Para preguntas sobre redes artificiales, como MLPs, CNNs, RNNs, LSTM y redes GRU, sus variantes o cualquier otro componente del sistema AI que califique como redes neuronales en el sentido de que, en parte, están inspirados en redes neuronales biológicas.
¿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...
La siguiente página / estudio demuestra que las redes neuronales profundas se engañan fácilmente al proporcionar predicciones de alta confianza para imágenes irreconocibles, p. Ej. ¿Cómo es esto posible? ¿Puede explicarlo idealmente en inglés
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...
Imagine que muestra una red neuronal una imagen de un león 100 veces y la etiqueta con "peligroso", para que aprenda que los leones son peligrosos. Ahora imagine que anteriormente le mostró millones de imágenes de leones y, alternativamente, lo etiquetó como "peligroso" y "no peligroso", de modo...
Geoffrey Hinton ha estado investigando algo que él llama "teoría de las cápsulas" en las redes neuronales. ¿Qué es esto y cómo
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...
Estoy tratando de encontrar algunas investigaciones existentes sobre cómo seleccionar el número de capas ocultas y el tamaño de estas de un RNN basado en LSTM. ¿Hay algún artículo en el que se esté investigando este problema, es decir, cuántas células de memoria se deben usar? Supongo que depende...
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...
¿Cómo se distingue una red neuronal que tiene el adjetivo "profundo" de otras redes
Soy consciente de que las redes neuronales probablemente no están diseñadas para hacer eso, sin embargo, preguntando hipotéticamente, ¿es posible entrenar la red neuronal profunda (o similar) para resolver ecuaciones matemáticas? So given the 3 inputs: 1st number, operator sign represented by the...
Me gustaría entrenar una red neuronal donde las clases de salida no están (todas) definidas desde el principio. Más y más clases se introducirán más tarde en función de los datos entrantes. Esto significa que, cada vez que presento una nueva clase, tendría que volver a entrenar el NN. ¿Cómo puedo...
No estoy buscando una forma eficiente de encontrar números primos (que por supuesto es un problema resuelto ). Esta es más una pregunta de "qué pasaría si". Entonces, en teoría: ¿podría entrenar una red neuronal para predecir si un número dado n es compuesto o primo? ¿Cómo se establecería una red...
¿Se puede usar una red neuronal convolucional para el reconocimiento de patrones en un dominio problemático donde no hay imágenes preexistentes, por ejemplo, representando datos abstractos gráficamente? ¿Sería eso siempre menos eficiente? Este desarrollador dice que el desarrollo actual podría ir...
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...
Los marcos como PyTorch y TensorFlow a través de TensorFlow Fold admiten gráficos computacionales dinámicos y están recibiendo atención de los científicos de datos. Sin embargo, parece haber una falta de recursos para ayudar a comprender los Gráficos Computacionales Dinámicos. La ventaja de los...
He visto muchos de estos términos en este sitio, específicamente en las etiquetas convolutional-neural-networks y neural-networks . Sé que una red neuronal es un sistema basado libremente en el cerebro humano. Pero, ¿cuál es la diferencia entre una red neuronal convolucional y una red neuronal...
De Wikipedia: Una neurona espejo es una neurona que se dispara tanto cuando un animal actúa como cuando el animal observa la misma acción realizada por otro. Las neuronas espejo están relacionadas con el aprendizaje de imitación, una característica muy útil que falta en las implementaciones...
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...