neural-network पर टैग किए गए जवाब

कृत्रिम तंत्रिका नेटवर्क (एएनएन), 'न्यूरॉन्स' से बना है - प्रोग्रामिंग निर्माण जो जैविक न्यूरॉन्स के गुणों की नकल करते हैं। न्यूरॉन्स के बीच भारित कनेक्शन का एक सेट नेटवर्क डिजाइनर के बिना सूचना का प्रचार करने की अनुमति देता है बिना नेटवर्क डिजाइनर के कृत्रिम बुद्धिमत्ता समस्याओं को हल करने के लिए एक वास्तविक प्रणाली का मॉडल था।

2
तंत्रिका नेटवर्क के लिए छवियों को कैसे तैयार / संवर्धित करें?
मैं छवि वर्गीकरण के लिए एक तंत्रिका नेटवर्क का उपयोग करना चाहूंगा। मैं पूर्व-प्रशिक्षित कैफनेट के साथ शुरू करूँगा और इसे अपने आवेदन के लिए प्रशिक्षित करूँगा। मुझे इनपुट छवियों को कैसे तैयार करना चाहिए? इस मामले में, सभी चित्र एक ही वस्तु के होते हैं लेकिन विविधताओं के साथ …

3
"अनुवाद करने के लिए समानार्थी" और "अनुवाद करने के लिए अपरिवर्तनीय" में क्या अंतर है
मैं अनुवाद करने के लिए अनुवाद और अपरिवर्तनीय के बीच के अंतर को समझने में परेशानी महसूस कर रहा हूं । पुस्तक डीप लर्निंग में । एमआईटी प्रेस, 2016 (आई। गुडफेलो, ए। कोर्टविल, और वाई। बेंगियो), कोई भी व्यक्ति नेटवर्क पर पा सकता है: [...] पैरामीटर शेयरिंग का विशेष रूप …

13
डेटा विज्ञान से संबंधित मजेदार उद्धरण
यह अलग-अलग समुदायों के उपयोगकर्ताओं के लिए उनके क्षेत्रों के बारे में मज़ेदार बातें उद्धृत करने के लिए प्रथागत है । मशीन लर्निंग, डीप लर्निंग, डेटा साइंस और हर दिन आपके सामने आने वाली चीजों के बारे में अपनी मज़ेदार बातें साझा करना मज़ेदार हो सकता है!

1
`केरस` के` डेंस` और `टाइमडिस्टेव्डडेंस` के बीच का अंतर
मैं अभी भी बीच अंतर के बारे में भ्रमित कर रहा हूँ Denseऔर TimeDistributedDenseकी Kerasभले ही पहले से ही कुछ इसी तरह के सवाल पूछे देखते हैं यहाँ और यहाँ । लोग बहुत चर्चा कर रहे हैं लेकिन कोई आम सहमति निष्कर्ष नहीं है। और यहां तक ​​कि, यहाँ , …

1
बहु-श्रेणी वर्गीकरण के लिए सबसे अच्छा केरस मॉडल क्या है?
मैं अनुसंधान, पर काम कर रहा हूँ, जहां तीन घटना विजेता के वर्गीकृत एक की जरूरत = ( win, draw, lose) WINNER LEAGUE HOME AWAY MATCH_HOME MATCH_DRAW MATCH_AWAY MATCH_U2_50 MATCH_O2_50 3 13 550 571 1.86 3.34 4.23 1.66 2.11 3 7 322 334 7.55 4.1 1.4 2.17 1.61 मेरा वर्तमान …

7
मशीन सीखने के कार्यों के लिए डेटा को फेरबदल क्यों किया जाना चाहिए
मशीन सीखने के कार्यों में डेटा को फेरबदल करना और इसे सामान्य करना सामान्य है। सामान्यीकरण का उद्देश्य स्पष्ट है (समान श्रेणी के फ़ीचर मान होने के लिए)। लेकिन, बहुत संघर्ष करने के बाद, मुझे डेटा में फेरबदल का कोई मूल्यवान कारण नहीं मिला। मैंने इस पोस्ट को यहाँ चर्चा …

2
ग्राउंड ट्रुथ क्या है
मशीन लर्निंग के संदर्भ में , मैंने देखा है कि ग्राउंड ट्रुथ शब्द का काफी इस्तेमाल हुआ है। मैंने बहुत खोज की है और विकिपीडिया में निम्नलिखित परिभाषा पाई है : मशीन लर्निंग में, शब्द "जमीनी सच्चाई" से तात्पर्य पर्यवेक्षित शिक्षण तकनीकों के प्रशिक्षण सेट के वर्गीकरण की सटीकता से …

1
स्केगन ग्रैडिएंटबॉस्टिंग क्लैसिफायर की तुलना में एक्सगबोस्ट इतना तेज क्यों है?
मैं 100 न्यूमेरिक फीचर्स के साथ 50k उदाहरणों पर एक ढाल बढ़ाने वाले मॉडल को प्रशिक्षित करने की कोशिश कर रहा हूं। XGBClassifierमेरी मशीन पर 43 सेकंड के भीतर 500 पेड़ लगाता है, जबकि GradientBoostingClassifier1 मिनट और 2 सेकंड में केवल 10 पेड़ (!) को संभालता है :( मैंने 500 …
29 scikit-learn  xgboost  gbm  data-mining  classification  data-cleaning  machine-learning  reinforcement-learning  data-mining  bigdata  dataset  nlp  language-model  stanford-nlp  machine-learning  neural-network  deep-learning  randomized-algorithms  machine-learning  beginner  career  xgboost  loss-function  neural-network  software-recommendation  naive-bayes-classifier  classification  scikit-learn  feature-selection  r  random-forest  cross-validation  data-mining  python  scikit-learn  random-forest  churn  python  clustering  k-means  machine-learning  nlp  sentiment-analysis  machine-learning  programming  python  scikit-learn  nltk  gensim  visualization  data  csv  neural-network  deep-learning  descriptive-statistics  machine-learning  supervised-learning  text-mining  orange  data  parameter-estimation  python  pandas  scraping  r  clustering  k-means  unsupervised-learning 

4
बाद की संकेंद्रण परतें कैसे काम करती हैं?
यह सवाल उबलता है "कैसे कनवल्शन लेयर्स बिल्कुल काम करती हैं। मान लीजिए कि मेरे पास एक greyscale छवि है। तो छवि में एक चैनल है। पहली परत में, मैं फ़िल्टर और पैडिंग के साथ कनवल्शन लागू करता हूं । फिर मेरे पास कनवल्शन और फ़िल्टर के साथ एक और …

3
एक तंत्रिका नेटवर्क के प्रशिक्षण के लिए सीपीयू और जीपीयू के बीच चयन
मैंने एक जीपीयू के 'ओवरहेड' के बारे में चर्चा की है, और 'छोटे' नेटवर्क के लिए, यह वास्तव में एक जीपीयू की तुलना में सीपीयू (या सीपीयू के नेटवर्क) पर प्रशिक्षित करने के लिए तेज़ हो सकता है। 'छोटा' से क्या तात्पर्य है? उदाहरण के लिए, क्या 100 छिपी इकाइयों …

4
तंत्रिका नेटवर्क पार्स स्ट्रिंग डेटा?
इसलिए, मैं अभी सीखना शुरू कर रहा हूं कि कैसे एक तंत्रिका नेटवर्क पैटर्न को पहचानने और आदानों को वर्गीकृत करने के लिए काम कर सकता है, और मैंने देखा है कि एक कृत्रिम तंत्रिका नेटवर्क छवि डेटा को पार्स और छवियों को वर्गीकृत कर सकता है ( डेमोनेटेक्स के …

1
RNN कई विशेषताओं के साथ है
मेरे पास मशीन लर्निंग एल्गोरिदम (मूल यादृच्छिक वन और रैखिक प्रतिगमन प्रकार के सामान) के साथ काम करने का थोड़ा सा सिखाया गया ज्ञान है। मैंने शाखा लगाने का फैसला किया और आरएनएन को केर के साथ सीखना शुरू किया। जब अधिकांश उदाहरणों को देखते हुए, जिनमें आमतौर पर स्टॉक …

7
मशीन सीखने के मॉडल को प्रशिक्षित करने के लिए मुफ्त क्लाउड सेवाएं हैं?
मैं बड़ी मात्रा में प्रशिक्षण डेटा के साथ एक गहरे मॉडल को प्रशिक्षित करना चाहता हूं, लेकिन मेरे डेस्कटॉप में इस तरह के गहरे मॉडल को अपने प्रचुर डेटा के साथ प्रशिक्षित करने की शक्ति नहीं है। मैं जानना चाहता हूं कि क्या कोई ऐसी निःशुल्क क्लाउड सेवाएं हैं जिनका …

1
केरस सटीकता की गणना कैसे करता है?
केरेस कक्षावार संभावनाओं से सटीकता की गणना कैसे करता है? उदाहरण के लिए, उदाहरण के लिए, हमारे पास परीक्षण सेट में 100 नमूने हैं जो दो वर्गों में से एक के हो सकते हैं। हमारे पास कक्षावार संभावितों की एक सूची भी है। दोनों वर्गों में से किसी एक को …

5
तंत्रिका नेटवर्क में न्यूरॉन्स और परतों की संख्या कैसे निर्धारित करें
मैं तंत्रिका नेटवर्क का आरंभक हूं और दो अवधारणाओं को समझने में परेशानी हुई है: किसी दिए गए तंत्रिका नेटवर्क की मध्य परतों की संख्या कैसे तय होती है? 1 बनाम 10 या जो भी हो। प्रत्येक मध्य परत में न्यूरॉन्स की संख्या कैसे तय होती है? क्या प्रत्येक मध्य …

हमारी साइट का प्रयोग करके, आप स्वीकार करते हैं कि आपने हमारी Cookie Policy और निजता नीति को पढ़ और समझा लिया है।
Licensed under cc by-sa 3.0 with attribution required.