Ich lese über generative Adversarial Networks (GANs) und habe einige Zweifel. Soweit ich weiß, gibt es in einem GAN zwei verschiedene Arten neuronaler Netze: eines ist generativ ( GGG ) und das andere diskriminativ ( DDD ). Das generative neuronale Netzwerk erzeugt einige Daten, die das...
Ich bin neu in neuronalen Netzen und versuche mathematisch zu verstehen, was neuronale Netze bei Klassifizierungsproblemen so gut macht. Am Beispiel eines kleinen neuronalen Netzwerks (zum Beispiel eines mit 2 Eingängen, 2 Knoten in einer verborgenen Schicht und 2 Knoten für den Ausgang) haben Sie...
Ich lerne neu in NLP. Ich interessiere mich für die satzgenerierende Aufgabe. Für mich ist das CharRNN eine Methode nach dem Stand der Technik , bei der RNN zur Erzeugung einer Wortfolge verwendet wird. Allerdings BERT hat vor einigen Wochen kommen und ist sehr mächtig. Daher frage ich mich, ob...
Geometrie und KI Matrizen, Würfel, Ebenen, Stapel und Hierarchien können genau als Topologien bezeichnet werden . Betrachten Sie in diesem Zusammenhang die Topologie als das übergeordnete geometrische Design eines Lernsystems. Mit zunehmender Komplexität ist es häufig nützlich, diese Topologien als...
Vor kurzem habe ich an einem Problem gearbeitet, um eine Kostenanalyse meiner Ausgaben für eine bestimmte Ressource durchzuführen. Normalerweise treffe ich einige manuelle Entscheidungen aus der Analyse und plane entsprechend. Ich habe einen großen Datensatz im Excel-Format und mit Hunderten von...
Hilft die Erhöhung des Datenrauschens, die Lernfähigkeit eines Netzwerks zu verbessern? Macht es einen Unterschied oder hängt es vom zu lösenden Problem ab? Wie wirkt es sich auf den Generalisierungsprozess insgesamt
Ich versuche, mein eigenes System so zu programmieren, dass ein neuronales Netzwerk ausgeführt wird. Um die Anzahl der benötigten Knoten zu verringern, wurde vorgeschlagen, die Rotationen der Eingabe gleich zu behandeln. Mein Netzwerk zielt darauf ab, Conways Spiel des Lebens zu lernen und...
Welche Schicht verbraucht im Convolutional Neural Network maximal Zeit im Training? Faltungsschichten oder vollständig verbundene Schichten? Wir können die AlexNet-Architektur verwenden, um dies zu verstehen. Ich möchte eine zeitliche Aufteilung des Trainingsprozesses sehen. Ich möchte einen...
Ich habe das folgende Spickzettel für neuronale Netze gefunden (Spickzettel für KI, Neuronale Netze, Maschinelles Lernen, Deep Learning und Big Data ). Wofür werden all diese verschiedenen Arten von neuronalen Netzen verwendet? Welche neuronalen Netze können beispielsweise zur Regression oder...
Ich erforsche zelluläre neuronale Netze und habe bereits Chuas zwei Artikel ( 1988 ) gelesen . In zellularen neuronalen Netzen steht eine Zelle nur in Beziehung zu ihren Nachbarn. So ist es einfach für die Echtzeit-Bildverarbeitung zu verwenden. Die Bildverarbeitung wird mit nur 19 Zahlen...
Ich erforsche affektives Computing. Insbesondere studiere ich den Teil der Emotionserkennung, dh die Aufgabe, die Emotionen zu erkennen, die vom Benutzer / Subjekt empfunden werden. Zu diesem Zweck kann beispielsweise Affektiva verwendet werden. Ich habe Bedenken nicht hinsichtlich der Gültigkeit...
In dem Blog-Beitrag Erstellen leistungsfähiger Bildklassifizierungsmodelle mit sehr wenigen Daten werden Engpassfunktionen erwähnt. Was sind die Engpassmerkmale? Ändern sie sich mit der verwendeten Architektur? Sind sie die endgültige Ausgabe von Faltungsschichten vor der vollständig verbundenen...
Während meiner Forschung bin ich auf "komplexwertige neuronale Netze" gestoßen, bei denen es sich um neuronale Netze handelt, die mit komplexwertigen Eingaben arbeiten (wahrscheinlich auch mit Gewichten). Was sind die Vorteile (oder einfach die Anwendungen) dieser Art von neuronalen Netzen...
Ich bin daran interessiert zu wissen, ob es ein neuronales Netzwerk gibt, das (mit einer Genauigkeit von> = 80%) ein nicht triviales Problem löst, das nur sehr wenige Knoten verwendet (wobei 20 Knoten keine feste Grenze darstellen). Ich möchte eine Intuition über die Größe neuronaler Netze...
Was ist der grundlegende Unterschied zwischen Faltungs-Neuronalen Netzen und wiederkehrenden Neuronalen Netzen? Wo werden sie
AlphaGo Zero enthält mehrere Verbesserungen gegenüber seinen Vorgängern. Architektonische Details von Alpha Go Zero sind in diesem Spickzettel zu sehen . Eine dieser Verbesserungen ist die Verwendung eines einzelnen neuronalen Netzwerks, das gleichzeitig die Bewegungswahrscheinlichkeiten und den...
Ich bin gerade auf das Konzept der Neuronenabdeckung gestoßen, bei dem es sich um das Verhältnis von aktivierten Neuronen und Gesamtneuronen in einem neuronalen Netzwerk handelt. Aber was bedeutet es für ein Neuron, "aktiviert" zu werden? Ich weiß, was Aktivierungsfunktionen sind, aber was bedeutet...
Das mag für jemanden albern klingen, der viel Erfahrung mit neuronalen Netzen hat, aber es stört mich ... Ich meine, die Randomisierung der Anfangsgewichte könnte zu besseren Ergebnissen führen, die etwas näher an dem liegen, wie das trainierte Netzwerk aussehen sollte, aber es könnte genauso gut...
Ich denke, dass der Vorteil der Verwendung von Leaky ReLU anstelle von ReLU darin besteht, dass wir auf diese Weise keinen verschwindenden Gradienten haben können. Die parametrische ReLU hat den gleichen Vorteil mit dem einzigen Unterschied, dass die Steigung des Ausgangs für negative Eingänge ein...
Gibt es mögliche Modelle, die in naher Zukunft das Potenzial haben, neuronale Netze zu ersetzen? Und brauchen wir das überhaupt? Was ist das Schlimmste an der Nutzung neuronaler Netze in Bezug auf die