«neural-network» 태그된 질문

Keras의 초보자이며 라이브러리가 실제로 어떻게 작동하는지 이해하기 위해 MNIST 예제로 시작했습니다. Keras 예제 폴더에서 MNIST 문제의 코드 스 니펫은 다음과 같습니다. import numpy as np np.random.seed(1337) # for reproducibility from keras.datasets import mnist from keras.models import Sequential from keras.layers import Dense, Dropout, Activation, Flatten from keras.layers import Convolution2D, MaxPooling2D from …

10 python  neural-network  deep-learning  keras 

나는 실험과 모범을 통해 가장 잘 배웁니다. 나는 신경망에 대해 배우고 있으며 (내 생각에는) 분류와 회귀에 대한 이해력이 뛰어나고 감독되고 감독되지 않은 학습이지만, 나는 조용히 파악할 수없는 무언가를 발견했습니다. 복잡한 게임을하도록 AI를 훈련시키고 싶었다면; RTS와 같은 것을 생각하고 있습니다 (예 : Age of Empires, Empire Earth 등). 이러한 유형의 게임에는 …

10 machine-learning  neural-network 

텍스트 단락을 제공하여 시스템을 분류하고 컨텍스트를 식별 할 수있는 시스템을 설계하려고합니다. 사용자 생성 텍스트 단락 (댓글 / 질문 / 응답 등)으로 훈련 트레이닝 세트의 각 항목은로 태그됩니다. 예를 들어 ( "카테고리 1", "텍스트 단락") 수백 가지 범주가 있습니다 그러한 시스템을 구축하는 가장 좋은 방법은 무엇입니까? 몇 가지 다른 옵션을 살펴본 …

10 neural-network  text-mining  multiclass-classification  word-embeddings 

텍스트와 같은 셰익스피어를 생산하는 LSTM 모델에서 인상적인 결과를 보았습니다. R에 LSTM 패키지가 존재하는지 궁금합니다 .Google에서 검색했지만 Python 및 Julia에 대한 패키지 만 찾았습니다. (이러한 프로그램이 R보다 선호되는 이유를 설명하는 성능 문제가있을 수 있습니다.) R의 LSTM (또는 최소한 RNN) 패키지에 대해 알고 있습니까? 존재하는 경우 사용하기위한 자습서가 있습니까?

10 r  neural-network  rnn 

방금 자동 인코더 변환에 관한 Geoff Hinton의 논문을 읽었습니다. Hinton, Krizhevsky 및 Wang : 자동 인코더 변환 . 인공 신경 네트워크 및 기계 학습에서, 2011. 이런 식으로 장난하고 싶습니다. 그러나 그것을 읽은 후에는 실제로 그것을 구현할 수있는 방법에 대한 논문에서 충분한 세부 정보를 얻을 수 없었습니다. 입력 픽셀과 캡슐 간의 …

10 neural-network  deep-learning  autoencoder 

ANN을 사용하여 거래 통화, 바람직하게는 USD / EUR 또는 USD / GBP를 자동화하고 싶습니다. 나는 이것이 어렵고 간단하지 않을 수 있음을 알고 있습니다. 나는 이미 몇 가지 논문을 읽고 실험을 해 보았지만 많은 운이 없었습니다. 이 작업을 수행하기 위해 전문가로부터 조언을 얻고 싶습니다. 여기까지 내가 한 일이 있습니다. 2013 년 …

10 neural-network 

네덜란드의 일부 건물의 에너지 가스 소비에서 특이 치를 탐지하여 신경망 모델을 구축했습니다. 결과가 매우 좋지 않지만 이유를 찾을 수 없습니다. 저는 전문가가 아니므로 개선 할 수있는 것과 내가 뭘 잘못하고 있는지 묻고 싶습니다. 이에 대한 자세한 설명은 https://github.com/denadai2/Gas-consumption-outliers 입니다. 신경망은 역 전파를 갖는 FeedFoward 네트워크입니다. 여기에 설명 된대로 데이터 세트를 …

10 neural-network  outlier 

Convolutional Neural Networks에 대해 배웠습니다. Keras예제를 볼 때 세 가지 다른 회선 방법을 발견했습니다. 즉, 1D, 2D 및 3D입니다. 이 세 계층의 차이점은 무엇입니까? 그들의 사용 사례는 무엇입니까? 유스 케이스를 보여주는 링크 또는 참조가 있습니까?

10 machine-learning  neural-network  deep-learning  keras  cnn 

저는 신경망의 초보자이며 현재 word2vec 모델을 탐색하고 있습니다. 그러나 기능 매트릭스가 정확히 무엇인지 이해하기가 어렵습니다. 첫 번째 행렬은 주어진 단어에 대한 one-hot 인코딩 벡터라는 것을 이해할 수 있지만 두 번째 행렬은 무엇을 의미합니까? 보다 구체적으로, 이들 각각의 값 (즉, 17, 24, 1 등)은 무엇을 의미합니까?

10 machine-learning  neural-network  word2vec 

에서 소개 난 그냥 변경 loss = tf.reduce_mean(tf.square(y - y_data)) 에 loss = tf.reduce_mean(tf.abs(y - y_data)) 모델은 손실이 시간이 지남에 따라 커짐을 알 수 없습니다. 왜?

10 neural-network  deep-learning  tensorflow 

20000 샘플의 데이터 세트가 있으며 각각 12 개의 다른 기능이 있습니다. 각 샘플의 범주는 0 또는 1입니다. 결과와 두 기술을 비교할 수 있도록 샘플을 분류하기 위해 신경망과 의사 결정 포리스트를 훈련시키고 싶습니다. 내가 우연히 만난 것은 데이터의 적절한 정규화입니다. 하나의 기능이 범위 내에 있습니다[0,106][0,106][0,10^6], 다른 하나 [30,40][30,40][30,40]다른 값을 읽을 때 …

10 neural-network  decision-trees  normalization 

을 감안할 때 어려운 학습 과제 (예 : 높은 차원, 고유 데이터의 복잡성) 깊은 신경망은 기차 열심히된다. 많은 문제를 해결하기 위해 : 품질 데이터 표준화 및 핸드 픽 다른 학습 알고리즘을 선택하십시오 (예 : Gradient Descent 대신 RMSprop) 더 가파른 그래디언트 비용 함수 선택 (예 : MSE 대신 교차 엔트로피) …

10 machine-learning  neural-network  deep-learning  randomized-algorithms 

많은 신경망 패키지에서 목표 계층과 출력 계층의 활성화 기능이 최소화되도록 쌍을 이루는 것이 표준으로 보입니다. 예를 들어, 회귀에 사용되는 선형 출력 레이어의 경우 제곱 오차 목적 함수를 갖는 것이 표준 (및 종종 선택)입니다. 또 다른 일반적인 페어링은 로지스틱 출력 및 로그 손실 (또는 교차 엔트로피)입니다. 또 다른 하나는 softmax 및 …

10 neural-network  gradient-descent 

두 개의 회선 레이어 (c1, c2)와 두 개의 숨겨진 레이어 (c1, c2)로 인공 신경망을 훈련하려고합니다. 표준 역 전파 접근법을 사용하고 있습니다. 역방향 패스에서 이전 레이어의 오류, 이전 레이어의 가중치 및 현재 레이어의 활성화 기능에 대한 활성화의 기울기를 기반으로 레이어의 델타 항을 계산합니다. 보다 구체적으로 l 계층의 델타는 다음과 같습니다. delta(l) …

10 machine-learning  data-mining  neural-network  deep-learning 

scipy.optimize.minimize (Conjugate gradient) 최적화 기능을 사용하여 파이썬에서 인공 신경망을 만들었습니다. 그라디언트 확인을 구현하고 모든 것을 다시 확인했으며 올바르게 작동하는지 확신합니다. 나는 그것을 몇 번 실행했고 '최적화가 성공적으로 종료되었습니다'에 도달했지만 숨겨진 레이어 수를 늘리면 성공적으로 종료 된 후 가설 비용이 증가합니다 (다른 모든 항목은 동일하게 유지됨). 직관적으로 데이터를 더 잘 맞출 …

10 machine-learning  python  neural-network