Nauka danych deep-learning

3

Dlaczego społeczności NLP i Machine Learning są zainteresowane głębokim uczeniem się?

Mam nadzieję, że możesz mi pomóc, ponieważ mam kilka pytań na ten temat. Jestem nowy w dziedzinie głębokiego uczenia się i chociaż przeprowadziłem kilka samouczków, nie mogę nawiązywać ani rozróżniać pojęć.

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

3

Jaka jest różnica między spadkiem gradientu a spadkiem gradientu stochastycznego?

Jaka jest różnica między spadkiem gradientu a spadkiem gradientu stochastycznego? Nie znam ich zbyt dobrze, czy możesz opisać różnicę krótkim przykładem?

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

6

Dlaczego działają splotowe sieci neuronowe?

Często słyszę, jak ludzie mówią, dlaczego splotowe sieci neuronowe są nadal słabo poznane. Czy wiadomo, dlaczego splotowe sieci neuronowe zawsze uczą się coraz bardziej wyrafinowanych funkcji w miarę wchodzenia na kolejne warstwy? Co spowodowało, że stworzyli taki zestaw cech i czy dotyczyłoby to również innych typów głębokich sieci neuronowych?

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

6

Podstawy głębokiego uczenia się

Szukam artykułu szczegółowo opisującego podstawy głębokiego uczenia się. Idealnie jak kurs Andrew Ng do głębokiego uczenia się. Czy wiesz, gdzie mogę to znaleźć?

22 machine-learning deep-learning

4

Jak uzyskać dokładność, F1, precyzję i wycofanie, dla modelu Keras?

Chcę obliczyć precyzję, pamięć i wynik F1 dla mojego binarnego modelu KerasClassifier, ale nie znajduję żadnego rozwiązania. Oto mój rzeczywisty kod: # 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')) model.add(Dense(1, …

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

1

Czy istnieją jakieś zasady wyboru wielkości mini-partii?

Podczas uczenia sieci neuronowych jeden hiperparametr ma rozmiar minibatchu. Najczęściej wybierane są 32, 64 i 128 elementów na jedną partię. Czy istnieją jakieś zasady / wytyczne dotyczące wielkości mini-partii? Jakieś publikacje, które badają wpływ na szkolenie?

21 neural-network deep-learning convnet optimization

4

Czy spadek gradientu zawsze jest zbieżny z optymalnym?

Zastanawiam się, czy istnieje scenariusz, w którym zejście gradientu nie jest zbieżne do minimum. Zdaję sobie sprawę, że nie zawsze gwarantuje się, że zejście gradientu zbliży się do globalnego optimum. Wiem również, że może różnić się od optymalnego, jeśli powiedzmy, że stopień jest zbyt duży. Wydaje mi się jednak, że …

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

2

Wybór pomiędzy TensorFlow lub Theano jako backend dla Keras

Keras obsługuje zarówno TensorFlow i Theano jako backend: jakie są plusy / minusy wybierając jedną versus inne, oprócz faktu, że obecnie nie wszystkie operacje są realizowane przy backend TensorFlow?

20 neural-network deep-learning theano tensorflow keras

3

Wyodrębnianie słów kluczowych / fraz z tekstu przy użyciu bibliotek Deep Learning

Być może jest to zbyt ogólne, ale szukam referencji na temat korzystania z głębokiego uczenia się w zadaniu podsumowywania tekstu. Wdrożyłem już podsumowanie tekstu przy użyciu standardowych podejść do częstotliwości słów i rankingu zdań, ale chciałbym zbadać możliwość zastosowania technik głębokiego uczenia się do tego zadania. Przeszedłem również kilka implementacji …

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

2

Keras vs. tf.keras

Jestem trochę zagubiony w wyborze pomiędzy Keras (keras-team / keras) i tf.keras (tensorflow / tensorflow / python / keras /) dla mojego nowego projektu badawczego. Toczy się debata, w której Keras nie jest własnością nikogo, więc ludzie chętniej się do tego przyczyniają, a zarządzanie projektem będzie znacznie łatwiejsze w przyszłości. …

20 python deep-learning keras tensorflow

1

Prognozowanie szeregów czasowych za pomocą LSTM: Znaczenie unieruchomienia szeregów czasowych

W tym linku dotyczącym stacjonarności i różnicowania wspomniano, że modele takie jak ARIMA wymagają stacjonarnych szeregów czasowych do prognozowania, ponieważ jego właściwości statystyczne, takie jak średnia, wariancja, autokorelacja itp., Są stałe w czasie. Ponieważ sieci RNN mają lepszą zdolność do uczenia się relacji nieliniowych ( jak podano tutaj: Obietnica nawracających …

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

2

Dlaczego ReLU jest używane jako funkcja aktywacji?

Funkcje aktywacyjne służą do wprowadzenia nieliniowości w liniowym wyjściu typu w * x + bw sieci neuronowej. Które jestem w stanie zrozumieć intuicyjnie dla funkcji aktywacyjnych takich jak sigmoid. Rozumiem zalety ReLU, które pozwala uniknąć martwych neuronów podczas propagacji wstecznej. Jednak nie jestem w stanie zrozumieć, dlaczego ReLU jest używane …

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

4

Wyszukiwanie hiperparametrów dla LSTM-RNN za pomocą Keras (Python)

Z samouczka RNN firmy Keras: „RNN są trudne. Wybór wielkości partii jest ważny, wybór straty i optymalizatora ma kluczowe znaczenie itp. Niektóre konfiguracje nie będą zbieżne”. Jest to więc bardziej ogólne pytanie dotyczące dostrajania hiperparametrów LSTM-RNN w Keras. Chciałbym wiedzieć o podejściu do znalezienia najlepszych parametrów dla Twojego RNN. Zacząłem …

18 python neural-network deep-learning keras hyperparameter

2

lokalne minima vs punkty siodłowe w głębokim uczeniu się

Słyszałem, jak Andrew Ng (w filmie, którego niestety już nie mogę znaleźć) opowiadał o tym, jak zmieniło się rozumienie lokalnych minimów w problemach głębokiego uczenia się w tym sensie, że są one obecnie uważane za mniej problematyczne, ponieważ w przestrzeniach wielowymiarowych (spotykanych w głębokie uczenie się) punkty krytyczne częściej są …

18 machine-learning deep-learning optimization convergence

1

Różnica Keras między utratą wartości a utratą podczas treningu

Jaka jest różnica pomiędzy treningiem w Keras val_lossi losspodczas niego? Na przykład Epoch 1/20 1000/1000 [==============================] - 1s - loss: 0.1760, val_loss: 0.2032 Na niektórych stronach czytałem, że po sprawdzeniu poprawności nie działało.

18 machine-learning deep-learning keras

Pytania otagowane jako deep-learning