Вопросы с тегом «neural-networks»

Из Википедии: Зеркальный нейрон - это нейрон, который срабатывает как тогда, когда животное действует, так и когда животное наблюдает за тем же действием, совершенным другим. Зеркальные нейроны связаны с имитационным обучением, очень полезной функцией, которая отсутствует в современных реализациях искусственного интеллекта. Вместо того, чтобы учиться на примерах ввода-вывода (контролируемое обучение) …

17 neural-networks  models 

Это из закрытого бета-тестирования для ИИ, с этим вопросом, отправленным пользователем номер 47. Все кредиты им. Согласно Википедии , Машины Больцмана можно рассматривать как стохастический генеративный аналог сетей Хопфилда. Оба являются рекуррентными нейронными сетями, которые можно обучить изучению битовых комбинаций. Затем при представлении с частичным шаблоном сеть извлечет полный полный …

17 neural-networks  comparison  recurrent-neural-networks 

Я изо всех сил пытаюсь понять функцию потери GAN, как это предусмотрено в статье « Понимание порождающих противоборствующих сетей» (сообщение в блоге, написанное Дэниелом Сейта). В стандартной кросс-энтропийной потере мы имеем выход, который был пропущен через сигмовидную функцию и полученную двоичную классификацию. Сиета заявляет Таким образом, для [каждой] точки данных …

17 neural-networks  machine-learning  deep-learning  loss-functions  generative-adversarial-networks 

Ради интереса я пытаюсь разработать нейронную сеть. Теперь для обратного распространения я увидел две техники. Первый используется здесь и во многих других местах. Что это делает: Он вычисляет ошибку для каждого выходного нейрона. Он распространяет его обратно в сеть (вычисляя ошибку для каждого внутреннего нейрона). Он обновляет веса по формуле: …

17 neural-networks  machine-learning  backpropagation 

Предположим, что NN содержит nnn скрытых слоев, mmm обучающих примеров, xxx объектов и ninin_i узлов на каждом уровне. Какова сложность времени для обучения этой NN с использованием обратного распространения? У меня есть базовая идея о том, как они находят временную сложность алгоритмов, но здесь есть 4 различных фактора, которые необходимо …

17 neural-networks  machine-learning  backpropagation  time-complexity 

Говорят, что функции активации в нейронных сетях помогают ввести нелинейность . Что это значит? Что означает нелинейность в этом контексте? Как помогает введение этой нелинейности ? Существуют ли другие цели активации функций ?

17 neural-networks  deep-learning 

Модульные / множественные нейронные сети (MNN) вращаются вокруг обучения небольших независимых сетей, которые могут взаимодействовать друг с другом или другой более высокой сетью. В принципе, иерархическая организация может позволить нам разобраться в более сложных проблемных пространствах и достичь более высокой функциональности, но, кажется, трудно найти примеры конкретных исследований, проведенных в …

16 neural-networks  topology  architecture  neurons  biology 

Я много раз слышал, что «Нейронные сети - лучшее приближение, которое мы должны моделировать человеческий мозг», и я думаю, что общеизвестно, что Нейронные сети моделируются по нашему мозгу. Я сильно подозреваю, что эта модель была упрощена, но насколько? Насколько, скажем, ванильный NN отличается от того, что мы знаем о человеческом …

16 neural-networks  brain  topology 

Предположим, для CNN требуется 10K изображений размером 2400 x 2400. По моему мнению, будут полезны обычные компьютеры, которые используют люди. Теперь вопрос заключается в том, как обрабатывать изображения такого большого размера, когда нет привилегий понижающей дискретизации. Вот системные требования: - Ubuntu 16.04 64-битная RAM 16 ГБ GPU 8 ГБ HDD …

15 neural-networks  deep-learning  image-recognition  convolutional-neural-networks 

Я просто хочу знать, почему инженеры машинного обучения и программисты ИИ используют языки, такие как python, для выполнения задач ИИ, а не C ++, хотя C ++ технически более мощный язык, чем python.

15 neural-networks  machine-learning  python  data-science  c++ 

Дана нейронная сеть fff которая принимает в качестве входных данных nnn точек: x1,…,xnx1,…,xnx_1, \dots, x_n . Мы говорим, что fff является перестановкой, если f(x1...xn)=f(pi(x1...xn))f(x1...xn)=f(pi(x1...xn))f(x_1 ... x_n) = f(pi(x_1 ... x_n)) для любой перестановки р япяpi . Может ли кто-нибудь порекомендовать отправную точку (статью, пример или другую статью) для нейронных сетей, …

14 neural-networks  machine-learning  reference-request 

Большинство людей пытается ответить на вопрос с помощью нейронной сети. Однако кто-нибудь придумал, как заставить нейронную сеть задавать вопросы, а не отвечать на вопросы? Например, если CNN может решить, к какой категории относится объект, то может ли он задать какой-то вопрос, чтобы помочь классификации?

14 neural-networks  deep-learning 

Для детерминированного проблемного пространства мне нужно найти нейронную сеть с оптимальной структурой узлов и связей. Я хочу использовать генетический алгоритм для моделирования многих нейронных сетей, чтобы найти наилучшую структуру сети для проблемной области. Я никогда раньше не использовал генетические алгоритмы для такой задачи. Каковы практические соображения? В частности, как я …

14 neural-networks  ai-design  genetic-algorithms  evolutionary-algorithms  neuroevolution 

Предположим, что я хочу решить проблему с нейронной сетью, которая либо не подходит для уже существующих топологий (персептрон, Конохен и т. Д.), Либо я просто не знаю о существовании этих или я не могу понять их механика и я полагаюсь на себя вместо этого. Как я могу автоматизировать выбор топологии …

14 neural-networks  topology  neuroevolution 

Использует ли человеческий мозг определенную функцию активации? Я попытался провести какое-то исследование, и поскольку это порог для того, посылается ли сигнал через нейрон или нет, это звучит очень похоже на ReLU. Однако я не могу найти ни одной статьи, подтверждающей это. Или это больше похоже на пошаговую функцию (она отправляет …

13 neural-networks  machine-learning  brain