La convolution est une opération à valeur fonction sur deux fonctions et : . Souvent utilisé pour obtenir la densité d'une somme de variables aléatoires indépendantes. Cette balise doit également être utilisée pour l'opération inverse de déconvolution. N'utilisez PAS cette balise pour les réseaux de neurones convolutifs. F f g g ∫ ∞ - ∞ F ( τ ) g ( t - τ ) d τ ∫−∞∞f(τ)g(t−τ)dτ
Je suis en train de faire le tutoriel Udacity Deep Learning. Dans la leçon 3, ils parlent d'une convolution 1x1. Cette convolution 1x1 est utilisée dans Google Inception Module. J'ai du mal à comprendre ce qu'est une convolution 1x1. J'ai aussi vu ce post de Yann Lecun. Quelqu'un pourrait-il bien...
J'ai découvert qu'Imagenet et d'autres grands réseaux CNN utilisent des couches de normalisation de réponse locale. Cependant, je ne peux pas trouver autant d'informations à leur sujet. Quelle est leur importance et quand doivent-ils être utilisés? De
Je n'ai pas de formation en vision par ordinateur. Pourtant, lorsque je lis des articles et des articles sur le traitement d'images et les réseaux de neurones convolutionnels, je suis constamment confronté au terme translation invariance, ou translation invariant. Ou j'ai lu beaucoup que...
[Cette question a également été posée au débordement de la pile] La question en bref J'étudie les réseaux de neurones convolutifs, et je crois que ces réseaux ne traitent pas chaque neurone d'entrée (pixel / paramètre) de manière équivalente. Imaginez que nous ayons un réseau profond (plusieurs...
Lorsque j'utilise GAM, cela me donne un DF résiduel de (dernière ligne du code). Qu'est-ce que ça veut dire? Au-delà de l'exemple GAM, en général, le nombre de degrés de liberté peut-il être un nombre non entier?26.626.626.6 > library(gam) > summary(gam(mpg~lo(wt),data=mtcars)) Call:...
J'essaie de mieux comprendre l'estimation de la densité du noyau. En utilisant la définition 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 K_h (x...
L'architecture d'AlexNet utilise des remplissages zéro comme le montre l'image: Cependant, il n'y a aucune explication dans le papier pourquoi ce remplissage est introduit. Le cours Standford CS 231n enseigne que nous utilisons le rembourrage pour préserver la taille spatiale: Je me demande si...
J'étudie les réseaux de neurones convolutifs (CNN) en raison de leurs applications en vision par ordinateur. Je connais déjà les réseaux de neurones standard à alimentation, donc j'espère que certaines personnes ici peuvent m'aider à faire un pas de plus dans la compréhension des CNN. Voici ce que...
(Initialement publié sur MSE.) J'ai vu de nombreuses discussions heuristiques du théorème de la limite centrale classique parler de la distribution normale (ou de n'importe laquelle des distributions stables) comme d'un "attracteur" dans l'espace des densités de probabilité. Par exemple, considérez...
le problème suivant est apparu récemment lors de l'analyse des données. Si la variable aléatoire X suit une distribution normale et Y suit une distribution χ2nχn2\chi^2_n (avec n ddl), comment Z=X2+Y2Z=X2+Y2Z = X^2 + Y^2 distribué? Jusqu'à présent, je suis venu avec le pdf de Y2Y2Y^2 :...
Dans les réseaux de neurones convolutifs (CNN), la matrice de poids à chaque étape obtient ses lignes et colonnes inversées pour obtenir la matrice du noyau, avant de procéder à la convolution. Ceci est expliqué sur une série de vidéos de Hugo Larochelle ici : Calculer les cartes cachées...
Je lisais le livre de Yoshua Bengio sur l'apprentissage profond et il est dit à la page 224: Les réseaux convolutifs sont simplement des réseaux neuronaux qui utilisent la convolution à la place de la multiplication matricielle générale dans au moins une de leurs couches. cependant, je ne savais...
Les termes «suréchantillonnage» et «convolution transposée» sont tous deux utilisés lorsque vous effectuez une «déconvolution» (<- ce n'est pas un bon terme, mais permettez-moi de l'utiliser ici). À l'origine, je pensais qu'ils signifiaient la même chose, mais il me semble qu'ils sont différents...
J'essaie de comprendre pourquoi la somme de deux (ou plus) variables aléatoires lognormales se rapproche d'une distribution lognormale lorsque vous augmentez le nombre d'observations. J'ai regardé en ligne et je n'ai trouvé aucun résultat à ce sujet. De toute évidence, si et sont des variables...
D'après ce que j'ai appris, nous utilisons plusieurs filtres dans une couche Conv d'un CNN pour apprendre différents détecteurs de fonctionnalités. Mais puisque ces filtres sont appliqués de la même manière (c'est-à-dire glissés et multipliés aux régions de l'entrée), n'apprendraient-ils pas...
J'ai un ensemble de données déséquilibré dans une tâche de classification binaire, où le montant positif contre le montant négatif est de 0,3% contre 99,7%. L'écart entre les positifs et les négatifs est énorme. Lorsque je forme un CNN avec la structure utilisée dans le problème MNIST, le résultat...
Les distributions stables sont invariantes sous convolutions. Quelles sous-familles des distributions stables sont également fermées par multiplication? En ce sens que si et , alors la fonction de densité de probabilité du produit, (jusqu'à une constante de normalisation) appartient aussi à ?f ∈ F...
Soit et des variables aléatoires exponentielles indépendantes et identiquement distribuées avec rate . Soit .X1X1X_1X2X2X_2λλ\lambdaS2=X1+X2S2=X1+X2S_2 = X_1 + X_2 Q: Montrez que a PDF .S2S2S_2fS2(x)=λ2xe−λx,x≥0fS2(x)=λ2xe−λx,x≥0f_{S_2}(x) = \lambda^2 x \text{e}^{-\lambda x},\, x\ge 0 Notez que si...
Je veux calculer / évaluer la convolution g( x ) = ∫réF( x - t ) ϕ ( t ) dt ,g(x)=∫Df(x−t)ϕ(t)dt,g(x)=\int_D f(x-t) \phi(t) dt, où est une densité et est une fonction lisse à support compact . La convolution n'est pas disponible sous forme fermée et je dois l'intégrer numériquement. Ma question...