Data Science neural-network

8

Ich bin ein Studienanfänger (ich erwähne das, damit Sie mir meine Unbekanntheit verzeihen können), der derzeit über neuronale Netze recherchiert. Ich habe ein neuronales Netzwerk mit drei Knoten (das funktioniert) gemäß den Anweisungen meines Professors codiert. Ich möchte jedoch eine Karriere in KI und Data Science anstreben und möchte mir …

15 machine-learning neural-network

3

Wie füge ich einem Deep-Learning-Modell eine neue Kategorie hinzu?

Angenommen, ich habe das Transferlernen in einem vorab trainierten Netzwerk durchgeführt, um 10 Objekte zu erkennen. Wie füge ich ein 11. Element hinzu, das das Netzwerk klassifizieren kann, ohne alle 10 Kategorien, die ich bereits trainiert habe, oder die Informationen aus dem ursprünglichen vortrainierten Modell zu verlieren? Ein Freund erzählte …

15 neural-network deep-learning

1

Unterschied der Aktivierungsfunktionen in neuronalen Netzen im Allgemeinen

Ich habe die Aktivierungsfunktionstypen für neuronale Netze untersucht. Die Funktionen selbst sind recht einfach, aber der Anwendungsunterschied ist nicht ganz klar. Es ist vernünftig, je nach gewünschter binärer / kontinuierlicher Ausgabe zwischen logischen und linearen Funktionen zu unterscheiden, aber was ist der Vorteil der Sigmoid-Funktion gegenüber der einfachen linearen Funktion? …

15 neural-network activation-function

3

Was ist der Unterschied zwischen wortbasierten und zeichenbasierten Textgenerierungs-RNNs?

Beim Lesen über die Texterzeugung mit wiederkehrenden neuronalen Netzen ist mir aufgefallen, dass einige Beispiele implementiert wurden, um Text Wort für Wort und andere Zeichen für Zeichen zu erzeugen, ohne dass tatsächlich angegeben wurde, warum. Was ist also der Unterschied zwischen RNN-Modellen, die Text pro Wort und Text pro Zeichen …

15 machine-learning neural-network nlp rnn

2

Warum müssen Aktivierungsfunktionen monoton sein?

Ich bereite mich gerade auf eine Prüfung über neuronale Netze vor. In mehreren Protokollen aus früheren Untersuchungen habe ich gelesen, dass die Aktivierungsfunktionen von Neuronen (in mehrschichtigen Perzeptronen) monoton sein müssen. Ich verstehe, dass Aktivierungsfunktionen differenzierbar sein sollten, eine Ableitung haben sollten, die in den meisten Punkten nicht 0 ist, …

14 machine-learning neural-network

1

Hinzufügen von Nichtbild-Features neben Nebenbildern als Eingabe von CNNs

Ich trainiere ein neuronales Faltungsnetzwerk, um Bilder bei Nebelbedingungen zu klassifizieren (3 Klassen). Für jedes der ca. 150.000 Bilder stehen mir jedoch auch vier meteorologische Variablen zur Verfügung, die bei der Vorhersage der Bildklassen hilfreich sein könnten. Ich habe mich gefragt, wie ich die meteorologischen Variablen (z. B. Temperatur, Windgeschwindigkeit) …

14 machine-learning neural-network deep-learning tensorflow cnn

3

Vorteile des Stapelns von LSTMs?

Ich frage mich, in welchen Situationen es vorteilhaft ist, LSTMs zu stapeln?

14 machine-learning neural-network deep-learning lstm

5

Hochladen des Bilderordners von meinem System in Google Colab

Ich möchte ein Deep-Learning-Modell auf einem Datensatz trainieren, der ungefähr 3000 Bilder enthält. Da der Datensatz sehr groß ist, möchte ich Google Colab verwenden, da es von der GPU unterstützt wird. Wie lade ich diesen vollständigen Bildordner in mein Notizbuch hoch und verwende ihn?

14 machine-learning neural-network deep-learning dataset colab

2

Warum werden genetische Algorithmen nicht zur Optimierung neuronaler Netze verwendet?

Nach meinem Verständnis sind genetische Algorithmen leistungsstarke Werkzeuge für die Optimierung mehrerer Ziele. Darüber hinaus ist das Trainieren neuronaler Netze (besonders tiefer Netze) schwierig und mit vielen Problemen verbunden (nicht konvexe Kostenfunktionen - lokale Minima, verschwinden- de und explodierende Gradienten usw.). Ich bin auch der Meinung, dass konzeptionelles Training eines …

13 neural-network optimization genetic-algorithms

4

Ist Gradient Descent für jeden Optimierer von zentraler Bedeutung?

Ich möchte wissen, ob Gradient Descent der Hauptalgorithmus ist, der in Optimierern wie Adam, Adagrad, RMSProp und mehreren anderen Optimierern verwendet wird.

13 machine-learning neural-network deep-learning optimization gradient-descent

2

Warum nicht immer die ADAM-Optimierungstechnik verwenden?

Es scheint, dass der Optimierer für die adaptive Momentschätzung (Adam) fast immer besser funktioniert (schneller und zuverlässiger, wenn ein globales Minimum erreicht wird), wenn die Kostenfunktion beim Trainieren neuronaler Netze minimiert wird. Warum nicht immer Adam benutzen? Warum sollte man sich überhaupt die Mühe machen, RMSProp oder Impulsoptimierer zu verwenden?

13 neural-network optimization

1

Rückausbreitung durch max. Pooling-Schichten

Ich habe eine kleine Unterfrage zu dieser Frage . Ich verstehe, dass bei der Rückübertragung durch eine Max-Pooling-Schicht der Gradient so zurückgeleitet wird, dass das Neuron in der vorherigen Schicht, das als Max ausgewählt wurde, den gesamten Gradienten erhält. Was ich nicht 100% sicher bin, ist, wie der Gradient in …

13 machine-learning neural-network convnet backpropagation

2

Visualisierung des Deep Neural Network Trainings

Ich versuche, ein Äquivalent zu Hinton-Diagrammen für mehrschichtige Netzwerke zu finden, um die Gewichte während des Trainings zu zeichnen. Das trainierte Netzwerk ähnelt in gewisser Weise einem Deep SRN, dh es hat eine hohe Anzahl von Mehrfachgewichtungsmatrizen, was die gleichzeitige Darstellung mehrerer Hinton-Diagramme visuell verwirrend machen würde. Kennt jemand eine …

13 machine-learning neural-network visualization deep-learning

3

Warum sind Autoencoder zur Dimensionsreduzierung symmetrisch?

Ich bin kein Experte für Autoencoder oder neuronale Netze. Verzeihen Sie mir, wenn dies eine dumme Frage ist. Zur Dimensionsreduktion oder zur Visualisierung von Clustern in hochdimensionalen Daten können wir einen Autoencoder verwenden, um eine (verlustbehaftete) zweidimensionale Darstellung zu erstellen, indem wir die Ausgabe der Netzwerkschicht mit zwei Knoten untersuchen. …

13 neural-network dimensionality-reduction autoencoder

3

Haben neuronale Netze Erklärbarkeit wie Entscheidungsbäume?

In Decision Trees können wir die Ausgabe der Baumstruktur verstehen und visualisieren, wie der Decision Tree Entscheidungen trifft. Entscheidungsbäume sind also erklärbar (ihre Ausgabe kann leicht erklärt werden.) Haben wir Erklärbarkeit in neuronalen Netzen wie bei Entscheidungsbäumen?

13 neural-network

Als «neural-network» getaggte Fragen