Preguntas del usuario 140350

20

1Resp

682Vistas

Cuáles son las garantías teóricas del embolsamiento

Abierta

Preguntado el 10 de Marzo, 2015 por Shreyans

17

2Resp

693Vistas

¿Cómo exactamente lo use redes neuronales convolucionales circunvolución en lugar de multiplicación de la matriz?

Abierta

Preguntado el 12 de Julio, 2015 por Shreyans

7

1Resp

148Vistas

¿Hay cualquier teóricamente rigurosa justificación ¿por qué escalar o normalizar los datos debe mejorar el rendimiento estadístico?

Abierta

Preguntado el 2 de Noviembre, 2015 por Shreyans

5

3Resp

703Vistas

Encontrar el valor máximo de una función de $x$ para un rango dado de valores de $x$

Resuelta

Preguntado el 12 de Abril, 2012 por Shreyans

25

5Resp

505Vistas

¿Por qué es tan importante tener principios y matemáticas las teorías para el aprender de máquina?

Abierta

Preguntado el 12 de Diciembre, 2017 por Shreyans

4

2Resp

528Vistas

Cómo establecer el tamaño de paso para estocástico de gradiente de la pendiente de tal forma que su comprobable que convergerán

Abierta

Preguntado el 25 de Febrero, 2014 por Shreyans

1

1Resp

73Vistas

¿Por qué la ecuación $ -\sum^{n}_{t=1} \tilde{W}(t)_{m-1} y_{t}h(x; \theta_{m}) = 2 \epsilon_m -1$ ¿se mantiene en el impulso?

Resuelta

Preguntado el 12 de Marzo, 2015 por Shreyans

1

1Resp

475Vistas

¿Cómo se demuestra que la pérdida de la bisagra multiclase supera la pérdida del 1-0?

Resuelta

Preguntado el 22 de Marzo, 2018 por Shreyans

4

1Resp

2119Vistas

Cómo derivar la ecuación recursiva de la retropropagación para redes neuronales para $\delta_j = \frac{\partial E_n}{ \partial a_j} $

Resuelta

Preguntado el 16 de Junio, 2015 por Shreyans

55

3Resp

22915Vistas

¿Qué significa el término no linealidad saturante?

Resuelta

Preguntado el 26 de Septiembre, 2015 por Shreyans

32

2Resp

23312Vistas

¿Cuál es la razón por la que el optimizador Adam se considera robusto al valor de sus hiperparámetros?

Resuelta

Preguntado el 31 de Agosto, 2016 por Shreyans

35

3Resp

20591Vistas

¿Cómo y por qué la normalización por lotes utiliza medias móviles para seguir la precisión del modelo mientras se entrena?

Resuelta

Preguntado el 20 de Junio, 2016 por Shreyans

1

1Resp

99Vistas

¿Puede derivarse la característica de funcionamiento del LRT de la minimización del riesgo de Bayes? $ \varphi(f) = \alpha P_F - \beta P_D + \gamma$ ?

Abierta

Preguntado el 30 de Diciembre, 2015 por Shreyans

2

1Resp

1759Vistas

¿Qué significa el término "tamaño del campo receptivo" en la biblioteca MatConvNet?

Resuelta

Preguntado el 7 de Junio, 2016 por Shreyans

14

5Resp

5453Vistas

Intuición sobre la definición de la covarianza

Resuelta

Preguntado el 17 de Mayo, 2014 por Shreyans

37

2Resp

20294Vistas

¿Por qué es importante incluir un término de corrección del sesgo en el optimizador Adam para Deep Learning?

Resuelta

Preguntado el 31 de Agosto, 2016 por Shreyans

25

1Resp

14568Vistas

¿Cómo se interpretan los histogramas dados por TensorFlow en TensorBoard?

Resuelta

Preguntado el 24 de Junio, 2016 por Shreyans

24

3Resp

28009Vistas

¿Por qué dividimos por la desviación típica y no por otro factor de normalización antes de hacer el ACP?

Resuelta

Preguntado el 20 de Enero, 2015 por Shreyans

Preguntas del usuario 140350

Cualquiera puede hacer una pregunta

Cualquiera puede responder

Se votan las mejores respuestas.

Cuáles son las garantías teóricas del embolsamiento

¿Cómo exactamente lo use redes neuronales convolucionales circunvolución en lugar de multiplicación de la matriz?

¿Hay cualquier teóricamente rigurosa justificación ¿por qué escalar o normalizar los datos debe mejorar el rendimiento estadístico?

Encontrar el valor máximo de una función de $x$ para un rango dado de valores de $x$

¿Por qué es tan importante tener principios y matemáticas las teorías para el aprender de máquina?

Cómo establecer el tamaño de paso para estocástico de gradiente de la pendiente de tal forma que su comprobable que convergerán

¿Por qué la ecuación $ -\sum^{n}_{t=1} \tilde{W}(t)_{m-1} y_{t}h(x; \theta_{m}) = 2 \epsilon_m -1$ ¿se mantiene en el impulso?

¿Cómo se demuestra que la pérdida de la bisagra multiclase supera la pérdida del 1-0?

Cómo derivar la ecuación recursiva de la retropropagación para redes neuronales para $\delta_j = \frac{\partial E_n}{ \partial a_j} $

¿Qué significa el término no linealidad saturante?

¿Cuál es la razón por la que el optimizador Adam se considera robusto al valor de sus hiperparámetros?

¿Cómo y por qué la normalización por lotes utiliza medias móviles para seguir la precisión del modelo mientras se entrena?

¿Puede derivarse la característica de funcionamiento del LRT de la minimización del riesgo de Bayes? $ \varphi(f) = \alpha P_F - \beta P_D + \gamma$ ?

¿Qué significa el término "tamaño del campo receptivo" en la biblioteca MatConvNet?

Intuición sobre la definición de la covarianza

¿Por qué es importante incluir un término de corrección del sesgo en el optimizador Adam para Deep Learning?

¿Cómo se interpretan los histogramas dados por TensorFlow en TensorBoard?

¿Por qué dividimos por la desviación típica y no por otro factor de normalización antes de hacer el ACP?

Etiquetas mas usadas

i-Ciencias.com

Powered by: