Bei Fragen zu künstlichen Netzwerken wie MLPs, CNNs, RNNs, LSTM- und GRU-Netzwerken, deren Varianten oder anderen AI-Systemkomponenten, die sich als neuronale Netzwerke qualifizieren, sind sie teilweise von biologischen neuronalen Netzwerken inspiriert.
Wissen Wissenschaftler oder Forschungsexperten aus der Küche, was in einem komplexen "tiefen" neuronalen Netzwerk mit mindestens Millionen von Verbindungen geschieht, die gleichzeitig ausgelöst werden? Verstehen sie den Prozess dahinter (z. B. was im Inneren passiert und wie es genau funktioniert)...
Die folgende Seite / Studie zeigt, dass die tiefen neuronalen Netze leicht getäuscht werden können, indem Vorhersagen mit hohem Vertrauen für nicht erkennbare Bilder abgegeben werden, z Wie ist das möglich? Kannst du das bitte im Idealfall im Klartext
Soweit ich das beurteilen kann, haben neuronale Netze eine feste Anzahl von Neuronen in der Eingabeebene. Wenn neuronale Netzwerke in einem Kontext wie NLP verwendet werden, werden Sätze oder Textblöcke unterschiedlicher Größe in ein Netzwerk eingespeist. Wie wird die variierende Eingabegröße mit...
Stellen Sie sich vor, Sie zeigen einem neuronalen Netzwerk 100-mal das Bild eines Löwen und kennzeichnen es mit "gefährlich", damit es erfährt, dass Löwen gefährlich sind. Stellen Sie sich nun vor, Sie hätten es zuvor Millionen von Löwenbildern gezeigt und alternativ als "gefährlich" und "nicht...
Geoffrey Hinton hat etwas erforscht, das er "Kapseltheorie" in neuronalen Netzen nennt. Was ist das und wie funktioniert
Ich habe zuvor von Informatikern und Forschern auf dem Gebiet der KI gehört, dass Lisp eine gute Sprache für Forschung und Entwicklung auf dem Gebiet der künstlichen Intelligenz ist. Gilt dies immer noch mit der Verbreitung neuronaler Netze und des tiefen Lernens? Was war ihre Begründung dafür? In...
Ich versuche, eine existierende Untersuchung zu finden, wie die Anzahl der verborgenen Schichten und die Größe dieser einer LSTM-basierten RNN ausgewählt werden kann. Gibt es einen Artikel, in dem dieses Problem untersucht wird, dh wie viele Speicherzellen sollte man verwenden? Ich gehe davon aus,...
Ich verstehe, dass die Faltungsschicht eines neuronalen Faltungsnetzwerks vier Dimensionen hat: Eingabekanäle, Filterhöhe, Filterbreite, Anzahl der Filter. Ich verstehe außerdem, dass jeder neue Filter nur über ALLE input_channels (oder Feature- / Aktivierungskarten aus der vorherigen Ebene)...
In dem Artikel Die Einschränkungen des Deep Learning in konträren Umgebungen wird untersucht, wie neuronale Netzwerke von einem Angreifer beschädigt werden können, der den Datensatz manipulieren kann, mit dem das neuronale Netzwerk trainiert. Die Autoren experimentieren mit einem neuronalen...
Wie unterscheidet sich ein neuronales Netzwerk mit dem Adjektiv "tief" von anderen ähnlichen
Mir ist bewusst, dass neuronale Netze wahrscheinlich nicht dafür ausgelegt sind. Ist es jedoch möglich, das tiefe neuronale Netz (oder ähnliches) zu trainieren, um mathematische Gleichungen zu lösen? Bei 3 Eingaben: 1. Nummer, Vorzeichen des Bedieners (1 - +, 2 - -, 3 - /, 4 - *usw.) und 2. Nummer,...
Ich möchte ein neuronales Netzwerk trainieren, in dem die Ausgabeklassen nicht von Anfang an (alle) definiert sind. Weitere Klassen werden später basierend auf eingehenden Daten eingeführt. Dies bedeutet, dass ich jedes Mal, wenn ich eine neue Klasse einführe, das NN neu trainieren muss. Wie kann...
Ich bin nicht auf der Suche nach einer effizienten Möglichkeit, Primzahlen zu finden (was natürlich ein gelöstes Problem ist ). Dies ist eher eine "Was-wäre-wenn" -Frage. Theoretisch: Könnten Sie ein neuronales Netzwerk trainieren, um vorherzusagen, ob eine bestimmte Zahl n zusammengesetzt oder...
Kann ein Convolutional Neural Network zur Mustererkennung in einem Problembereich verwendet werden, in dem keine Bilder vorhanden sind, beispielsweise durch grafische Darstellung abstrakter Daten? Wäre das immer weniger effizient? Dieser Entwickler sagt, die aktuelle Entwicklung könnte noch weiter...
Angenommen, wir haben eine große Anzahl von Beweisen im Prädikatenkalkül erster Ordnung. Angenommen, wir haben auch die Axiome, Korollarien und Theoreme auf diesem Gebiet der Mathematik in dieser Form. Betrachten Sie jeden Satz, der bewiesen wurde, und den Bestand der existierenden Theorie, der...
Frameworks wie PyTorch und TensorFlow bis TensorFlow Fold unterstützen Dynamic Computational Graphs und erhalten die Aufmerksamkeit von Datenwissenschaftlern. Es scheint jedoch einen Mangel an Ressourcen zu geben, um das Verständnis dynamischer Computergraphen zu verbessern. Der Vorteil von Dynamic...
Ich habe diese Begriffe häufig auf dieser Website gesehen, insbesondere in den Tags Convolutional-Neural-Networks und Neural-Networks . Ich weiß, dass ein neuronales Netzwerk ein System ist, das lose auf dem menschlichen Gehirn basiert. Aber was ist der Unterschied zwischen einem Convolutional...
Aus Wikipedia: Ein Spiegelneuron ist ein Neuron, das sowohl ausgelöst wird, wenn ein Tier handelt, als auch wenn das Tier die gleiche Aktion beobachtet, die von einem anderen Tier ausgeführt wird. Spiegelneuronen beziehen sich auf Imitationslernen, eine sehr nützliche Funktion, die in aktuellen...
Ich kämpfe darum, die GAN-Verlustfunktion zu verstehen, wie sie in " Grundlegendes zu generativen kontradiktorischen Netzwerken" (einem Blogbeitrag von Daniel Seita) beschrieben wird. Beim Standard-Cross-Entropy-Loss haben wir eine Ausgabe, die eine Sigmoid-Funktion und eine resultierende binäre...
Es wird gesagt, dass Aktivierungsfunktionen in neuronalen Netzen dazu beitragen, Nichtlinearität einzuführen . Was bedeutet das? Was bedeutet in diesem Zusammenhang Nichtlinearität ? Wie hilft die Einführung dieser Nichtlinearität ? Gibt es andere Zwecke für Aktivierungsfunktionen ?...