人工知能

純粋なデジタル環境で「認知」機能を模倣できる世界での生活や課題についての概念的な質問に興味がある人のためのQ&A

0
Qラーニング更新ルールがある場合、強化学習におけるニューラルネットワークの目的は何ですか?
Gridworldなどの強化学習(RL)タスク用にニューラルネットワーク(NN)をトレーニングする目的について混乱しています。RLタスク、つまりq-learningには、q-learning更新ルールがあります。これは、いくつかの状態とアクション...
     

0
ニューラルネットワークによって自動的に学習されるランドマーク機能を取得する方法はありますか?
ネットワークに入力されている画像に手動で事前にラベルを付ける必要なしに、ニューラルネットワークによって自動的に学習されたランドマークフィーチャを取得する方法はありますか?...
     

0
検証セットで拡張データを使用できますか?
モバイル加速度計データを使用して、看護活動を予測しようとしています。私のデータセットは、加速度のx、y、zコンポーネントを含むCSVファイルです。各フレームには20秒のデータが含まれています。データセットは非常...
   

0
逆伝播の私の理解は正しいですか?
私はバックプロパゲーションを学習しようとしていますが、これは今のところわかっています。ニューラルネットワークの重みを更新するには、チェーンルールを使用して、損失関数の各パラメーターの偏微分を計算する必...
     

0
バッチ正規化は実際にはどのように機能しますか?
私は実際にKerasのバッチ正規化チュートリアルを実行しましたが、そこでの説明にはさらに戸惑いました。ここで、最近読んだバッチ正規化に関するいくつかの事実について説明します。 バッチ正規化レイヤーを除いて、ニ...
   

0
特定の数のシーケンスを学習するために必要なLSTM層の数
理論的には、LSTMレイヤーのユニット数は、私の慣例に従って、隠れた状態の数またはシーケンスの最大長です。たとえば、Kerasの場合:Lstm1 = LSTM(units=MAX_SEQ_LEN, return_sequences=False); しかし、トレーニングするシーケンスが多い...
     

1
完全に接続されたレイヤーを特徴検出に使用できますか?
基本的なことを理解するのに助けが必要です。 this videoでは、Andrew Ngは基本的に、畳み込み層は完全に接続された(FC)層よりも使用するパラメーターが少ないため、優れていると述べています。しかし、FCレイヤーが、具体...
    



0
ニューラルネットワークで非線形性が望ましいのはなぜですか?
ニューラルネットワークで非線形性が望ましいのはなぜですかこの質問に対する満足のいく答えをウェブ上で見つけることができませんでした。私は通常、「現実の問題には自明ではない非線形の解が必要です。そのため、...
   

3
DQNでイプシロン貪欲の代わりにソフトマックスを使用してアクションを選択するとどうなりますか?
RLの2つの主要なブランチがQラーニングとポリシーグラデーションの方法であることを理解しています。私の理解から(間違っている場合は訂正してください)、ポリシーグラディエントメソッドには、確率分布を使用して...
     

6
強化学習アルゴリズムのサンプル効率を測定する方法は?
強化学習アルゴリズムのサンプル効率を測定するために使用するメトリックがあるかどうか知りたいですか?研究論文を読んだところ、提案されたモデルの方がサンプル効率が高いという主張がありましたが、強化学習アル...
  

0
データの不均衡は過剰適合を引き起こす可能性がありますか?
私は人間活動認識プロジェクトを行っています。全部で12クラスあります。クラス分布は次のようになります: $ \ color {red} {\あなた\を注意深く見れば、\ \ \ \ \ \ \ \データ\ポイント\ \クラス\11 \ and \ class \ 8。} $ また、デー...
   





0
ネットワークのチャネル数とはどういう意味ですか?
現在、私はRethinking Model Scaling for Convolutional Neural Networksを読んでいます。著者は、すべての次元を同時に各次元に対してスケーリングすることにより、畳み込みニューラルネットワークをスケーリングする別の方法について...
 

2
DQNで変化する目標を処理する方法は?
エージェントがターゲット画像に対応する正しいポーズを見つけることを目的とした仮想2D環境を作成しました。この問題を解決するためにDQNを実装しました。目標が決まったとき。目的は、位置(1,1)のポーズを見つける...
  


Next page