La convolución es una operación con valores de función en dos funciones y : . A menudo se utiliza para obtener la densidad de una suma de variables aleatorias independientes. Esta etiqueta también debe usarse para la operación inversa de deconvolución. NO use esta etiqueta para redes neuronales convolucionales. F F gramo gramo ∫ ∞ - ∞ F ( τ ) g ( t - τ ) d τ ∫-∞∞F(τ)gramo(t-τ)reτ
Actualmente estoy haciendo el Tutorial de aprendizaje profundo de Udacity. En la Lección 3, hablan sobre una convolución 1x1. Esta convolución 1x1 se usa en el Módulo de inicio de Google. Tengo problemas para entender qué es una convolución 1x1. También he visto esta publicación de Yann...
Descubrí que Imagenet y otras CNN grandes utilizan capas de normalización de respuesta local. Sin embargo, no puedo encontrar tanta información sobre ellos. ¿Cuán importantes son y cuándo deben usarse? De http://caffe.berkeleyvision.org/tutorial/layers.html#data-layers : "La capa de...
No tengo experiencia en visión por computadora, pero cuando leo algunos artículos y documentos relacionados con el procesamiento de imágenes y las redes neuronales convolucionales, me enfrento constantemente al término translation invariance, o translation invariant. ¿O leí mucho que la operación...
[Esta pregunta también se planteó en el desbordamiento de la pila] La pregunta en resumen Estoy estudiando redes neuronales convolucionales, y creo que estas redes no tratan a cada neurona de entrada (píxel / parámetro) de manera equivalente. Imagine que tenemos una red profunda (muchas capas)...
Cuando uso GAM, me da un DF residual de 26.626.626.6 (última línea en el código). Qué significa eso? Yendo más allá del ejemplo de GAM, en general, ¿puede el número de grados de libertad ser un número no entero? > library(gam) > summary(gam(mpg~lo(wt),data=mtcars)) Call: gam(formula = mpg ~...
Estoy tratando de comprender mejor la estimación de la densidad del kernel. Usando la definición de Wikipedia: https://en.wikipedia.org/wiki/Kernel_density_estimation#Definition fh^(x)=1n∑ni=1Kh(x−xi)=1nh∑ni=1K(x−xih)fh^(x)=1n∑i=1nKh(x−xi)=1nh∑i=1nK(x−xih) \hat{f_h}(x) = \frac{1}{n}\sum_{i=1}^n...
La arquitectura AlexNet utiliza rellenos cero como se muestra en la imagen: Sin embargo, no hay explicación en el documento por qué se introduce este relleno. El curso Standford CS 231n enseña que usamos relleno para preservar el tamaño espacial: Me pregunto si es la única razón por la que...
Estoy estudiando redes neuronales convolucionales (CNN) debido a sus aplicaciones en visión por computadora. Ya estoy familiarizado con las redes neuronales estándar de alimentación hacia adelante, por lo que espero que algunas personas aquí puedan ayudarme a dar un paso adicional para comprender...
( Publicado originalmente en MSE). He visto muchas discusiones heurísticas del teorema clásico del límite central que hablan de la distribución normal (o cualquiera de las distribuciones estables) como un "atractor" en el espacio de las densidades de probabilidad. Por ejemplo, considere estas...
El siguiente problema surgió recientemente al analizar los datos. Si la variable aleatoria X sigue una distribución normal e Y sigue una distribución χ2nχn2\chi^2_n (con n dof), ¿cómo se distribuye ? Hasta ahora se me ocurrió el pdf de : Y 2 ψ 2 n ( x )Z=X2+Y2Z=X2+Y2Z = X^2 +...
En las redes neuronales convolucionales (CNN), la matriz de pesos en cada paso cambia sus filas y columnas para obtener la matriz del núcleo, antes de continuar con la convolución. Esto se explica en una serie de videos de Hugo Larochelle aquí : Calcular los mapas ocultos correspondería a hacer...
Estaba leyendo el libro de Yoshua Bengio sobre aprendizaje profundo y dice en la página 224: Las redes convolucionales son simplemente redes neuronales que usan la convolución en lugar de la multiplicación matricial general en al menos una de sus capas. sin embargo, no estaba 100% seguro de...
Los términos "muestreo ascendente" y "convolución de transposición" se usan cuando se está haciendo "deconvolución" (<- no es un buen término, pero déjenme usarlo aquí). Originalmente, pensé que significaban lo mismo, pero me parece que son diferentes después de leer estos artículos. alguien...
Estoy tratando de entender por qué la suma de dos (o más) variables aleatorias lognormales se aproxima a una distribución lognormal a medida que aumenta el número de observaciones. He buscado en línea y no he encontrado ningún resultado al respecto. Claramente, si e Y son variables lognormales...
Basado en lo que he aprendido, utilizamos múltiples filtros en una capa de convección de una CNN para aprender diferentes detectores de características. Pero dado que estos filtros se aplican de manera similar (es decir, deslizados y multiplicados a las regiones de la entrada), ¿no aprenderían los...
Tengo un conjunto de datos desequilibrado en una tarea de clasificación binaria, donde la cantidad de positivos versus la cantidad de negativos es 0.3% vs 99.7%. La brecha entre lo positivo y lo negativo es enorme. Cuando entreno un CNN con la estructura utilizada en el problema MNIST, el resultado...
Las distribuciones estables son invariables bajo convoluciones. ¿Qué subfamilias de las distribuciones estables también están cerradas bajo multiplicación? En el sentido de que si y , entonces la función de densidad de probabilidad del producto, (hasta una constante de normalización) también...
Deje que y sean variables aleatorias exponenciales independientes y distribuidas idénticamente con rate . Deje .X1X1X_1X2X2X_2λλ\lambdaS2=X1+X2S2=X1+X2S_2 = X_1 + X_2 P: Muestre que tiene PDF .S2S2S_2FS2( x ) =λ2Xmi- λ x,x ≥ 0fS2(x)=λ2xe−λx,x≥0f_{S_2}(x) = \lambda^2 x \text{e}^{-\lambda x},\, x\ge...
Quiero calcular / evaluar la convolución g(x)=∫Df(x−t)ϕ(t)dt,g(x)=∫Df(x−t)ϕ(t)dt,g(x)=\int_D f(x-t) \phi(t) dt, donde es una densidad y es una función suave con soporte compacto . La convolución no está disponible en forma cerrada y necesito integrarla numéricamente. Mi pregunta es: ¿hay una...