ニューラルネットを使って非線形ベクトル自己回帰を構築する方法

私はVAR(vector Auto regression)に取り組んできました。これは、すべての変数間に線形関係がある場合、複数の出力値(連続)を予測します。私はそうするためにニューラルネットを使いたいので、変数間の非線形関係も含めることができます。 NNの特定のタイプがありますか? どうすればNNを使って実装できますか? ベストアンサー あなたが探している人工ニューラルネット(ANN)のタイプは、広く知られているサイクルのANNです。リカレントニューラルネットワーク(RNN)。 Vector Auto Regression(VAR)について言及してきたので、VARを比較するこの論文をチェックすることをお勧めします。 2つの異なる実

もっと読む

自動エンコーダーの畳み込みネットワークフォーカスを視覚化する方法

私は、類似性の比較を行うためにエンコードされた中間層を使用するので、イメージを自動エンコードするために私が使用しているCNNのいくつかのクールな(そして少なくとも幾分意味のある)視覚化を作成しようとしています。 私。私は入力画像を見たいのですが、CNNが “注目している”ことを示す “ヒートマップ”や何かのオーバーレイを付けて、それが理にかなっているかどうかを確認してください。勾配の大きさのようなものがあるかもしれませんが、別のCNNプロジェクトでこれを確認しました。このサイトの例に類似しています – https://rajpurkar.github.io/mlx/visualizing -cnns/ どう&#x3

もっと読む

データをクラスタリングするための成長する神経ガス(GNG)

私はデータをクラスタ化するために成長する神経ガス(GNG)を使用しています。クラスタ(ノード)の数を制限するにはどうすればいいですか、しきい値を設定できますか?私のデータはいくぶん巨大ですが、クラスタはほとんど必要ありません。私は、このの論文に記載されているアルゴリズムを使用しています。 ベストアンサー 申し訳ありませんが、適切な答えはありません

もっと読む

二次コスト関数またはMSEで数を倍にするのはなぜですか?

$(x、y)は、次のようになります。$$ C(w、b)= frac {1} {2n} sum_ {x} ここで、yは10次元ベクトル、aは出力、wは重み、bはバイアス、nは入力数です。これがMSEであれば、代わりに$ frac {1} {n} $であってはなりませんか? リンク ベストアンサー これは実際には、コスト関数(すなわち、計算勾配)の導関数を取ることを望んでいるので、いくつかの場所に現れる慣例と同じです。つまり、2の累乗が前面に表示されます。 私たちが最初に$ frac {1} {2} $を前に置くと、一度終了すればもっと良く見えます。これは紙の中のどこかに書かれているのを見たことがありますが、今は参考にすることができません。 コスト自&#x4F53

もっと読む

ハイパーパラメータを最適化するか、複数のエポックを実行する方が良いでしょうか?

私がニューラルネットワークを訓練するときは、私はそれをいくつかのエポック(1から3)に通すだけです。これは、私が悪いCPU上でそれらを訓練しているので、ニューラルネットワークが多くのエポックを通過するには時間がかかるでしょう。 しかし、私のニューラルネットワークがパフォーマンスが悪くなると、より多くのエポックを通過するのではなく、ハイパーパラメータを最適化しようとします。このアプローチは、私のニューラルネットワークがかなりシンプルなので一般的に成功しています。 しかし、この方法でニューラルネットワークをトレ&

もっと読む

ネガティブネットワークの入力に新しい属性を追加する

私は少数の学生(38)の連続データを持っています。たとえば、1つの学生連続データは次のようになります。 A B B A C D E . . 各生徒のシーケンスの長さが異なり、使用された文字はこの5文字以内でした。したがって、次の文字/文字を予測するために、私はフィードフォワードニューラルネットワークとリカレントニューラルネットワーク(LSTM)を使用しました。私はこれらのモデルで合理的な精度を得ました。 ここでは、学生の新しい属性を入力に追加したいと考えています。学生は4つの異なる部門からのものであるとします。 私は、特定の部門のホットベクトルを対&

もっと読む

ハイブリッド畳み込みニューラルネットワーク

畳み込みニューラルネットワークは、通常、画像の分類およびセマンティックセグメンテーションに最適な選択肢です。一方、カテゴリー/数値データ(年齢、身長、都市など)は、(深い)ランダムフォレスト、サポートベクターマシン、または従来のニューラルネットワークなどの従来の機械学習モデルによって最もよく処理されます。 画像とカテゴリデータからなるデータセットを分類するための畳み込み型ニューラルネットワークと従来型ニューラルネットワークの両方を組み合わせたハイブリッドアーキテクチャはありますか?この問題はこれま&#x306

もっと読む

道の2つのジャンクション間の相関関係を見つける方法

私はトラフィックデータ分析に取り組んでいます。そこでは、各交通交差点を通過する車両の数を予測する必要があります。 私のデータセットの形は次のようなものです: Road A-Junction B-Junction Date Hour CarCount X a b 2000-06-09 7 10 Y b c 2000-06-09 7 20 道路 – これは道路名です(例:M25またはA3)。 A-Junction – リンクの開始ジャンクションの道路名 B-Junction – リンクの終了ジャンクションの道路名 24時間形式の時差 CarCount – 実際の車両数 私は、AジャンクションとBジャンクションの間の相関を見出したいと思う。 または、単純な言葉で言えば、道路XとYの例では、 a 、 b と c の道路を相互に関連付けることができます。 ベストアンサー 申し訳ありませ&

もっと読む

大文字と小文字を区別するフランス語の埋め込み

フランス語のための事前に訓練された大文字と小文字を区別する単語埋め込みはありますか?私が見つけたフランス語の唯一の単語埋め込みはFastTextであり、大文字と小文字は区別されません。 私は現在、Named-Entity-Recognitionに関連する問題に取り組んでいます。英語では、GloVeは最高のパフォーマンスを発揮した埋め込みです。ですから、フランス語のGloVeの(訓練された)バージョンがありますか? ベストアンサー 申し訳ありませんが、適切な答えはありません

もっと読む

精密リコールロスト機能

I’ve been using precision and recall as my metrics, as per keras-team/keras/pull/9393/files Sensitivity & specificity is what I want to optimise for. Every epoch I output it: class SensitivitySpecificityCallback(Callback): def on_epoch_end(self, epoch, logs=None): if epoch: x_test = self.validation_data[0] y_test = self.validation_data[1] predictions = self.model.predict(x_test) output_sensitivity_specificity(epoch, predictions, y_test) def output_sensitivity_specificity(epoch, predictions, y_test): y_test = np.argmax(y_test, axis=-1) predictions = np.argmax(predictions, axis=-1) c = confusion_matrix(y_test, predictions) print(‘Confusion matrix:n’, c) print(‘[{:03d}] sensitivity’.format(epoch), c[0, 0]/(c[0, 1] + c[0, 0])) print(‘[{:03d}] specificity’.format(epoch), c[1, 1]/(c[1, 1] + c[1, 0])) 私の203年の時代には大きな成果が得られました。それから間違った方向に下降しています!そこから。 感度と特異性をどのように最適化するのですか? – 体重を更新し、そして/またはカスタムロス機能を開発することを考えている… ベストアンサー 申し訳ありませんが、適切な答えはありません

もっと読む