Preguntas etiquetadas con deep-learning

Según tengo entendido, las redes neuronales profundas están realizando un "aprendizaje de representación" al unir entidades en capas. Esto permite aprender estructuras dimensionales muy altas en las características. Por supuesto, es un modelo paramétrico con un número fijo de parámetros, por lo que tiene la limitación habitual de que la …

8 machine-learning  bayesian  nonparametric  deep-learning 

Soy bastante nuevo en el reconocimiento de dígitos, y he notado que muchos tutoriales usan la clasificación SVM, por ejemplo: http://hanzratech.in/2015/02/24/handwritten-digit-recognition-using-opencv-sklearn-and-python.html http://scikit-learn.org/stable/auto_examples/classification/plot_digits_classification.html Me gustaría saber si hay algún beneficio (específico del dominio) para esa herramienta, en comparación con, por ejemplo, Redes neuronales de aprendizaje profundo Clasificación basada en k-means Gracias …

8 svm  deep-learning  k-means  pattern-recognition  image-processing 

¿Es posible lograr resultados de vanguardia utilizando solo la propagación hacia atrás (sin entrenamiento previo )? ¿O es para que todos los enfoques de récord utilicen alguna forma de pre-entrenamiento? ¿La retropropagación sola es lo suficientemente buena?

8 deep-learning  autoencoders  deep-belief-networks  pre-training 

Como calentamiento con redes neuronales recurrentes, estoy tratando de predecir una onda sinusoidal a partir de otra onda sinusoidal de otra frecuencia. Mi modelo es un RNN simple, su pase directo se puede expresar de la siguiente manera: rtzt= σ(Wyo n⋅Xt+Wr e c⋅rt - 1) )=Wo u t⋅rtrt=σ(Wyonorte⋅Xt+WrmiC⋅rt-1))zt=Wotut⋅rt \begin{aligned} r_t …

8 regression  time-series  neural-networks  deep-learning  rnn 

He leído los excelentes comentarios sobre cómo lidiar con los valores perdidos antes de aplicar SVD, pero me gustaría saber cómo funciona con un ejemplo simple: Movie1 Movie2 Movie3 User1 5 4 User2 2 5 5 User3 3 4 User4 1 5 User5 5 1 5 Dada la matriz anterior, …

8 r  missing-data  data-imputation  svd  sampling  matlab  mcmc  importance-sampling  predictive-models  prediction  algorithms  graphical-model  graph-theory  r  regression  regression-coefficients  r-squared  r  regression  modeling  confounding  residuals  fitting  glmm  zero-inflation  overdispersion  optimization  curve-fitting  regression  time-series  order-statistics  bayesian  prior  uninformative-prior  probability  discrete-data  kolmogorov-smirnov  r  data-visualization  histogram  dimensionality-reduction  classification  clustering  accuracy  semi-supervised  labeling  state-space-models  t-test  biostatistics  paired-comparisons  paired-data  bioinformatics  regression  logistic  multiple-regression  mixed-model  random-effects-model  neural-networks  error-propagation  numerical-integration  time-series  missing-data  data-imputation  probability  self-study  combinatorics  survival  cox-model  statistical-significance  wilcoxon-mann-whitney  hypothesis-testing  distributions  normal-distribution  variance  t-distribution  probability  simulation  random-walk  diffusion  hypothesis-testing  z-test  hypothesis-testing  data-transformation  lognormal  r  regression  agreement-statistics  classification  svm  mixed-model  non-independent  observational-study  goodness-of-fit  residuals  confirmatory-factor  neural-networks  deep-learning 

https://www.tensorflow.org/ Todos los proyectos en TensorFlow que he visto en GitHub implementan algún tipo de modelo de red neuronal. Dado que TensorFlow es una mejora con respecto al DAG (ya no es acíclico), me preguntaba si alguna deficiencia inherente lo hace inadecuado para el modelo general de aprendizaje automático. En …

8 machine-learning  neural-networks  deep-learning  supervised-learning  tensorflow 

Soy nuevo en el aprendizaje profundo, por lo que esta podría ser una pregunta trivial. Pero me pregunto por qué el aprendizaje profundo (o red neuronal) no funciona muy bien en datos pequeños etiquetados. Cualesquiera que sean los trabajos de investigación que he leído, sus conjuntos de datos son enormes. …

8 neural-networks  deep-learning 

Estoy tratando de entender cómo se pueden usar los rnn para predecir secuencias trabajando con un ejemplo simple. Aquí está mi red simple, que consta de una entrada, una neurona oculta y una salida: La neurona oculta es la función sigmoidea, y se considera que la salida es una salida …

8 machine-learning  neural-networks  deep-learning  gradient-descent 

Soy muy nuevo en RBM, estoy intentando escribir un programa RBM ahora. Lo siento si esta es una pregunta tonta y / o respondida aquí ya. He leído algunos artículos en línea y preguntas aquí, pero no puedo encontrar nada sobre cómo actualizar los sesgos (o los pesos de sesgo). …

8 deep-learning  rbm  deep-belief-networks 

¿Cuál es la diferencia entre la red de creencias profundas y la red convexa profunda ?

8 machine-learning  neural-networks  deep-learning  deep-belief-networks 

Acabo de comenzar a usar el paquete autoencoder en R. Las entradas a la autoencode()función incluyen lambda, beta, rho y epsilon. ¿Cuáles son los límites de estos valores? ¿Varían para cada función de activación? ¿Se llaman estos parámetros "hiperparámetros"? Suponiendo un autoencoder disperso, ¿rho = .01 es bueno para la …

8 neural-networks  optimization  deep-learning  deep-belief-networks  autoencoders