图像表明，传统的机器学习算法经过一定量的数据后，性能趋于平稳，而深度学习算法的性能随着数据量的增加而提高。与机器学习模型的手动特征选择相比，深度学习方法是否能自动学习重要的特征？
浏览 0提问于2019-05-10得票数 2
我在用神经网络反向传播编程。我有大约90个数据，并对所有数据进行了一些培训，用于数据培训(90个数据)和相同的数据测试数据(90个数据)。我使用迭代阈值约2次来测试它，它给了我相当大的误差(MAPE/均方误差约为60% )。恐怕我的算法错了，因为获得训练误差小于10%的唯一方法是使用大约3000 k迭代的迭代阈值，它的训练需要相当长的时间(我没有使用动量)。只是一个反向传播神经网络)。
浏览 2提问于2017-05-21得票数 0
回答已采纳
但是我发现了一个奇怪的现象，就是设置这个值会严重损害我的RL算法的性能(我已经为TD3和SAC做了一些测试，所有结果都一致表明“导出OPENBLAS_NUM_THREADS=1”会降低性能)。为什么这会造成这么大的问题？
算法采用Tensorflow1.13 1.13实现，数据通过输入神经网络。所有测试都是在OpenAI健身房的环境上进行的。
浏览 0提问于2019-05-13得票数 2
回答已采纳
是否可以像在其他算法/程序中那样使用大O复杂度度量？
我有建议，根据内存使用情况或培训时间来度量复杂性。然而，这些都不是理论上的措施，可能会因机器而异。我使用的一种方法是简单地比较可训练参数的总数。具体来说，我们可以考虑，比如卷积神经网络。。
浏览 6提问于2020-03-21得票数 0
254016x254016 87043112 double sparse
此外，如果我设置trust-regions而不是quasi-newton，则算法将运行
浏览 1提问于2018-08-29得票数 1
回答已采纳
1回答
在机器学习方面，我是个菜鸟，我试图使用ML对一些数据进行分类。现在，我已经对有监督和无监督的学习算法做了一些基本的阅读，如决策树、聚类、神经网络..etc等。我很难理解的是为ML问题准备数据集的正确的总体过程。我目前的理解是，为了评估准确性，算法应该输入预先标记的结果(来自数据集的一个重要子集？)以评估预期结果与算法的决策之间的差异？
如果这是正确的，那么如何对大型数据
浏览 2提问于2013-10-14得票数 7
2回答
我建立了一个相当标准的反向传播算法，使用一个包含39个变量的10,000个数据集，通过5层x5节点网络进行前向传播的过程，每次迭代几乎需要5分钟。使用这样大的数据集，神经网络通常需要花费很多时间来训练吗？我的初始数据集是10倍长，但我不能等待一个小时仅仅是完成一次向前传球。
浏览 0提问于2017-03-10得票数 3
因此，我试图设计一个多层神经网络，由3个输入神经元、3个隐神经元和1个输出神经元组成。这是代码，它在仅仅10个时代之后收敛，学习速率为0.1，错误的值降到无穷大： double hidden[] = {1d,1d,1d}; }我敲掉了一个隐藏的神经元，它仍然收敛到无穷大，所有的重量!！
浏览 2提问于2013-12-18得票数 1
回答已采纳
解空间由整形限制为2层人工神经网络。无法将配置文件的参数归档，以便我可以获得2个以上的层。 我开始修改并使用NEAT的xor2.py文件来用于我的数据集。现在，我在解决方案空间中遇到了两层人工神经网络。有没有办法在配置文件中指定我需要3层或更多层？我试着检查配置文件中的所有参数，但找不到。
浏览 36提问于2019-02-16得票数 1
回答已采纳
3回答
使用Weka进行游戏
、、、
我正在做一个项目，其中我有神经网络(或其他算法)在扑克中玩对方。在每次输赢之后，我希望神经网络(或其他算法)更新以响应损失的错误(这是如何计算的在这里并不重要)。我还想实现的另一个想法是使用遗传
浏览 1提问于2011-03-10得票数 2
2回答
假设我有一个数据集，我想用神经网络和支持向量机进行训练。在训练后的数据集中，神经网络是否会过度适应，而支持向量机则不会？就像一个数据集对一种训练算法来说是否过分适合，而不太适合另一种训练算法吗？或者如果它不适合于一种训练算法，那么可以假设它也不适合其他的训练算法？
浏览 0提问于2016-08-08得票数 0
回答已采纳
8回答
我对神经网络感兴趣有一段时间了，并考虑在python中使用一个比较时域(最快)中各种最小化技术的轻型项目。
然后我意识到我甚至不知道NN是否适合最小化。你认为如何？
浏览 11提问于2009-03-16得票数 10
回答已采纳
1回答
我正在实现连续强化学习(用深度强化学习的连续控制)，但在优化策略-神经网络时遇到了一些问题。然而，由于Q-神经网络(最初)不是Q(状态，动作)的完全逼近，当政策的作用变得很大/无限时，我遇到了问题。当行动->无限时，Q->无穷大，这意味着策略的权重被优化到非常大或无限大的值。Morover，当政策开始输出接近无穷大的值时，这意味着q-值变得太大，而增强值变得不相关，因为"r + gamma*Q“被非常大的q-值所主导。
您推荐的解决方案是
浏览 1提问于2017-04-29得票数 2
1回答
如果我要用遗传算法训练一个人工神经网络的权重，这是什么类型的学习呢？我相信它是无人监管的但它有名字吗？它似乎可能属于强化学习，但我不太确定。
浏览 4提问于2014-02-23得票数 1
回答已采纳
我使用过pybrain，了解了如何生成具有自定义架构的神经网络，并使用反向传播算法将其训练为有监督的数据集。
然而，我对优化算法以及任务、学习代理和环境的概念感到困惑。例如:我如何实现(1)这样的神经网络，以使用pybrain遗传算法(2)对XOR数据集进行分类？
浏览 1提问于2013-04-02得票数 19
回答已采纳
1回答
图像处理中的数字识别算法/准则
、、、、
我正在努力学习图像处理，在这方面我给自己设定了一个目标。一个数字识别系统。现在的问题是，我很难想象这些工具如何帮助我实现我的目标。这真的很令人沮丧，因为在网上查找这个问题会给出非常普遍和宽泛的答案。如果不能，至少可以给我推荐一本书，甚至是一个领域，因为在看了
浏览 5提问于2013-03-20得票数 0
我认为sha256是一个例子。当输入字符时，就会得到一个散列，并且已经知道输入是什么了。如果我有这两件事，一个程序能猜出sha256使用的函数吗?例如，将输入转换成输出？
浏览 5提问于2022-09-13得票数 -2
我是数据科学的初学者。我发现一些机器学习算法在给定特定类型的数据(即数值、分类、文本、图形)时表现得更好。我在网上搜索了这个话题，但没有运气。希望对这个问题的回答将有助于数据科学的初学者。
更新:如果您能够解释哪些类型的数据最适合下面的算法，那就更好了。朴素贝叶斯，支持向量机，回归，K-均值，深层神经
浏览 0提问于2017-06-23得票数 9
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
实时音视频
即时通信 IM活动推荐
腾讯云开发者
