Pertanyaan yang diberi tag «deep-learning»

Saya harap Anda dapat membantu saya, karena saya memiliki beberapa pertanyaan tentang topik ini. Saya baru di bidang pembelajaran mendalam, dan sementara saya melakukan beberapa tutorial, saya tidak dapat menghubungkan atau membedakan konsep satu sama lain.

24 machine-learning  data-mining  neural-network  nlp  deep-learning 

Apa perbedaan antara Gradient Descent dan Stochastic Gradient Descent? Saya tidak terlalu terbiasa dengan ini, dapatkah Anda menggambarkan perbedaannya dengan contoh singkat?

24 machine-learning  neural-network  deep-learning  gradient-descent 

Saya sering mendengar orang mengatakan bahwa mengapa jaringan saraf convolutional masih kurang dipahami. Apakah diketahui mengapa jaringan saraf convolutional selalu berakhir dengan belajar fitur yang semakin canggih saat kita naik lapisan? Apa yang menyebabkan mereka membuat setumpuk fitur dan apakah ini juga berlaku untuk jenis jaringan saraf dalam lainnya?

22 machine-learning  neural-network  deep-learning  convnet  cnn 

Saya mencari makalah yang merinci dasar-dasar pembelajaran yang mendalam. Idealnya seperti kursus Andrew Ng untuk pembelajaran mendalam. Apakah Anda tahu di mana saya dapat menemukan ini?

22 machine-learning  deep-learning 

Saat melatih jaringan saraf, satu hyperparameter adalah ukuran minibatch. Pilihan umum adalah 32, 64 dan 128 elemen per batch mini. Apakah ada aturan / pedoman seberapa besar mini-batch seharusnya? Adakah publikasi yang menyelidiki efeknya terhadap pelatihan?

21 neural-network  deep-learning  convnet  optimization 

Saya bertanya-tanya apakah ada skenario di mana gradient descent tidak menyatu ke minimum. Saya sadar bahwa gradient descent tidak selalu dijamin akan menyatu dengan global optimal. Saya juga sadar bahwa itu mungkin berbeda dari optimal jika, katakanlah, ukuran langkah terlalu besar. Namun, bagi saya tampaknya, jika itu menyimpang dari beberapa …

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

Dalam tautan ini pada Stationaritas dan perbedaan , telah disebutkan bahwa model-model seperti ARIMA memerlukan deret waktu stasionerisasi untuk peramalan karena sifat statistiknya seperti rerata, ragam, autokorelasi dll konstan dari waktu ke waktu. Karena RNN memiliki kapasitas yang lebih baik untuk mempelajari hubungan non-linear ( seperti yang diberikan di sini: …

21 deep-learning  predictive-modeling  time-series  forecast  lstm 

Keras mendukung TensorFlow dan Theano sebagai backend: apa pro / kontra dari memilih satu versus yang lain, selain fakta bahwa saat ini tidak semua operasi diimplementasikan dengan backend TensorFlow?

20 neural-network  deep-learning  theano  tensorflow  keras 

Mungkin ini terlalu luas, tetapi saya mencari referensi tentang bagaimana menggunakan pembelajaran mendalam dalam tugas meringkas teks. Saya sudah menerapkan peringkasan teks menggunakan pendekatan frekuensi kata standar dan peringkat kalimat, tetapi saya ingin mengeksplorasi kemungkinan menggunakan teknik pembelajaran yang mendalam untuk tugas ini. Saya juga telah melalui beberapa implementasi yang …

20 neural-network  text-mining  deep-learning  beginner  tensorflow 

Saya agak bingung dalam memilih antara Keras (keras-tim / keras) dan tf.keras (tensorflow / tensorflow / python / keras /) untuk proyek penelitian baru saya. Ada perdebatan bahwa Keras tidak dimiliki oleh siapa pun, sehingga orang lebih senang untuk berkontribusi dan akan lebih mudah untuk mengelola proyek di masa depan. …

20 python  deep-learning  keras  tensorflow 

Saya ingin menghitung ketepatan, daya ingat dan skor-F1 untuk model KerasClassifier biner saya, tetapi tidak menemukan solusi. Ini kode saya yang sebenarnya: # Split dataset in train and test data X_train, X_test, Y_train, Y_test = train_test_split(normalized_X, Y, test_size=0.3, random_state=seed) # Build the model model = Sequential() model.add(Dense(23, input_dim=45, kernel_initializer='normal', activation='relu')) …

20 machine-learning  neural-network  deep-learning  classification  keras 

Fungsi aktivasi digunakan untuk memperkenalkan non-linearitas dalam output linear dari tipe w * x + bdalam jaringan saraf. Yang saya bisa mengerti secara intuitif untuk fungsi aktivasi seperti sigmoid. Saya mengerti keuntungan dari ReLU, yaitu menghindari neuron mati selama backpropagation. Namun, saya tidak dapat memahami mengapa ReLU digunakan sebagai fungsi …

19 machine-learning  neural-network  deep-learning  activation-function 

Dari Keras RNN Tutorial: "RNN itu rumit. Pilihan ukuran batch penting, pilihan kehilangan dan pengoptimal sangat penting, dll. Beberapa konfigurasi tidak akan bertemu." Jadi ini lebih merupakan pertanyaan umum tentang menyetel hyperparameter dari LSTM-RNN pada Keras. Saya ingin tahu tentang pendekatan untuk menemukan parameter terbaik untuk RNN ​​Anda. Saya mulai …

18 python  neural-network  deep-learning  keras  hyperparameter 

Saya mendengar Andrew Ng (dalam video yang sayangnya tidak dapat saya temukan lagi) berbicara tentang bagaimana pemahaman tentang minimum lokal dalam masalah pembelajaran yang mendalam telah berubah dalam arti bahwa mereka sekarang dianggap kurang bermasalah karena dalam ruang dimensi tinggi (ditemui dalam pembelajaran mendalam) poin-poin kritis lebih cenderung menjadi poin …

18 machine-learning  deep-learning  optimization  convergence 

Apa perbedaan antara val_lossdan lossselama pelatihan di Keras? Misalnya Epoch 1/20 1000/1000 [==============================] - 1s - loss: 0.1760, val_loss: 0.2032 Di beberapa situs saya membaca bahwa pada validasi, dropout tidak berfungsi.

18 machine-learning  deep-learning  keras