1回答
我有一个回归问题，大约有一百万行，大约有10-15个特性.在这种特殊的环境下，什么应该更好地发挥作用？神经网络还是规则回归？
浏览 0提问于2019-05-21得票数 0
回答已采纳
在维基百科和deeplearning4j中都有这样的说法:深度学习神经网络是一种隐层大于1的神经网络.我还听说堆叠的神经网络被认为是深度学习。深度学习是如何定义的？我的神经网络的</
浏览 0提问于2016-10-04得票数 14
回答已采纳
在阅读了一些理论之后，我对以下术语感到有点困惑：深层神经网络前馈神经网络卷积神经网络深层信念网络..。然而，维基百科现在也让我很难区分所有的术语，它说：“深层
浏览 0提问于2019-07-15得票数 3
回答已采纳
什么时候将神经网络定义为深度神经网络(DNN)而不是神经网络？
据我所知，DNN是具有多层的神经网络，简单的神经网络通常有较少的层数。但又有多少人呢？还是有其他的定义？使用Tensorflow、Caffee这样的培训网络是什么？据我所知，我还没有看到任何人手动设计一个包含许多层的网络。他们似乎推广了创建DNN的工具，但是如果您只创建一个包含两个层的</em
浏览 0提问于2016-12-28得票数 8
回答已采纳
1回答
我是学生，在python上还是新手，我需要在我们的领域中使用深度神经网络，这与深度学习没有直接关系，但我们可以用深度学习来优化这些错误。上一次我尝试用python工作，但是我发现我需要很长的时间从头开始学习python。我们几乎所有的东西都使用Matlab，我很好地掌握了它。我决定搬回matlab，利用那里的深度学习。我的问题是，有谁有任何视频或
浏览 5提问于2019-10-12得票数 0
回答已采纳
4回答
是否有在结构化数据中执行聚类的深度学习文献/参考资料？我知道这可以使用Kmeans，GMM等来完成，但是有没有可能使用深度神经网络等来完成聚类分析呢？谢谢。
浏览 0提问于2019-02-01得票数 0
3回答
在ImageNet ClassifiNeural with Deep Convolutional Neural等论文中
训练方法似乎是随机梯度下降的基本反向传播。尽管CNN是深度神经网络的一部分，但这纯粹是因为存在大量的隐藏层吗？这是否意味着这里的后盾属于深度学习类别，因为网络是深度的，即使它不遵循与使用贪婪层明智训练(一种真正的深度学习技术)<
浏览 2提问于2014-04-19得票数 4
2回答
我一直在使用matlab上的神经网络，但无法找到一个允许神经网络多个隐藏层的包。建议使用“`nnet”包，但它只允许一个对我没有用处的层网络。还有其他能像matlab那样训练复杂神经网络的软件包吗？
(如果存在，则可能应该更新CRAN页面。对如何做到这一点有什么想法吗？)
浏览 4提问于2014-06-04得票数 4
我目前正在研究一项语音识别任务，将深入学习应用于标准声学模型(gmm-hmm)。
目前，我已经生成了我的话语的谱图，并且使用简单的模式识别设法在“是”/“否”数据集中接收到40%的WER。CNN被赋予了一个40帧的上下文窗口，在这个窗口中检测到了中心帧，我的问题是，使用RNN是否对这里有好处？因此RNN处理上下文，CNN在一个帧谱图上进行“图像分析”。如果是这样的话，它会不会明智地导致一些问题，当我在CNN上做的时候，是否通过在谱图的更大部分
浏览 0提问于2017-07-06得票数 2
回答已采纳
我理解深高斯过程( DGPs )和贝叶斯深度学习( BDL )之间的区别:DGPs本质上是前馈神经网络，其中每个节点都是高斯过程，BDL对正常(可能是卷积的)神经网络的参数有一个先验的信念。但这两种模式之间的权衡和关系是什么呢？
浏览 0提问于2019-11-20得票数 2
我花了很多时间试图理解深度学习和神经网络的理论方面，但我现在质疑它是否值得，因为我是一个主要从事应用/商业方面工作的人。通过先进的理论知识，我的意思是:了解支持向量机内核技巧的细节、“不免费午餐”定理及其与机器学习的关系、神经网络是如何成为通用逼近器的细节、分类器的VC维数等等。因此，我的问题是:在应用数据科学家<em
浏览 0提问于2017-12-19得票数 0
1回答
神经网络经过最初的训练后，最佳的适应方式是什么？除了使用完整的数据集对其进行再培训之外，还有其他方法吗?因为这需要很长时间。
对不起，我的基本问题，但我找不到很多有关这方面的信息。
浏览 4提问于2015-11-23得票数 2
回答已采纳
我是ML领域的初学者。我正在学习角角，以获得亲身体验。我选择了20_新闻组数据的分类作为我的任务，我使用glove.6B.50d.txt进行嵌入。我选择为这个任务训练一个RNN，因为它有更好地学习时间序列数据的能力。训练与不同组合的LSTM层和输出尺寸，然后收敛到一个组合。然后，我尝试了同样的任务的CNN模型。我发现CNN模型可以学习得更快，在15个周期结束时的准确率约为65%，因
浏览 0提问于2018-05-23得票数 1
我在python(使用numPy)中从头开始编写了一个深度学习模型，而不使用任何框架，比如keras或tensorflow。到目前为止，我的模型工作良好，但它运行在CPU上。
浏览 0提问于2020-07-05得票数 -1
回答已采纳
3回答
Tensorforce、Kerasrl和chainerrl用于强化学习的区别是什么？据我所知，这三种方法都与OpenAI健身房环境有关，并且具有相同的强化学习算法。在表现上有什么不同吗？
浏览 1提问于2018-09-10得票数 1
显然，深度学习方法并没有在表格数据问题[1，2]上取得最先进的结果。这一索赔似乎也为Kagglers所知。SOTA方法看起来像是梯度提升决策树。神经网络是否有更强的IID假设来抑制表格数据中的学习？文学：我们真的
浏览 0提问于2022-05-15得票数 3
我正在使用tensorflow训练两个使用两个不同数据集的相同神经网络实例。网络本身非常简单，有一个输入和输出层和6个隐藏层(每个层是一个20 meuron，然后是一个非线性激活函数)。我可以用两个不同的数据集来训练网络，这很好。现在，我想要做的是创建一个新的网络，它是这两个受过训练的网络的结合。特别是，我希望输入和前3层来自一个经过训练的网络，最后3层和输出层来自另一个网络。
浏览 0提问于2017-02-19得票数 5
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
腾讯会议
云直播活动推荐
腾讯云开发者
