optimization पर टैग किए गए जवाब

मानक ढाल वंश पूरे प्रशिक्षण डाटासेट के लिए ढाल की गणना करेगा। for i in range(nb_epochs): params_grad = evaluate_gradient(loss_function, data, params) params = params - learning_rate * params_grad युगों की पूर्व-निर्धारित संख्या के लिए, हम पहले संपूर्ण डाटासेट के लिए नुकसान फ़ंक्शन के ग्रेडिएंट वेक्टर वेट्स_ग्रेड की गणना करते हैं, …

16 machine-learning  optimization  gradient-descent  computational-statistics  sgd 

दोनों विधियों के समर्थक और विपक्ष क्या हैं?

16 maximum-likelihood  predictive-models  optimization  gradient-descent 

यदि हम डेटा सेट से शुरू करते हैं , तो इसके लिए Lasso को लागू करें और β L का समाधान प्राप्त करें , हम Lasso को फिर से डेटा सेट ( X S , Y ) पर लागू कर सकते हैं , जहां S , गैर-शून्य का सेट है …

16 regression  optimization  lasso  regularization  shrinkage 

मेरे प्रश्न हैं: क्या सामान्यीकृत रैखिक मॉडल (GLM) को वैश्विक अधिकतम में परिवर्तित करने की गारंटी है? यदि हां, तो क्यों? इसके अलावा, उत्तलता का बीमा करने के लिए लिंक समारोह में क्या अड़चनें हैं? GLMs के बारे में मेरी समझ यह है कि वे एक अत्यधिक नॉनलाइनियर संभावना फ़ंक्शन …

16 generalized-linear-model  optimization  convergence  exponential-family 

मुझे एक फ़ंक्शन का न्यूनतम पता लगाने की आवश्यकता है। Http://docs.scipy.org/doc/scipy/reference/optimize.html पर डॉक्स पढ़ने से मुझे लगता है कि कई एल्गोरिदम हैं जो एक ही काम करते हैं, यानी न्यूनतम पाते हैं। मुझे कैसे पता चलेगा कि मुझे कौन सा चुनना चाहिए? कुछ एल्गोरिथ्म सूचीबद्ध हैं डाउनहिल सिम्प्लेक्स एल्गोरिथ्म का …

16 optimization 

मिश्रण के मॉडल (मिक्सचर ऑफ गॉसियन, हिडन मार्कोव मॉडल इत्यादि) पर एक्सपेक्टेशन मैक्सिमाइजेशन मेथड पर जोर देने वाले कई साहित्य हैं। क्यों महत्वपूर्ण है EM? EM केवल अनुकूलन करने का एक तरीका है और व्यापक रूप से ग्रेडिएंट आधारित विधि (ग्रेडिएंट सभ्य या न्यूटन / क्वासी-न्यूटन विधि) या अन्य ग्रेडिएंट …

15 machine-learning  optimization  expectation-maximization  gaussian-mixture 

मैंने विभिन्न पेरेसेप्ट्रॉन कार्यान्वयन के साथ थोड़ा सा प्रयोग किया और यह सुनिश्चित करना चाहता हूं कि क्या मैं "पुनरावृत्तियों" को सही ढंग से समझ पाऊं। रोसेनब्लैट का मूल अवधारणात्मक नियम जहाँ तक मुझे समझ में आता है, रोसेनब्लैट के क्लासिक परसेप्ट्रोन एल्गोरिथ्म में, वेटिंग को एक साथ हर प्रशिक्षण …

15 optimization  gradient-descent  perceptron 

मैं यह समझने की कोशिश कर रहा हूं कि ARIMA मॉडलिंग / बॉक्स जेनकिंस (BJ) में मापदंडों का अनुमान कैसे लगाया जाता है। दुर्भाग्य से, मेरे द्वारा सामना की गई पुस्तकों में से कोई भी अनुमान प्रक्रिया का वर्णन नहीं करता है जैसे कि लॉग-लिकेलिहुड अनुमान प्रक्रिया विस्तार से। मुझे …

15 time-series  forecasting  arima  optimization  box-jenkins 

मैं कंफर्टेबल न्यूरल नेटवर्क के बारे में बहुत कुछ पढ़ता रहा हूं और सोच रहा था कि वे गायब होने वाली ढाल की समस्या से कैसे बचें। मुझे पता है कि गहरे विश्वास वाले नेटवर्क एकल स्तर के ऑटो-एनकोडर या अन्य पूर्व-प्रशिक्षित उथले नेटवर्क को रोकते हैं और इस प्रकार …

15 machine-learning  optimization  deep-learning  gradient-descent 

मैं एक खिलौना द्विपद उदाहरण के साथ lmer (वास्तव में ग्लैमर) के आउटपुट से मेल खाना चाहता हूं। मैंने विगनेट्स पढ़े हैं और मुझे विश्वास है कि मैं समझता हूं कि क्या हो रहा है। लेकिन जाहिर है मैं नहीं। अटक जाने के बाद, मैंने यादृच्छिक प्रभावों के संदर्भ में …

15 r  mixed-model  optimization  lme4-nlme 

मेरे न्यूरल नेटवर्क के फॉलो-अप के रूप में यूक्लिडियन दूरी भी नहीं सीखी जा सकती है, मैंने इसे और भी सरल बना दिया और एक एकल ReLU के लिए एक एकल ReLU (यादृच्छिक वजन के साथ) को प्रशिक्षित करने की कोशिश की। यह सबसे सरल नेटवर्क है, और फिर भी …

15 machine-learning  neural-networks  optimization  keras 

मैं डीप लर्निंग के लिए एडम ऑप्टिमाइज़र के बारे में पढ़ रहा था और बेग्नियो, गुडफेलो और कोर्टविल की नई किताब डीप लर्निंग में निम्नलिखित वाक्य आया था : एडम में पहले क्रम के क्षणों (संवेग शब्द) और मूल (उनके अप्रतिबंधित) दूसरे क्रम के क्षणों के अनुमानों में पूर्वाग्रह सुधार …

15 machine-learning  neural-networks  optimization  conv-neural-network  adam 

ढाल वंश एल्गोरिथ्म के सामान्य सेटिंग में, हमारे पास जहां एक्स एन वर्तमान बिंदु है, η कदम आकार है और जी आर एक घ मैं ई n t x n , x n पर ग्रेडिएंट का मूल्यांकन है । एक्सएन + १= एक्सn- η∗ जीआर एक घमैं ई एनटीएक्सnएक्सn+1=एक्सn-η*जीआरएघमैंइnटीएक्सnx_{n+1} = …

15 algorithms  optimization 

मेरा उद्देश्य सेंसर संकेतों को वर्गीकृत करना है। मेरे समाधान की अब तक की अवधारणा है: i) कच्चे सिग्नल से इंजीनियरिंग सुविधाएँ ii) राहत के साथ प्रासंगिक सुविधाओं का चयन और क्लस्टरिंग दृष्टिकोण iii) एनएन, रैंडम फ़ॉरेस्ट और एसवीएम लागू करें हालांकि मैं एक दुविधा में फंसा हुआ हूं। Ii) …

15 feature-selection  hyperparameter  optimization 

कागज का उद्देश्य नियमित रूप से लॉग-लाइबिलिटी को अधिकतम करके कुछ मापदंडों का अनुकूलन करना था। फिर वे आंशिक व्युत्पत्ति की गणना करते हैं। और फिर लेखकों का उल्लेख है कि वे एल-बीएफजीएस का उपयोग करके समीकरण का अनुकूलन करते हैं, कई चर (अधिक विवरण नहीं) के चिकनी कार्यों को …

15 algorithms  optimization