungen Medianer Hauswert Bevölkerungswachstum Haushaltswachstum Pro-Kopf-Einkommenswachstum Gewinner …
2
Pylearn2 gegen TensorFlow
Ich bin kurz davor, in ein langes NN-Forschungsprojekt einzutauchen und wollte einen Schub in Richtung Pylearn2 oder TensorFlow? Ab Dezember 2015 hat die Community begonnen, sich in die eine oder andere Richtung zu neigen? Dieser Link hat mir Sorgen gemacht, an TenserFlow gebunden zu werden.
1
Generieren Sie Vorhersagen, die orthogonal (nicht korreliert) zu einer bestimmten Variablen sind
Ich habe eine XMatrix, eine yVariable und eine andere Variable ORTHO_VAR. Ich muss die yVariable vorhersagen , wobei Xdie Vorhersagen aus diesem Modell orthogonal sein müssen, ORTHO_VARwährend sie so korreliert ywie möglich sind. Ich würde es vorziehen, wenn die Vorhersagen mit einer nicht parametrischen Methode wie erzeugt werden, xgboost.XGBRegressoraber ich …
8 correlation  machine-learning  dataset  logistic-regression  prediction  linear-regression  prediction  dummy-variables  neural-network  image-classification  python  k-nn  python  neural-network  neural-network  deep-learning  keras  tensorflow  image-classification  tensorflow  reinforcement-learning  policy-gradients  machine-learning  decision-trees  neural-network  overfitting  data-analysis  metric  python  scikit-learn  distance  scipy  machine-learning  python  scikit-learn  decision-trees  logistic-regression  keras  image-classification  implementation  machine-learning  python  scikit-learn  random-forest  decision-trees  machine-learning  feature-selection  feature-engineering  word2vec  word-embeddings  natural-language-process  scikit-learn  time-series  clustering  k-means  python  cross-validation  pyspark  statistics  cross-validation  multiclass-classification  evaluation  machine-learning  nlp  machine-translation  neural-network  deep-learning  keras  tensorflow  image-classification  machine-learning  python  similarity  distance  lstm  text  named-entity-recognition  machine-learning  keras  optimization  gan  learning-rate  neural-network  data-mining  dataset  databases  books  neural-network  rnn 
2
Gibt es einen Konsens über die Wahl eines geeigneten ML-Ansatzes?
Ich studiere zurzeit Datenwissenschaft und wir lernen eine schwindelerregende Vielfalt grundlegender Regressions- / Klassifizierungstechniken (linear, logistisch, Bäume, Splines, ANN, SVM, MARS usw.) sowie eine Vielzahl von zusätzliche Werkzeuge (Bootstrapping, Boosten, Absacken, Ensemble, Ridge / Lasso, CV usw. usw.). Manchmal erhalten die Techniken einen Kontext (z. B. geeignet für kleine / …
2
CNN - Wie funktioniert die Backpropagation mit Gewichtsverteilung genau?
Betrachten Sie ein Convolutional Neural Network (CNN) für die Bildklassifizierung. Um lokale Merkmale zu erkennen, wird die Gewichtsverteilung zwischen Einheiten in derselben Faltungsschicht verwendet. In einem solchen Netzwerk werden die Kernelgewichte über den Backpropagation-Algorithmus aktualisiert. Ein Update für das Kernelgewicht hjhjh_j in Schicht lll wäre wie folgt: hlj=hlj- η⋅δR.δhlj=hlj- η⋅δR.δxL.j⋅δxL.jδxL …
3
ReLU vs Sigmoid im mnist Beispiel
BITTE BEACHTEN SIE: Ich versuche nicht, das folgende Beispiel zu verbessern. Ich weiß, dass Sie eine Genauigkeit von über 99% erreichen können. Der gesamte Code ist in Frage. Wenn ich diesen einfachen Code ausprobiert habe, erhalte ich eine Genauigkeit von 95%. Wenn ich einfach die Aktivierungsfunktion von Sigmoid auf Relu …
1
Wie funktioniert ein Encoder-Decoder-Netzwerk?
Angenommen, ich habe ein Encoder-Decoder-Netzwerk auf einem Cat- Datensatz trainiert, wobei der Rekonstruktionsfehler als Verlustfunktion verwendet wurde. Das Netzwerk ist vollständig trainiert und der Decoder kann gute Katzenbilder rekonstruieren . Was ist nun, wenn ich dasselbe Netzwerk verwende und ein Hundebild eingebe ? Wird das Netzwerk in der Lage sein …
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.