Statistiken und Big Data neural-networks

2

Klassifizierung mit teilweise „unbekannten“ Daten

Angenommen, ich möchte einen Klassifizierer lernen, der einen Vektor von Zahlen als Eingabe verwendet und eine Klassenbezeichnung als Ausgabe gibt. Meine Trainingsdaten bestehen aus einer großen Anzahl von Eingabe-Ausgabe-Paaren. Wenn ich jedoch einige neue Daten teste, sind diese Daten normalerweise nur teilweise vollständig. Wenn der Eingabevektor beispielsweise die Länge 100 …

11 machine-learning classification neural-networks deep-learning

1

Wie funktioniert die Rückausbreitung in einem siamesischen neuronalen Netzwerk?

Ich habe die Architektur des siamesischen neuronalen Netzwerks untersucht, die Yann LeCun und seine Kollegen 1994 zur Erkennung von Signaturen eingeführt haben ( „Signaturüberprüfung mit einem siamesischen neuronalen Netzwerk mit Zeitverzögerung“ .pdf , NIPS 1994). Ich habe die allgemeine Idee dieser Architektur verstanden, aber ich kann wirklich nicht verstehen, wie …

11 neural-networks

1

Fisher's Exact Test und hypergeometrische Verteilung

Ich wollte den genauen Test des Fischers besser verstehen, deshalb habe ich das folgende Spielzeugbeispiel entwickelt, bei dem f und m männlich und weiblich und n und y dem "Sodakonsum" wie folgt entsprechen: > soda_gender f m n 0 5 y 5 0 Dies ist natürlich eine drastische Vereinfachung, aber …

11 fishers-exact hypergeometric clustering supervised-learning modeling econometrics r regression residuals heteroscedasticity independence distributions self-study matlab libsvm self-study conditional-probability conditional-expectation hypothesis-testing self-study multiple-comparisons mode statistical-significance chi-squared multiple-comparisons maximum-likelihood poisson-process optimization uncertainty genetic-algorithms bayesian model-selection overfitting maximum-likelihood optimization approximation r prediction model-evaluation r machine-learning survival neural-networks cox-model machine-learning bayesian bayesian-network hierarchical-bayesian pooling

1

R neuralnet - compute gibt eine konstante Antwort

Ich versuche, das neuralnetPaket von R (Dokumentation hier ) zur Vorhersage zu verwenden. Hier, was ich versuche zu tun: library(neuralnet) x <- cbind(runif(50, min=1, max=500), runif(50, min=1, max=500)) y <- x[, 1] * x[, 2] train <- data.frame(x, y) n <- names(train) f <- as.formula(paste('y ~', paste(n[!n %in% 'y'], collapse …

11 r neural-networks prediction error

5

Mathematischer Hintergrund für neuronale Netze

Ich bin mir nicht sicher, ob dies für diese Site geeignet ist, aber ich beginne mein MSE in Informatik (BS in angewandter Mathematik) und möchte einen starken Hintergrund im maschinellen Lernen haben (ich werde höchstwahrscheinlich promovieren). Eines meiner Unterinteressen sind neuronale Netze. Was ist ein guter mathematischer Hintergrund für ANNs? …

11 machine-learning neural-networks mathematical-statistics references

3

Mathematische Modellierung neuronaler Netze als grafische Modelle

Ich habe Mühe, die mathematische Verbindung zwischen einem neuronalen Netzwerk und einem grafischen Modell herzustellen. In grafischen Modellen ist die Idee einfach: Die Wahrscheinlichkeitsverteilung wird gemäß den Cliquen in der Grafik faktorisiert, wobei die Potentiale normalerweise aus der Exponentialfamilie stammen. Gibt es eine äquivalente Begründung für ein neuronales Netzwerk? Kann …

11 neural-networks markov-process graphical-model deep-learning deep-belief-networks

4

Möglich, eine bessere ANN durch Entfernen einiger Verbindungen zu erhalten?

Ich habe mich gefragt, ob es unter bestimmten Umständen möglich ist, dass ANNs eine bessere Leistung erbringen, wenn Sie einige Verbindungen auf ihnen entfernen, wie zum Beispiel: Aufbau eines ANN durch parallele Verwendung von zwei mehrschichtigen ANNs A und B (gleiche Eingangs- und Ausgangsknoten), die einige "Kommunikations" -Verbindungen zwischen den …

11 classification neural-networks

2

Filtergröße, Schritte usw. in einem CNN auswählen?

Ich habe mir die CS231N-Vorlesungen von Stanford angesehen und versuche, mich mit einigen Problemen in CNN-Architekturen zu befassen. Ich versuche zu verstehen, ob es einige allgemeine Richtlinien für die Auswahl der Faltungsfiltergröße und Dinge wie Schritte gibt oder ob dies eher eine Kunst als eine Wissenschaft ist. Ich verstehe, dass …

11 neural-networks deep-learning conv-neural-network

2

Verstecktes Markov-Modell gegen wiederkehrendes neuronales Netzwerk

Welche sequentiellen Eingabeprobleme eignen sich jeweils am besten? Bestimmt die Eingabedimensionalität, welche besser zu Ihnen passt? Sind Probleme, die "längeren Speicher" erfordern, besser für ein LSTM-RNN geeignet, während Probleme mit zyklischen Eingabemustern (Börse, Wetter) von einem HMM leichter gelöst werden können? Es scheint, dass es viele Überschneidungen gibt; Ich bin …

11 time-series neural-networks hidden-markov-model rnn

2

Was ist die Intuition hinter einem wiederkehrenden neuronalen Netzwerk mit langem Kurzzeitgedächtnis (LSTM)?

Die Idee hinter Recurrent Neural Network (RNN) ist mir klar. Ich verstehe es folgendermaßen: Wir haben eine Folge von Beobachtungen ( Ö⃗ 1, o⃗ 2, … , O.⃗ no→1,o→2,…,o→n\vec o_1, \vec o_2, \dots, \vec o_n ) (oder mit anderen Worten multivariate Zeitreihen). Jede einzelne Beobachtung Ö⃗ icho→i\vec o_i ist ein …

11 time-series neural-networks predictive-models intuition rnn

3

Anzahl der Parameter in einem künstlichen neuronalen Netzwerk für AIC

Wie kann ich die Anzahl der Parameter in einem künstlichen neuronalen Netzwerk berechnen, um dessen AIC zu berechnen?

11 neural-networks aic

3

Nichtlinearität vor der endgültigen Softmax-Schicht in einem Faltungsnetzwerk

Ich studiere und versuche, Faltungs-Neuronale Netze zu implementieren, aber ich nehme an, diese Frage gilt für mehrschichtige Perzeptrone im Allgemeinen. Die Ausgangsneuronen in meinem Netzwerk stellen die Aktivierung jeder Klasse dar: Das aktivste Neuron entspricht der vorhergesagten Klasse für eine bestimmte Eingabe. Um die Cross-Entropie-Kosten für das Training zu berücksichtigen, …

11 neural-networks deep-learning conv-neural-network nonlinear softmax

1

Kann ich ReLU im Autoencoder als Aktivierungsfunktion verwenden?

Bei der Implementierung eines Autoencoders mit einem neuronalen Netzwerk verwenden die meisten Benutzer Sigmoid als Aktivierungsfunktion. Können wir stattdessen ReLU verwenden? (Da ReLU keine Begrenzung für die Obergrenze hat, bedeutet dies im Grunde, dass das Eingabebild Pixel größer als 1 haben kann, im Gegensatz zu den eingeschränkten Kriterien für Autoencoder, …

11 machine-learning neural-networks deep-learning autoencoders

2

Frage zu Continuous Bag of Words

Ich habe Probleme, diesen Satz zu verstehen: Die erste vorgeschlagene Architektur ähnelt der Feedforward-NNLM, bei der die nichtlineare verborgene Schicht entfernt und die Projektionsschicht für alle Wörter (nicht nur für die Projektionsmatrix) gemeinsam genutzt wird. Somit werden alle Wörter an dieselbe Position projiziert (ihre Vektoren werden gemittelt). Was ist die …

11 machine-learning neural-networks natural-language word-embeddings language-models

1

Training eines neuronalen Faltungsnetzwerks

Ich arbeite derzeit an einer Gesichtserkennungssoftware, die Faltungs-Neuronale Netze verwendet, um Gesichter zu erkennen. Aufgrund meiner Messwerte habe ich festgestellt, dass ein neuronales Faltungsnetzwerk gemeinsame Gewichte hat, um Zeit während des Trainings zu sparen. Aber wie passt man die Backpropagation an, damit sie in einem neuronalen Faltungsnetzwerk verwendet werden kann? …

11 machine-learning neural-networks computer-vision backpropagation conv-neural-network

Als «neural-networks» getaggte Fragen