Estoy codificando un modelo de aprendizaje de refuerzo con un agente PPO gracias a la muy buena biblioteca Tensorforce , construida sobre Tensorflow. La primera versión fue muy simple y ahora me estoy sumergiendo en un entorno más complejo donde todas las acciones no están disponibles en cada...
Soy un nuevo alumno en PNL. Estoy interesado en la tarea de generación de oraciones. En lo que a mí respecta, un método de vanguardia es el CharRNN , que utiliza RNN para generar una secuencia de palabras. Sin embargo, BERT salió hace varias semanas y es muy poderoso. Por lo tanto, me pregunto si...
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...
Deepmind acaba de publicar un artículo sobre una "computadora neuronal diferenciable" , que básicamente combina una red neuronal con una memoria . La idea es enseñar a la red neuronal a crear y recordar recuerdos explícitos útiles para una determinada tarea. Esto complementa bien las capacidades...
Encontré la siguiente hoja de trucos de redes neuronales ( Cheat Sheets for AI, Neural Networks, Machine Learning, Deep Learning & Big Data ). ¿Para qué se utilizan todos estos diferentes tipos de redes neuronales? Por ejemplo, ¿qué redes neuronales se pueden usar para regresión o...
Trusted Region Policy Optimization (TRPO) y Proximal Policy Optimization (PPO) son dos algoritmos de gradientes de políticas de vanguardia. Al usar una sola acción continua, normalmente, usaría alguna distribución de probabilidad (por ejemplo, gaussiana) para la función de pérdida. La versión...
Todo lo relacionado con el aprendizaje profundo (DL) y las redes profundas (er) parece "exitoso", al menos progresa muy rápido y cultiva la creencia de que AGI está al alcance. Esta es la imaginación popular. DL es una herramienta tremenda para abordar tantos problemas, incluida la creación de AGI....
En la red neuronal convolucional, ¿qué capa consume el máximo tiempo en entrenamiento? ¿Capas de convolución o capas completamente conectadas? Podemos tomar la arquitectura AlexNet para entender esto. Quiero ver la ruptura del tiempo del proceso de capacitación. Quiero una comparación de tiempo...
Las redes Hopfield pueden almacenar un vector y recuperarlo a partir de una versión ruidosa del mismo. Lo hacen estableciendo pesos para minimizar la función de energía cuando todas las neuronas se establecen iguales a los valores del vector, y recuperan el vector usando la versión ruidosa del...
Soy bastante nuevo en el aprendizaje profundo, pero creo que encontré la situación correcta en el mundo real para comenzar a usarlo. El problema es que solo he usado dichos algoritmos para predecir resultados. Para mi nuevo proyecto, necesito información para alimentar una máquina para optimizar...
¿Cuál es la definición de una red neuronal profunda? ¿Por qué son tan populares o
Estoy entrenando una auto-encoderred con Adamoptimizador (con amsgrad=True) y MSE losspara la tarea de separación de fuente de audio de un solo canal. Cada vez que disminuyo la tasa de aprendizaje por un factor, la pérdida de la red salta abruptamente y luego disminuye hasta la próxima disminución...
He estado buscando a Viv, un agente inteligente artificial en desarrollo. Según lo que entiendo, esta IA puede generar un nuevo código y ejecutarlo en función de una consulta del usuario. Lo que tengo curiosidad por saber es cómo esta IA puede aprender a generar código basado en alguna consulta....
Hice mi tesis de maestría sobre modelos generativos profundos y actualmente estoy buscando un nuevo tema. P: ¿Cuáles son los temas de investigación "más candentes" que están llamando mucho la atención de la comunidad de aprendizaje profundo últimamente? Algunas aclaraciones: Revisé preguntas...
Escuché varias veces que uno de los problemas fundamentales / abiertos del aprendizaje profundo es la falta de "teoría general" porque en realidad no sabemos por qué el aprendizaje profundo funciona tan bien. Incluso la página de Wikipedia sobre aprendizaje profundo tiene comentarios similares ....
Tengo un gran conjunto de datos de vehículos con la verdad real de sus longitudes (más de 100k muestras). ¿Es posible entrenar una red profunda para medir / estimar la longitud del vehículo? No he visto ningún documento relacionado con la estimación del tamaño del objeto utilizando una red neuronal...
DeepMind afirma que su red Q profunda (DQN) pudo adaptar continuamente su comportamiento mientras aprendía a jugar 49 juegos de Atari. Después de aprender todos los juegos con la misma red neuronal, ¿fue el agente capaz de jugarlos todos a niveles 'sobrehumanos' simultáneamente (siempre que se...
En breve sobre el aprendizaje profundo (para referencia) : El aprendizaje profundo es una rama del aprendizaje automático basado en un conjunto de algoritmos que intentan modelar abstracciones de alto nivel en los datos mediante el uso de un gráfico profundo con múltiples capas de...
Deep Mind ha publicado muchos trabajos sobre aprendizaje profundo en los últimos años, la mayoría de ellos con tecnología de punta en sus respectivas tareas. Pero, ¿cuánto de este trabajo ha sido realmente reproducido por la comunidad de IA? Por ejemplo, el papel de Neural Turing Machine parece ser...