Pytania otagowane jako deep-learning

W przypadku pytań związanych z uczeniem głębokim, które odnosi się do podzbioru metod uczenia maszynowego opartych na sztucznych sieciach neuronowych (SSN) z wieloma ukrytymi warstwami. Zatem przymiotnik głęboki odnosi się do liczby warstw SSN. Wyrażenie głębokie uczenie się zostało najwyraźniej wprowadzone (choć nie w kontekście uczenia maszynowego lub SSN) w 1986 r. Przez Rinę Dechter w artykule „Uczenie się podczas wyszukiwania problemów z ograniczeniami”.


3
Jak sieci neuronowe mogą sobie radzić z różnymi wielkościami wejściowymi?
O ile mogę stwierdzić, sieci neuronowe mają stałą liczbę neuronów w warstwie wejściowej. Jeśli sieci neuronowe są używane w kontekście takim jak NLP, zdania lub bloki tekstu o różnych rozmiarach są podawane do sieci. W jaki sposób różny rozmiar wejściowy jest pogodzony ze stałym rozmiarem wejściowej warstwy sieci? Innymi słowy, …

21
Czy komputery cyfrowe mogą zrozumieć nieskończoność?
Jako istota ludzka możemy myśleć o nieskończoności. Zasadniczo, jeśli mamy wystarczającą ilość zasobów (czasu itp.), Możemy policzyć nieskończenie wiele rzeczy (w tym abstrakcyjne, takie jak liczby lub rzeczywiste). Na przykład możemy wziąć pod uwagę liczby całkowite. Zasadniczo możemy myśleć i „rozumieć” nieskończenie wiele liczb wyświetlanych na ekranie. W dzisiejszych czasach …


3
Dlaczego Lisp jest tak dobrym językiem dla AI?
Wcześniej słyszałem od informatyków i badaczy z obszaru sztucznej inteligencji, że Lisp jest dobrym językiem dla badań i rozwoju sztucznej inteligencji. Czy to nadal obowiązuje, wraz z rozprzestrzenianiem się sieci neuronowych i głębokim uczeniem się? Jakie było ich uzasadnienie? W jakich językach są obecnie wbudowane obecne systemy głębokiego uczenia się?

8
Czy w CNN każdy nowy filtr ma różne wagi dla każdego kanału wejściowego, czy też te same wagi każdego filtra są używane w kanałach wejściowych?
Rozumiem, że warstwa splotowa splotowej sieci neuronowej ma cztery wymiary: kanały wejściowe, wysokość filtru, szerokość filtru, liczba filtrów. Co więcej, rozumiem, że każdy nowy filtr jest po prostu zawijany przez WSZYSTKIE kanały wejściowe (lub mapy funkcji / aktywacji z poprzedniej warstwy). JEDNAK grafika poniżej z CS231 pokazuje, że każdy filtr …

9
Czy sztuczna inteligencja jest podatna na ataki hakerskie?
Artykuł Ograniczenia głębokiego uczenia się w ustawieniach przeciwnych bada, w jaki sposób sieci neuronowe mogą zostać uszkodzone przez atakującego, który może manipulować zestawem danych, z którym trenuje sieć neuronowa. Autorzy eksperymentują z siecią neuronową przeznaczoną do odczytywania odręcznych cyfr, podważając jej zdolność do czytania poprzez zniekształcanie próbek odręcznych cyfr, z …

4
Czy można wytrenować głębokie sieci w celu udowodnienia twierdzeń?
Załóżmy, że mamy dużą liczbę dowodów w rachunku predykatów pierwszego rzędu. Załóżmy, że mamy również aksjomaty, następstwa i twierdzenia w tej dziedzinie matematyki w tej formie. Rozważ każdą twierdzenie, która została udowodniona, oraz treść istniejącej teorii otaczającej tę konkretną propozycję jako przykład w zestawie szkoleniowym i znany dobry dowód propozycji …


3
Zrozumienie funkcji utraty GAN
Usiłuję zrozumieć funkcję utraty GAN przedstawioną w Understanding Generative Adversarial Networks (post na blogu napisany przez Daniela Seity). W standardowej stracie entropijnej mamy wyjście, które zostało przepuszczone przez funkcję sigmoidalną i wynikową klasyfikację binarną. Stwierdza Sieta Zatem dla [każdego] punktu danych x1x1x_1 i jego etykiety otrzymujemy następującą funkcję utraty ... …

4
Problemy i alternatywy dla metod głębokiego uczenia się?
W ciągu ostatnich 50 lat wzrost / spadek / wzrost popularności sieci neuronowych działał jako coś w rodzaju „barometru” badań AI. Z pytań na tej stronie jasno wynika, że ​​ludzie są zainteresowani zastosowaniem głębokiego uczenia się (DL) do szerokiej gamy trudnych problemów. Mam zatem dwa pytania: Praktycy - Jakie są …

5
Czy sieć neuronowa może służyć do przewidywania kolejnej liczby pseudolosowej?
Czy możliwe jest zasilanie sieci neuronowej wyjściem z generatora liczb losowych i oczekiwanie, że nauczy się funkcji mieszania (lub generatora), aby mógł przewidzieć, jaka będzie kolejna generowana liczba pseudolosowa ? Czy coś takiego już istnieje? Jeśli badania zostały już przeprowadzone w tej sprawie lub w związku z czymś (z przewidywaniem …




Korzystając z naszej strony potwierdzasz, że przeczytałeś(-aś) i rozumiesz nasze zasady używania plików cookie i zasady ochrony prywatności.
Licensed under cc by-sa 3.0 with attribution required.