Публикации по теме 'neural-networks'
В чем разница между CNN и RNN?
Сегодня в машинном обучении широко используются сверточные нейронные сети и рекуррентные нейронные сети. Однако они часто используются для совершенно разных случаев использования.
В машинном обучении каждый тип искусственной нейронной сети адаптирован к определенным задачам. В этой статье будут представлены два типа нейронных сетей: сверточные нейронные сети (CNN) и рекуррентные нейронные сети (RNN). Используя популярные видеоролики Youtube и наглядные пособия, мы объясним разницу..
Нейронные сети: все, что вы хотели знать
Изучите математику, лежащую в основе моделей глубокого обучения!
Вступление
Цель этой публикации:
Сделайте краткое введение в то, что такое нейронные сети и как они работают. Составьте подробное математическое объяснение того, как они учатся
Нейронные сети
В общем смысле нейронные сети - это метод аппроксимации функций. Следуя универсальной аппроксимационной теореме:
Нейронной сети с одним скрытым слоем достаточно для представления любой функции в заданном диапазоне..
Переоснащение и регуляризация нейронных сетей
В этой статье объясняется простейшее переоснащение и регуляризация. Мы рассмотрим, что такое переобучение, почему это происходит, последствия переобучения, как определить, переоснащается ли модель, и способы избежать переобучения с помощью регуляризации.
Переоснащение
Переобучение - это когда обученная модель запоминает нежелательные шаблоны или шум из набора обучающих данных. Это происходит из-за слишком большой обучаемости или способности к обучению (слишком много скрытых слоев или..
Сознательный свет
Нити будущего запутались в наших новостных лентах. Я сплету несколько из них в золотые волокна. «Во-первых, сам свет можно послать через компьютерный чип с мощностью в сотни раз меньшей , чем у электрона. Во-вторых, тот же самый компьютерный чип может быть жестко запрограммирован для выполнения действий нейронной сети. В-третьих, тот же чип может получать свет с выходной стороны в виде сигнала обратного распространения, который обучает веса нейронной сети . Вместо этого то, что сейчас..
Понимание градиентного спуска
Введение
Градиентный спуск (GD) — это алгоритм оптимизации первого порядка, который используется для поиска минимума заданной функции. Он обычно используется при обучении алгоритмов машинного обучения и глубокого обучения.
В машинном обучении после обучения модели вы хотели бы проверить, как модель работает, либо проверив точность, либо любой другой показатель, который соответствует задаче, скажем, вы создаете функцию стоимости , который является мерой того, насколько..
Нейронные сети без докторской степени: топологии
Что нам нужно, так это способ представить, как нейроны связаны, чтобы сформировать сеть, Топология нейронной сети . Топология нейронной сети играет важную роль в ее функциях и производительности.
Важно отметить, что несколько топологий можно использовать для изучения одного и того же набора данных, и они даже могут дать похожие результаты; и поэтому не существует «лучшей» топологии для единственной нейронной сети; при этом топология может сильно повлиять на количество времени,..
Расширенные темы в нейронных сетях
Введение в некоторые продвинутые темы нейронных сетей, такие как ансамбли моментальных снимков, отсев, коррекция смещения и циклическая скорость обучения.
Эта статья будет служить введением в некоторые из более сложных тем, используемых в нейронных сетях, и будет охватывать несколько важных тем, которые все еще обсуждаются в исследованиях нейронных сетей.
В этой статье будут рассмотрены следующие темы:
Передача обучения Настройка скорости обучения Как решить проблему..