Pertanyaan yang diberi tag «machine-learning»

Untuk pertanyaan yang terkait dengan pembelajaran mesin (ML), yang merupakan seperangkat metode yang dapat secara otomatis mendeteksi pola dalam data, dan kemudian menggunakan pola yang tidak tertutup untuk memprediksi data masa depan, atau untuk melakukan jenis pengambilan keputusan lain di bawah ketidakpastian (seperti merencanakan bagaimana untuk mengumpulkan lebih banyak data). ML biasanya dibagi menjadi pembelajaran yang diawasi, tidak diawasi, dan diperkuat. Pembelajaran mendalam adalah subbidang ML yang menggunakan jaringan saraf tiruan yang dalam.


8
Mengapa Python bahasa populer di bidang AI?
Pertama-tama, saya seorang pemula yang mempelajari AI dan ini bukan pertanyaan yang berorientasi opini atau satu untuk membandingkan bahasa pemrograman. Saya tidak menyiratkan bahwa Python adalah bahasa terbaik. Tetapi kenyataannya adalah bahwa sebagian besar kerangka kerja AI yang terkenal memiliki dukungan utama untuk Python. Mereka bahkan dapat didukung multi bahasa, …

3
Bagaimana jaringan saraf menangani berbagai ukuran input?
Sejauh yang saya tahu, jaringan saraf memiliki sejumlah neuron pada lapisan input. Jika jaringan saraf digunakan dalam konteks seperti NLP, kalimat atau blok teks dengan ukuran yang berbeda diumpankan ke jaringan. Bagaimana dengan ukuran input yang bervariasi berdamai dengan ukuran tetap dari lapisan masukan jaringan? Dengan kata lain, bagaimana jaringan …

4
Apakah jaringan saraf rentan terhadap bencana lupa?
Bayangkan Anda menunjukkan pada jaringan saraf gambar singa 100 kali dan diberi label dengan "berbahaya", sehingga mengetahui bahwa singa itu berbahaya. Sekarang bayangkan bahwa sebelumnya Anda telah menunjukkan jutaan gambar singa dan menandainya sebagai "berbahaya" dan "tidak berbahaya", sehingga kemungkinan singa menjadi berbahaya adalah 50%. Tetapi 100 kali terakhir telah …



4
Bagaimana cara memilih jumlah lapisan tersembunyi dan jumlah sel memori dalam LSTM?
Saya mencoba untuk menemukan beberapa penelitian yang ada tentang cara memilih jumlah lapisan tersembunyi dan ukuran ini dari RNN berbasis LSTM. Apakah ada artikel di mana masalah ini sedang diselidiki, yaitu, berapa banyak sel memori yang harus digunakan? Saya menganggap itu tergantung pada aplikasi dan dalam konteks mana model yang …




4
Bagaimana cara menangani gerakan yang tidak valid dalam pembelajaran penguatan?
Saya ingin membuat AI yang bisa memainkan lima-dalam-baris / gomoku. Seperti yang saya sebutkan dalam judul, saya ingin menggunakan pembelajaran penguatan untuk ini. Saya menggunakan metode gradien kebijakan , yaitu REINFORCE, dengan baseline. Untuk perkiraan nilai dan fungsi kebijakan, saya menggunakan jaringan saraf . Ini memiliki lapisan convolutional dan sepenuhnya …

7
Jika nilai digital hanyalah perkiraan, mengapa tidak kembali ke analog untuk AI?
Dorongan di balik transisi abad ke-20 dari sirkuit analog ke digital didorong oleh keinginan untuk akurasi yang lebih besar dan kebisingan yang lebih rendah. Sekarang kami sedang mengembangkan perangkat lunak di mana hasil perkiraan dan kebisingan memiliki nilai positif. Dalam jaringan buatan, kami menggunakan gradien (Jacobian) atau model tingkat kedua …

3
Memahami fungsi kerugian GAN
Saya berjuang untuk memahami fungsi kehilangan GAN seperti yang disediakan dalam Understanding Generative Adversarial Networks (posting blog yang ditulis oleh Daniel Seita). Dalam kehilangan lintas-entropi standar, kami memiliki output yang telah dijalankan melalui fungsi sigmoid dan klasifikasi biner yang dihasilkan. Sieta menyatakan Dengan demikian, Untuk [setiap] titik data dan labelnya, …

1
Perbedaan antara teknik backpropagation
Hanya untuk bersenang-senang, saya mencoba mengembangkan jaringan saraf. Sekarang, untuk backpropagation saya melihat dua teknik. Yang pertama digunakan di sini dan di banyak tempat lain juga. Apa yang dilakukannya adalah: Ini menghitung kesalahan untuk setiap neuron output. Ini mempropagandakannya ke jaringan (menghitung kesalahan untuk setiap neuron dalam). Ini memperbarui bobot …

3
Apa kompleksitas waktu untuk melatih jaringan saraf menggunakan back-propagation?
Misalkan NN berisi nnn lapisan tersembunyi, contoh pelatihan mmm , xxx fitur, dan ninin_i node di setiap lapisan. Apa kompleksitas waktu untuk melatih NN ini menggunakan back-propagation? Saya punya ide dasar tentang bagaimana mereka menemukan kompleksitas waktu dari algoritma, tetapi di sini ada 4 faktor yang berbeda untuk dipertimbangkan di …

Dengan menggunakan situs kami, Anda mengakui telah membaca dan memahami Kebijakan Cookie dan Kebijakan Privasi kami.
Licensed under cc by-sa 3.0 with attribution required.