neural-network

    2熱度

    1回答

    外匯匯率預測

    最近我強迫我的神經網絡學習異或函數，但現在我想預測給定日期的貨幣匯率。對於XOR函數來說很容易，因爲輸入和輸出落在[0; 1）之間。 匯率： 應該對輸入和輸出進行歸一化處理嗎？如果是的話如何？網絡應該有多少層？有多少輸入 - 我在考慮1個輸入（時間或某種表示）。 我打算使用：多層網絡，sigmoid函數，帶有nesterov動量的梯度下降。
    machine-learning neural-network prediction forecasting 2017-10-14

    0熱度

    3回答

    運行神經網絡pybrain

    我想創建神經網絡併爲它安裝scipy和PyBrain。 上的文件我寫： from pybrain.tools.shortcuts import buildNetwork net=buildNetwork(4,2,1) 當我運行該文件，發生錯誤 from scipy.linalq import inv,det, svd, logm, expm2 ImportError: cannot imp
    python scipy neural-network pybrain 2017-10-14

    1熱度

    1回答

    Tensorflow寬且深的模型，給AttributeError提供不同的數據集

    我使用Kaggle Rossmann dataset來訓練一個寬而深的模型。代碼與教程中給出的代碼非常相似。我只更改用於建模的數據。 我正在使用的代碼如下： """Example code for TensorFlow Wide & Deep Tutorial using TF.Learn API.""" from __future__ import absolute_import from
    python machine-learning tensorflow neural-network deep-learning 2017-10-14

    1熱度

    1回答

    在簡單的單層神經網絡中用零初始化參數後，我如何獲得92％的準確度？

    這是從的tensorflow例子mnist_softmax.py之一。 即使梯度是非零，它們必須是相同的，並且所有對應於10類10個重量矢量應該完全相同，並且產生相同的輸出logits並因此相同的概率。我認爲這是唯一可能的情況是，在使用tf.argmax（）計算精確度時，如果出現關係，它的輸出是不明確的，我們很幸運，結果達到92％的準確率。但之後我在訓練完成後檢查了y的值，並給出完全不同的輸出，表
    tensorflow neural-network backpropagation 2017-10-14

    1熱度

    1回答

    scikit如何初始化MLPClassifier的權重向量

    我想知道sklearn.neural_network.MLPClassifier如何初始化權向量。在文檔page中，沒有任何關於默認情況下如何初始化權向量的提及。 謝謝，
    python scikit-learn neural-network 2017-10-14

    2熱度

    2回答

    C中的感知器未能訓練

    試圖在C中實現感知器，無法訓練它。 輸出總是會變成零，我不知道什麼是錯的。 雖然我懷疑它可能是三角函數，或者我錯誤地實現了感知器。 在此先感謝大家幫助！ #include<stdio.h> #define arrayLength(x) (sizeof(x)/sizeof((x)[0])) typedef int bool; enum { false, true }; int main()
    c neural-network 2017-10-15

    2熱度

    1回答

    神經網絡 - 如何測試它是否正確實施？

    我已經使用Tensorflow實現了神經網絡。在實施和培訓期間，我發現了幾個不那麼微不足道的錯誤。 示例：在訓練過程中，我對不同的步驟/時代具有相同的小批量損失，但準確度不同。 現在神經網絡似乎已經準備就緒並能正常工作。我還沒有設法訓練它，但我正在努力。 無論如何，我想檢查一下，我沒有在那裏做任何計算錯誤。我正在考慮爲「假」分類問題生成一些人造數據，並說出4個特徵。分類應該在分類輸出和4個特徵之間
    tensorflow neural-network 2017-10-15

    1熱度

    3回答

    使用多層感知器對不平衡數據集進行分類

    我在分類問題上遇到了麻煩。 我有兩個標籤在訓練數據中的向量數量接近400k，我想訓練將數據分爲兩類的MLP。 但是，數據集非常不平衡。 95％的人有標籤1，其他人有0標籤。準確性隨着培訓的進展而增長，並在達到95％後停止。我想這是因爲網絡預測所有矢量的標籤爲1。 到目前爲止，我嘗試用0.5概率退出圖層。但是，結果是一樣的。有什麼方法可以提高準確度嗎？
    machine-learning tensorflow neural-network deep-learning classification 2017-10-15

    1熱度

    1回答

    我應該灰化圖像嗎？

    我分類30種衣服使用R-CNN從tensorflow對象檢測庫的圖像：https://github.com/tensorflow/models/tree/master/research/object_detection 顏色是否不管什麼時候，我們收集的培訓和測試圖像？ 如果我只穿紫色和藍色襯衫，我猜它不會識別紅色襯衫？ 我應該灰度化所有圖像來檢測衣服的類型？ :)
    opencv neural-network deep-learning gpu conv-neural-network 2017-10-16

    1熱度

    1回答

    如何不匹配任何標籤

    我創建了識別短語在區域語言監督convnet數據進行分類。 例如： 我有一個包含100的數據集鳴響標籤A和另一100音爲標籤B.現在網絡的正常操作是區分標籤A和標籤之間的聲音B. 但是，讓我們說，我給一個新的聲音在網絡分類實際上既不是A也不B.現在我想的神經網絡來告訴我，這不符合任何標籤。 我該如何做到這一點？ 能否請你點我對這種用法的正確方向。 感謝
    machine-learning neural-network deep-learning conv-neural-network 2017-10-16
最新問題