Was soll in den Eingang des neuronalen Netzes eingespeist werden? Ihre Ideen... - Seite 56
Sie verpassen Handelsmöglichkeiten:
- Freie Handelsapplikationen
- Über 8.000 Signale zum Kopieren
- Wirtschaftsnachrichten für die Lage an den Finanzmärkte
Registrierung
Einloggen
Sie stimmen der Website-Richtlinie und den Nutzungsbedingungen zu.
Wenn Sie kein Benutzerkonto haben, registrieren Sie sich
Eine gute Frage. Wenn sie im Kontext einer virtuellen Umgebung (Informationsfeld) vollständig erforscht wird, kann man vermutlich die richtige Richtung einschlagen, anstatt akademisches Wissen und Lehrbücher zu verbreiten.
Jedes Mal, wenn ich mir Architekturen ansehe, stelle ich mir die Frage "Warum so? Und warum? Warum hat man sich dafür entschieden, es so zu machen?"
Nein, nimm einfach - und übersetze die Architektur, die von schlauen Onkel-Mathematikern geschrieben wurde. Ich habe sogar im Chatroom gefragt, warum der LSTM-Block die Form hat, die er hat?
Als Antwort - Unsinn aus MO-Lehrbüchern: es ist ein Langzeitgedächtnis, blah blah blah,angepasst an das Lernen von Klassifikationsaufgaben und blah blah blah. Ich frage "also warum genau so?", die Antwort ist wie "Mathematiker haben das so entschieden". Keine Theorie, keine Informationstheorie, keine Theorie der Informationsverarbeitung, keine Definitionen von Lernen, Lerntheorien usw.
Ab dem dritten Mal fing der Chat an, über Fades und Gradient Spikes zu reden. LSTM löst diese Probleme.
Nun, OK, wie löst es sie? - MitGates! Welche Gates!?!? Was für Gates? -
Welche Informationen???? Die Zahlen in der Eingabe?
Aber Sie konvertieren sie von den eingehenden Zahlen in ein schiefes, verzerrtes, unverständliches Kauderwelsch, das die eingehenden Zahlen-Farben RGB in etwas Unlesbares, eine schwarze Kiste voller Brei verwandelt. Nun, sagen wir, einige Zahlen in andere umwandeln, aber in was lernen? Auswendiglernen?
Es ist also Auswendiglernen! Und wie unterscheidet es sich vom Lernen? Letztendlich ist es unklar, was sie versuchen, auf das Unklare im zweiten Grad anzuwenden - den nicht-stationären Markt. Im Allgemeinen ist die Frage großartig, sie wurde schon vor langer Zeit gestellt. Ihre Entfaltung ist etwas äußerst Interessantes.
D.h., es gibt wirklich keine Systematisierung in der Wissenschaft der Anwendung von IO? Nur eine Art Alchemie ohne Garantie für ein positives Ergebnis?
Was ist der Unterschied zwischen dem Training eines neuronalen Netzes und dem Unterrichten eines Pudels in Kunststücken? - oder einem Schuljungen Kunststücke beizubringen? Gibt es da Unterschiede, und wenn ja, wer und wo hat diese Unterschiede systematisiert und begründet?
Training eines intelligenten Systems zur Durchführung bestimmter Aufgaben. Zum Beispiel: Vorhersage.
Lernen bedeutet, Wissen oder Erfahrung zu erwerben.
Eine kindische Frage, die "wertvolle Experten" nicht beantworten können. Sie können nicht zwischen Lernen und Optimierung unterscheiden.
Der gesamte Prozess der Modellerstellung, einschließlich der Datenaufbereitung und der Modellauswahl, wird als Lernen bezeichnet. Die Optimierung der NS-Gewichte wird als Anpassung oder Optimierung bezeichnet.
Es gibt Modelle, bei denen die Optimierungsphase überhaupt nicht explizit vorhanden ist, wie z. B. Random-Forest- oder regelbasierte Modelle und einige Arten von Clustering. Bei neuronalen Netzen ist sie explizit vorhanden.
Sprechen Sie gar nicht erst von Gates :)Training eines intelligenten Systems zur Durchführung bestimmter Aufgaben. Zum Beispiel: Vorhersage.
Lernen bedeutet, Wissen oder Erfahrung zu erwerben.
Eine kindische Frage, die "wertvolle Experten" nicht beantworten können. Sie können nicht zwischen Lernen und Optimierung unterscheiden.
Der gesamte Prozess der Modellerstellung, einschließlich der Datenaufbereitung und der Modellauswahl, wird als Lernen bezeichnet. Die Optimierung der NS-Gewichte wird als Anpassung oder Optimierung bezeichnet.
Es gibt Modelle, bei denen die Optimierungsphase überhaupt nicht explizit vorhanden ist, wie z. B. Random-Forest- oder regelbasierte Modelle und einige Arten von Clustering. Bei neuronalen Netzen ist sie explizit vorhanden.
Sprechen Sie gar nicht erst von Gates :)Wasser ist geflossen Wie du im Wasser gesehen hast.
Das Wasser lief, als ob ich im Wasser wäre.
Wenn es in das eine hinein und aus dem anderen heraus fließt, ist es pathologisch.
Du verstehst die Frage gar nicht Du verbreitest nur Allgemeinwissen Es ist wie eine Enzyklopädie.
Du verstehst die Frage gar nicht Du verbreitest nur Allgemeinwissen Es ist wie eine Enzyklopädie.
Es gibt also keine Systematisierung in der Wissenschaft der ME-Anwendung? Nur eine Art Alchemie ohne Garantie für ein positives Ergebnis?
Was ist der Unterschied zwischen dem Training eines neuronalen Netzes und dem Unterrichten eines Pudels, der Kunststücke macht? - oder einem Schuljungen Kunststücke beizubringen? Gibt es überhaupt Unterschiede, und wenn ja, wer und wo hat diese Unterschiede systematisiert und begründet?
Wenn Sie solche Werke finden - teilen Sie sie mir mit, ich bin selbst neugierig. Die Anhänger von Lehrbüchern übersetzen genau eine Sache - durch Training verstehen sie die Methode der Abstimmung/Einstellung des Motors (Modells). .
Dies spiegelt jedoch nicht das Wesen des Lernens wider, das in einem allgemeinen Sinne eine tiefere Bedeutung hat.
Eine gute Frage. Wenn sie im Kontext einer virtuellen Umgebung (Informationsfeld) vollständig erforscht wird, kann man vermutlich die richtige Richtung einschlagen, anstatt akademisches Wissen und Lehrbücher zu verbreiten.
Jedes Mal, wenn ich mir Architekturen ansehe, stelle ich mir die Frage "Warum so? Und warum? Warum hat man sich dafür entschieden, es so zu machen?"
Nein, nimm einfach - und übersetze die Architektur, die von schlauen Onkel-Mathematikern geschrieben wurde. Ich habe sogar im Chatroom gefragt, warum der LSTM-Block die Form hat, die er hat?
Als Antwort - Unsinn aus MO-Lehrbüchern: es ist ein Langzeitgedächtnis, blah blah blah,angepasst an das Lernen von Klassifikationsaufgaben und blah blah blah. Ich frage "also warum genau so?", die Antwort ist wie "Mathematiker haben das so entschieden". Keine Theorie, keine Informationstheorie, keine Theorie der Informationsverarbeitung, keine Definitionen von Lernen, Lerntheorien usw.
Ab dem dritten Mal fing der Chat an, über Fades und Gradient Spikes zu reden. LSTM löst diese Probleme.
Nun, OK, wie löst es sie? - MitGates! Welche Gates!?!? Was für Gates? -
Welche Informationen???? Die Zahlen in der Eingabe?
Aber Sie konvertieren sie von den eingehenden Zahlen in ein schiefes, verzerrtes, unverständliches Kauderwelsch, das die eingehenden Zahlen-Farben RGB in etwas Unlesbares, eine schwarze Kiste voller Brei verwandelt. Nun, sagen wir, einige Zahlen in andere umwandeln, aber in was lernen? Auswendiglernen?
Es ist also Auswendiglernen! Und wie unterscheidet es sich vom Lernen? Letztendlich ist es unklar, was sie versuchen, auf das Unklare im zweiten Grad anzuwenden - den nicht-stationären Markt. Im Allgemeinen ist die Frage großartig, sie wurde schon vor langer Zeit gestellt. Ihre Entfaltung ist etwas äußerst Interessantes.
Besser nicht suchen, sondern selbst erfinden und schreiben, Maestro :)
m ytarmailS #:
Ihr seid so sensibel.
Nun, ich habe einen anderen Ansatz, einen tieferen. Euer Ansatz ist eher oberflächlich.
Ich will der Sache auf den Grund gehen, und ihr gebt euch mit vorgefertigten Paketen zufrieden.
Das ist auch gut so.