W przypadku pytań dotyczących sztucznych sieci, takich jak MLP, CNN, RNN, LSTM i GRU, ich warianty lub dowolne inne elementy systemu AI, które kwalifikują się jako sieci neuronowe, ponieważ są częściowo inspirowane biologicznymi sieciami neuronowymi.
Czy naukowcy lub eksperci naukowi wiedzą z kuchni, co dzieje się w złożonej „głębokiej” sieci neuronowej z co najmniej milionami połączeń wyzwalanych w jednej chwili? Czy rozumieją za tym proces (np. Co dzieje się w środku i jak to dokładnie działa), czy jest to przedmiotem debaty? Na przykład to...
Poniższa strona / badanie pokazuje, że głębokie sieci neuronowe można łatwo oszukać, podając prognozy o wysokim poziomie ufności dla nierozpoznawalnych obrazów, np. Jak to mozliwe Czy możesz wyjaśnić idealnie w prostym języku
O ile mogę stwierdzić, sieci neuronowe mają stałą liczbę neuronów w warstwie wejściowej. Jeśli sieci neuronowe są używane w kontekście takim jak NLP, zdania lub bloki tekstu o różnych rozmiarach są podawane do sieci. W jaki sposób różny rozmiar wejściowy jest pogodzony ze stałym rozmiarem...
Wyobraź sobie, że 100 razy pokazujesz sieci neuronowej zdjęcie lwa i oznaczysz je słowem „niebezpieczne”, dzięki czemu dowiadujesz się, że lwy są niebezpieczne. Teraz wyobraź sobie, że wcześniej pokazałeś mu miliony zdjęć lwów i alternatywnie oznaczyłeś je jako „niebezpieczne” i „nie...
Geoffrey Hinton bada coś, co nazywa „teorią kapsułek” w sieciach neuronowych. Co to jest i jak to
Wcześniej słyszałem od informatyków i badaczy z obszaru sztucznej inteligencji, że Lisp jest dobrym językiem dla badań i rozwoju sztucznej inteligencji. Czy to nadal obowiązuje, wraz z rozprzestrzenianiem się sieci neuronowych i głębokim uczeniem się? Jakie było ich uzasadnienie? W jakich językach...
Próbuję znaleźć jakieś istniejące badania na temat wyboru liczby ukrytych warstw i ich rozmiaru dla RNN opartego na LSTM. Czy istnieje artykuł, w którym bada się ten problem, tj. Ile komórek pamięci należy użyć? Zakładam, że całkowicie zależy to od aplikacji i kontekstu, w którym model jest...
Rozumiem, że warstwa splotowa splotowej sieci neuronowej ma cztery wymiary: kanały wejściowe, wysokość filtru, szerokość filtru, liczba filtrów. Co więcej, rozumiem, że każdy nowy filtr jest po prostu zawijany przez WSZYSTKIE kanały wejściowe (lub mapy funkcji / aktywacji z poprzedniej warstwy)....
Artykuł Ograniczenia głębokiego uczenia się w ustawieniach przeciwnych bada, w jaki sposób sieci neuronowe mogą zostać uszkodzone przez atakującego, który może manipulować zestawem danych, z którym trenuje sieć neuronowa. Autorzy eksperymentują z siecią neuronową przeznaczoną do odczytywania...
W jaki sposób sieć neuronowa posiadająca „głęboki” przymiotnik odróżnia się od innych podobnych
Zdaję sobie sprawę, że sieci neuronowe prawdopodobnie nie są do tego przystosowane, jednak pytając hipotetycznie, czy można trenować głęboką sieć neuronową (lub podobną) w celu rozwiązywania równań matematycznych? Biorąc pod uwagę 3 dane wejściowe: 1. liczbę, znak operatora reprezentowany przez...
Chciałbym trenować sieć neuronową, w której klasy wyjściowe nie są (wszystkie) zdefiniowane od samego początku. Coraz więcej klas będzie wprowadzanych później w oparciu o przychodzące dane. Oznacza to, że za każdym razem, gdy wprowadzam nową klasę, muszę przekwalifikować NN. Jak mogę trenować NN...
Nie szukam skutecznego sposobu na znalezienie liczb pierwszych (co oczywiście jest rozwiązanym problemem ). To jest raczej pytanie „co jeśli”. Teoretycznie: czy możesz wytrenować sieć neuronową, aby przewidzieć, czy dana liczba n jest złożona, czy pierwsza? Jaka byłaby taka...
Czy konwergentna sieć neuronowa może być używana do rozpoznawania wzorców w dziedzinie problematycznej, w której nie ma wcześniej istniejących obrazów, powiedzmy graficznie reprezentując abstrakcyjne dane? Czy to zawsze byłoby mniej wydajne? Ten programista twierdzi, że obecny rozwój może pójść...
Załóżmy, że mamy dużą liczbę dowodów w rachunku predykatów pierwszego rzędu. Załóżmy, że mamy również aksjomaty, następstwa i twierdzenia w tej dziedzinie matematyki w tej formie. Rozważ każdą twierdzenie, która została udowodniona, oraz treść istniejącej teorii otaczającej tę konkretną propozycję...
Struktury takie jak PyTorch i TensorFlow poprzez TensorFlow Fold obsługują dynamiczne wykresy obliczeniowe i zwracają uwagę naukowców zajmujących się danymi. Wydaje się jednak, że brakuje zasobów, które mogłyby pomóc w zrozumieniu dynamicznych wykresów obliczeniowych. Wydaje się, że zaletą...
Mówi się, że funkcje aktywacyjne w sieciach neuronowych pomagają wprowadzić nieliniowość . Co to znaczy? Co w tym kontekście oznacza nieliniowość ? Jak pomaga wprowadzenie tej nieliniowości ? Czy są jakieś inne cele aktywacji funkcji
Widziałem te warunki rzucony wokół tego miejsca dużo, szczególnie w znacznikach splotu-neuronowe sieciami i neuronowe sieciami . Wiem, że sieć neuronowa to system oparty luźno na ludzkim mózgu. Ale jaka jest różnica między Konwolucyjną siecią neuronową a zwykłą siecią neuronową? Czy ktoś jest o...
Załóżmy, że zawiera NN nnn ukryte warstwy mmm przykładami treningu, xxx funkcje, a ninin_i węzłów w każdej warstwie. Jaka jest złożoność czasu, aby trenować ten NN przy użyciu propagacji wstecznej? Mam podstawowe pojęcie o tym, jak znajdują złożoność czasową algorytmów, ale tutaj należy wziąć pod...
Usiłuję zrozumieć funkcję utraty GAN przedstawioną w Understanding Generative Adversarial Networks (post na blogu napisany przez Daniela Seity). W standardowej stracie entropijnej mamy wyjście, które zostało przepuszczone przez funkcję sigmoidalną i wynikową klasyfikację binarną. Stwierdza Sieta...