Para preguntas relacionadas con el aprendizaje profundo, que se refiere a un subconjunto de métodos de aprendizaje automático basados en redes neuronales artificiales (ANN) con múltiples capas ocultas. El adjetivo profundo se refiere al número de capas de los ANN. Aparentemente, la expresión aprendizaje profundo fue introducida (aunque no en el contexto del aprendizaje automático o ANN) en 1986 por Rina Dechter en el documento "Aprendiendo mientras busca problemas de satisfacción-restricción".
¿Los científicos o expertos en investigación saben desde la cocina lo que está sucediendo dentro de una red neuronal "profunda" compleja con al menos millones de conexiones que se activan en un instante? ¿Entienden el proceso detrás de esto (por ejemplo, qué está sucediendo dentro y cómo funciona...
Por lo que puedo decir, las redes neuronales tienen un número fijo de neuronas en la capa de entrada. Si las redes neuronales se usan en un contexto como PNL, las oraciones o bloques de texto de diferentes tamaños se alimentan a una red. ¿Cómo se concilia el tamaño de entrada variable con el...
Como ser humano, podemos pensar en el infinito. En principio, si tenemos suficientes recursos (tiempo, etc.), podemos contar infinitas cosas (incluidas las abstractas, como números o reales). Por ejemplo, al menos, podemos tener en cuenta los enteros. Podemos pensar, principalmente, y "comprender"...
¿Qué biblioteca (TensorFlow o Keras) recomendaría para un primer acercamiento al aprendizaje profundo? Soy un estudiante de neurociencia que intenta por primera vez enfoques computacionales, si eso es
He escuchado antes de científicos informáticos y de investigadores en el área de IA que Lisp es un buen lenguaje para la investigación y el desarrollo en inteligencia artificial. ¿Esto todavía se aplica, con la proliferación de redes neuronales y el aprendizaje profundo? ¿Cuál fue su razonamiento...
Entiendo que la capa convolucional de una red neuronal convolucional tiene cuatro dimensiones: input_channels, filter_height, filter_width, number_of_filters. Además, entiendo que cada filtro nuevo se enreda en TODOS los canales de entrada (o mapas de características / activación de la capa...
El documento Las limitaciones del aprendizaje profundo en entornos adversos explora cómo las redes neuronales pueden ser corrompidas por un atacante que puede manipular el conjunto de datos con el que se entrena la red neuronal. Los autores experimentan con una red neuronal destinada a leer dígitos...
Supongamos que tenemos una gran cantidad de pruebas en el cálculo de predicados de primer orden. Supongamos que también tenemos los axiomas, corolarios y teoremas en esa área de las matemáticas en esa forma también. Considere cada proposición que se probó y el cuerpo de la teoría existente que...
En los últimos 50 años, el aumento / caída / aumento de la popularidad de las redes neuronales ha actuado como una especie de "barómetro" para la investigación de IA. A partir de las preguntas en este sitio, queda claro que las personas están interesadas en aplicar Deep Learning (DL) a una amplia...
¿Es posible alimentar a una red neuronal la salida de un generador de números aleatorios y esperar que aprenda la función hash (o generador), para que pueda predecir cuál será el próximo número pseudoaleatorio generado ? ¿Ya existe algo como esto? Si ya se ha investigado sobre esto o algo...
Estoy luchando por comprender la función de pérdida de GAN como se proporciona en Understanding Generative Adversarial Networks (una publicación de blog escrita por Daniel Seita). En la pérdida de entropía cruzada estándar, tenemos una salida que se ha ejecutado a través de una función sigmoidea y...
Se dice que las funciones de activación en las redes neuronales ayudan a introducir la no linealidad . ¿Qué significa esto? ¿Qué significa no linealidad en este contexto? ¿Cómo ayuda la introducción de esta no linealidad ? ¿Hay otros propósitos de las funciones de activación...
Supongamos que hay 10K imágenes de 2400 x 2400 para usar en CNN. Según mi punto de vista, las computadoras convencionales que la gente use serán de utilidad. Ahora la pregunta es cómo manejar tamaños de imagen tan grandes donde no hay privilegios de disminución de resolución. Aquí están los...
¿Alguien puede explicarme la diferencia entre el aprendizaje automático y el aprendizaje profundo? ¿Es posible aprender aprendizaje profundo sin conocer el aprendizaje
Por ejemplo, para clasificar los correos electrónicos como spam, ¿vale la pena, desde una perspectiva de tiempo / precisión, aplicar el aprendizaje profundo (si es posible) en lugar de otro algoritmo de aprendizaje automático? ¿El aprendizaje profundo hará innecesarios otros algoritmos de...
La mayoría de la gente está tratando de responder preguntas con una red neuronal. Sin embargo, ¿alguien ha pensado en cómo hacer que la red neuronal haga preguntas, en lugar de responder preguntas? Por ejemplo, si una CNN puede decidir a qué categoría pertenece un objeto, ¿puede hacer alguna...
¿Cuál es el concepto y cómo se calculan los valores de cuello de botella? ¿Cómo ayudan estos valores a la clasificación de imágenes? Por favor explique en palabras
Estoy escribiendo un juego de juguetes simple con la intención de entrenar una red neuronal profunda sobre él. Las reglas del juego son aproximadamente las siguientes: El juego tiene un tablero formado por celdas hexagonales. Ambos jugadores tienen la misma colección de piezas que pueden elegir...
Estoy leyendo sobre redes de confrontación generativa (GAN) y tengo algunas dudas al respecto. Hasta ahora, entiendo que en una GAN hay dos tipos diferentes de redes neuronales: una es generativa ( solsolG ) y la otra discriminativa ( rereD ). La red neuronal generativa genera algunos datos que la...
La pregunta es sobre la arquitectura de Redes Residuales Profundas ( ResNets ). El modelo que ganó el primer lugar en el "Desafío de reconocimiento visual a gran escala 2015" (ILSVRC2015) en las cinco pistas principales: Clasificación de ImageNet: Redes de 152 capas “ultraprofundas” (cita...