J'ai lu The Book of Why de Judea Pearl , dans lequel il mentionne que l'apprentissage en profondeur n'est qu'une technologie glorifiée d'ajustement de courbe, et ne sera pas en mesure de produire une intelligence humaine. De son livre, il y a ce diagramme qui illustre les trois niveaux de capacités...
Je suis un nouvel apprenant en PNL. Je suis intéressé par la tâche de génération de phrases. En ce qui me concerne, une méthode de pointe est le CharRNN , qui utilise RNN pour générer une séquence de mots. Cependant, BERT est sorti il y a plusieurs semaines et est très puissant. Par conséquent,...
Je lis au sujet des réseaux contradictoires génératifs (GAN) et j'ai quelques doutes à ce sujet. Jusqu'à présent, je comprends que dans un GAN, il existe deux types différents de réseaux de neurones: l'un est génératif ( ggG ) et l'autre discriminant ( réréD ). Le réseau neuronal génératif génère...
La question porte sur l'architecture des réseaux résiduels profonds ( ResNets ). Le modèle qui a remporté la 1ère place au "Large Scale Visual Recognition Challenge 2015" (ILSVRC2015) sur les cinq pistes principales: Classification ImageNet: «ultra-profonds» (citation de Yann) réseaux à 152 couches...
Deepmind vient de publier un article sur un "ordinateur neuronal différenciable" , qui combine essentiellement un réseau neuronal avec une mémoire . L'idée est d'apprendre au réseau neuronal à créer et à rappeler des mémoires explicites utiles pour une certaine tâche. Cela complète bien les...
J'ai trouvé la feuille de triche du réseau neuronal suivante ( Cheat Sheets for AI, Neural Networks, Machine Learning, Deep Learning & Big Data ). À quoi servent tous ces différents types de réseaux de neurones? Par exemple, quels réseaux de neurones peuvent être utilisés pour la régression ou...
Trusted Region Policy Optimization (TRPO) et Proximal Policy Optimization (PPO) sont deux algorithmes de gradients de politique de pointe. Lorsque vous utilisez une seule action continue, normalement, vous utiliseriez une distribution de probabilité (par exemple, gaussienne) pour la fonction de...
Tout ce qui concerne le Deep Learning (DL) et les réseaux profonds (er) semble "réussi", progressant au moins très rapidement et cultivant la croyance selon laquelle AGI est à portée de main. C'est de l'imagination populaire. DL est un formidable outil pour faire face à tant de problèmes, y compris...
Dans Convolutional Neural Network, quelle couche consomme le maximum de temps dans la formation? Couches de convolution ou couches entièrement connectées? Nous pouvons prendre l'architecture AlexNet pour comprendre cela. Je veux voir la rupture du temps du processus de formation. Je veux une...
Les réseaux Hopfield sont capables de stocker un vecteur et de le récupérer à partir d'une version bruyante de celui-ci. Ils le font en définissant des poids afin de minimiser la fonction énergétique lorsque tous les neurones sont définis comme égaux aux valeurs vectorielles, et en récupérant le...
Je suis assez nouveau dans l'apprentissage en profondeur, mais je pense avoir trouvé la bonne situation dans le monde réel pour commencer à l'utiliser. Le problème est que je n'ai utilisé que de tels algorithmes pour prédire les résultats. Pour mon nouveau projet, j'ai besoin d'informations pour...
Quelle est la définition d'un réseau neuronal profond? Pourquoi sont-ils si populaires ou
Je forme un auto-encoderréseau avec Adamoptimiseur (avec amsgrad=True) et MSE losspour la tâche de séparation de source audio à canal unique. Chaque fois que je diminue le taux d'apprentissage d'un facteur, la perte de réseau saute brusquement puis diminue jusqu'à la prochaine décroissance du taux...
J'ai étudié Viv un agent intelligent artificiel en développement. D'après ce que je comprends, cette IA peut générer du nouveau code et l'exécuter en fonction d'une requête de l'utilisateur. Ce que je suis curieux de savoir, c'est comment cette IA est capable d'apprendre à générer du code basé sur...
J'ai fait ma thèse de master sur les modèles génératifs profonds et je suis actuellement à la recherche d'un nouveau sujet. Q: Quels sont les sujets de recherche «les plus chauds» qui retiennent beaucoup l'attention de la communauté d'apprentissage en profondeur ces derniers temps? Quelques...
J'ai entendu plusieurs fois que l'un des problèmes fondamentaux / ouverts de l'apprentissage en profondeur est le manque de «théorie générale» à ce sujet, car en fait nous ne savons pas pourquoi l'apprentissage en profondeur fonctionne si bien. Même la page Wikipedia sur l'apprentissage en...
J'ai un grand ensemble de données de véhicules avec la vérité au sol de leurs longueurs (plus de 100 000 échantillons). Est-il possible de former un réseau profond pour mesurer / estimer la longueur du véhicule? Je n'ai vu aucun article concernant l'estimation de la taille d'un objet à l'aide d'un...
DeepMind déclare que son réseau Q profond (DQN) a été en mesure d'adapter continuellement son comportement tout en apprenant à jouer à 49 jeux Atari. Après avoir appris tous les jeux avec le même réseau neuronal, l'agent était-il en mesure de les jouer tous à des niveaux `` surhumains ''...
À propos de l'apprentissage en profondeur (pour référence) : Le deep learning est une branche du machine learning basée sur un ensemble d'algorithmes qui tentent de modéliser des abstractions de haut niveau dans les données en utilisant un graphe profond avec plusieurs couches de traitement,...
Deep Mind a publié de nombreux ouvrages sur le deep learning au cours des dernières années, la plupart à la pointe de la technologie dans leurs tâches respectives. Mais quelle partie de ce travail a réellement été reproduite par la communauté de l'IA? Par exemple, le papier Neural Turing Machine...