Публикации по теме convolutional-neural-net

Публикации по теме 'convolutional-neural-net'

Повышение производительности CNN

Как повысить точность сверточной нейронной сети? Это можно сделать несколькими способами, первый из которых заключается в изменении параметров сети. Увеличение числа эпох в определенных пределах однозначно приводит к увеличению неточности. Сюда же можно отнести изменение скорости обучения с большей на меньшую в процессе обучения сети или использование алгоритмов оптимизации, реализующих этот принцип. Во-вторых, увеличение данных. Этот метод реализуется за счет использования целой..

Посещение тренажерного зала с помощью нейронных сетей: внедрение CNN для классификации тренажерного оборудования

Сможет ли сеть, обученная на поддельных данных, распространиться на реальный мир? Лорен Хольцбауэр была научным сотрудником программы Insight летом 2018 года. Сегодня я дважды не думаю о том, чтобы пойти в какой-либо тренажерный зал, оценить оборудование и провести вместе действительно хорошую тренировку, но так было не всегда. Первый раз я вошел в тренажерный зал шесть лет назад, когда был в Калифорнийском университете в Лос-Анджелесе. Место кишело разъяренными братьями, и..

Пакетная нормализация в глубоком обучении

Пакетная нормализация — это метод глубокого обучения, используемый для нормализации входных данных каждого слоя в сети, чтобы уменьшить внутренний ковариатный сдвиг и повысить скорость обучения модели. Он нормализует входные данные путем вычитания среднего значения партии и деления на стандартное отклонение партии, а также применяет обучаемую шкалу и сдвиги для восстановления представления. Пакетная нормализация помогает уменьшить переоснащение, повысить стабильность модели и сделать..

Систематическое исследование проблемы дисбаланса классов в сверточных нейронных сетях

Систематическое исследование проблемы дисбаланса классов в сверточных нейронных сетях В этом исследовании мы систематически исследуем влияние дисбаланса классов на эффективность классификации… arxiv. орг Использует странно большое количество эпох (10 000!) для MINST без объяснения причин. Передискретизация наиболее надежной стратегии, но не объясняет, почему. Увеличение данных должно тривиально сделать модели более надежными, что..

Использование сверток для прогнозирования временных рядов и обработки естественного языка

Отказ от ответственности: я предполагаю знакомство с машинным обучением и общее представление о том, как работают нейронные сети с прямой связью (то есть самый простой тип) для того, чтобы содержание этой статьи было особенно ценным для читателя. Прогнозирование следующего элемента в последовательности является центральной темой нескольких задач обработки естественного языка и прогнозирования временных рядов. Все соответствующие данные можно рассматривать как последовательности чисел или..

Сверточная нейронная сеть: концептуальный вид.

Сверточные нейронные сети (ConvNet/CNN) — это тип нейронных сетей, которые в основном используются для классификации и распознавания изображений. Архитектура ConvNet вдохновлена организацией Visual Cortex. ConvNet состоит из нейронов с весами, которые могут учиться на данных. ConvNet упорядочивает свой нейрон по трем измерениям: ширине, высоте и глубине. Каждый нейрон получает входные данные и выполняет скалярное произведение. Этот ввод проходит через скрытый слой. Каждый скрытый..

Улучшение обобщаемости моделей CNN

Авторы: Бошика Тара , Ашна Арья , Леонард Со ВВЕДЕНИЕ Обобщаемость — одна из самых сложных проблем, связанных с производительностью модели. По сути, это то, насколько хорошо модель работает с невидимыми данными, большинство моделей глубокого обучения, которые плохо работают с обучающими данными. Модели используют индуктивное смещение для обобщения на основе данных. CNN — это класс моделей нейронных сетей, которые широко используются в задачах классификации и распознавания..