タグ付けされた質問 「neural-networks」

科学者や研究の専門家は、少なくとも数百万の接続が瞬時に発火する複雑な「ディープ」ニューラルネットワークの内部で何が起こっているかを台所から知っていますか？彼らはこの背後にあるプロセスを理解していますか（例えば、内部で何が起こっているのか、どのように正確に機能するのか）、それとも議論の対象ですか？ たとえば、この調査では次のように述べています。 ただし、それらがなぜそれほどうまく機能するのか、またはどのように改善されるのかについての明確な理解はありません。 それで、これは科学者が実際に複雑な畳み込みネットワークモデルがどのように機能するかを知らないことを意味するのでしょうか？

69 neural-networks  deep-learning  convolutional-neural-networks  explainable-ai 

私が知る限り、ニューラルネットワークの入力層には一定数のニューロンがあります。 ニューラルネットワークがNLPのようなコンテキストで使用される場合、さまざまなサイズの文章またはテキストブロックがネットワークに供給されます。さまざまな入力サイズは、ネットワークの入力層の固定サイズとどのように調整されますか？言い換えれば、このようなネットワークは、1単語から複数ページのテキストまでの入力を処理するのに十分な柔軟性を備えているのでしょうか？ 入力ニューロンの固定数の仮定が間違っていて、新しい入力ニューロンがネットワークに追加/削除されて入力サイズに一致する場合、これらをどのようにトレーニングできるのかわかりません。 NLPの例を挙げますが、多くの問題には本質的に予測不可能な入力サイズがあります。これに対処するための一般的なアプローチに興味があります。 画像の場合、固定サイズにアップ/ダウンサンプリングできることは明らかですが、テキストの場合、テキストを追加/削除すると元の入力の意味が変わるため、これは不可能なアプローチのようです。

42 neural-networks  machine-learning  deep-learning  convolutional-neural-networks  natural-language-processing 

ニューラルネットワークにライオンの写真を100回表示し、「危険」とラベル付けすると、ライオンは危険であることがわかります。 ライオンの危険な可能性が50％になるように、以前に何百万ものライオンの画像を表示し、「危険」および「危険ではない」というラベルを付けたと想像してください。 しかし、最後の100回は、ニューラルネットワークを、ライオンを「危険」と見なす非常に前向きな状態に押しやったため、最後の100万のレッスンは無視されました。 したがって、ニューラルネットワークには、最近の証拠に基づいてあまりにも迅速に考えを変えることができるという欠陥があるようです。特にその前の証拠が中央にあった場合。 どれだけの証拠を見たかを追跡するニューラルネットワークモデルはありますか？（または、これはによって学習率の減少をさせると同等になり試行回数のですか？）1/T1/T1/TTTT

38 neural-networks  machine-learning  theory  incremental-learning  catastrophic-forgetting 

ジェフリーヒントンは、ニューラルネットワークで「カプセル理論」と呼ぶものを研究しています。これは何であり、どのように機能しますか？

35 neural-networks 

Lispは人工知能の研究開発に適した言語であるとコンピューター科学者やAIの分野の研究者から聞いたことがあります。ニューラルネットワークとディープラーニングの普及により、これはまだ当てはまりますか？この理由は何ですか？現在の深層学習システムは現在どの言語に組み込まれていますか？

30 neural-networks  machine-learning  deep-learning  research  programming-languages 

LSTMベースのRNNの隠れ層の数とこれらのサイズを選択する方法に関する既存の研究を見つけようとしています。 この問題を調査している記事、つまり、1つのメモリセルをいくつ使用する必要があるかという記事はありますか？私はそれが完全にアプリケーションとどのコンテキストでモデルが使用されているかに依存すると仮定しますが、研究は何と言っていますか？

28 neural-networks  machine-learning  research  recurrent-neural-networks  lstm 

論文「敵対的設定におけるディープラーニングの制限」では、ニューラルネットワークがトレーニングするデータセットを操作できる攻撃者によって、ニューラルネットワークがどのように破損する可能性があるかを探っています。著者たちは、手書き数字を読み取ることを目的としたニューラルネットワークで実験を行い、ニューラルネットワークでトレーニングされた手書き数字のサンプルを歪めることにより、その読み取り能力を弱めました。 悪意のある攻撃者がAIをハッキングしようとするのではないかと心配しています。例えば 自動運転車をだまして、一時停止標識と速度制限を誤って解釈する。 ATMのような顔認識のバイパス。 スパムフィルターのバイパス。 映画レビュー、ホテルなどのだまされやすい感情分析 異常検出エンジンのバイパス。 音声コマンドの偽造。 機械学習ベースの医療予測の誤分類。 どのような敵対効果が世界を混乱させる可能性がありますか？どうすればそれを防ぐことができますか？

27 neural-networks  deep-learning  philosophy  generative-adversarial-networks  ai-safety 

「深い」形容詞を持つニューラルネットワークは、実際に他の同様のネットワークとどのように区別されますか？

25 neural-networks  machine-learning  deep-network  terminology  comparison 

ニューラルネットワークはおそらくそれを行うように設計されていないことを知っていますが、仮説的に尋ねると、数式を解くためにディープニューラルネットワーク（または同様のもの）を訓練することは可能ですか？ したがって、3つの入力が与えられると、最初の番号、番号（1- +、2- -、3- /、4- *など）で表される演算子記号、および2番目の番号が与えられ、ネットワークをトレーニングした後、有効な結果が得られます。 例1（2+2）： 入力1 2：; 入力2： 1（+）; 入力3 2：; 期待される出力：4 入力1 10：; 入力2： 2（-）; 入力3 10：; 期待される出力：0 入力1 5：; 入力2： 4（*）; 入力3 5：; 期待される出力：25 など 上記は、より洗練された例に拡張できます。 それは可能ですか？その場合、どのようなネットワークがそれを学習/達成できますか？

24 neural-networks  math 

出力クラスが最初から（すべて）定義されていないニューラルネットワークをトレーニングしたいと思います。着信データに基づいて、より多くのクラスが後で導入されます。つまり、新しいクラスを導入するたびに、NNを再トレーニングする必要があります。 NNを段階的に、つまり以前のトレーニングフェーズで以前に取得した情報を忘れずにトレーニングするにはどうすればよいですか？

23 neural-networks  machine-learning  incremental-learning  transfer-learning 

抽象データをグラフィカルに表現するなど、既存の画像がない問題領域でパターン認識に畳み込みニューラルネットワークを使用できますか？それは常に効率が悪いでしょうか？ この開発者によると、現在の開発はさらに進む可能性があるが、画像認識以外の制限がある場合はそうではないという。

21 deep-network  neural-networks  image-recognition  convolutional-neural-networks 

私は素数を見つけるための効率的な方法を探していません（もちろんこれは解決された問題です）。これは、「もしも」の質問です。 それで、理論的には、与えられた数nが合成か素数かを予測するためにニューラルネットワークを訓練できますか？そのようなネットワークはどのようにレイアウトされますか？

21 neural-networks 

一次述語計算に多数の証明があると仮定します。また、その形式の数学の領域にも公理、帰納法、定理があると仮定します。 証明された各命題と、その特定の命題を取り巻く既存の理論の本体を、トレーニングセットの例として、また関連するラベルとしての命題の既知の良い証明と考えてください。ここで、このサンプルセットでトレーニングするために特別に設計されたディープな人工ネットワークと、そうするためにハイパーパラメーターが正しく設定されていることを考えます。 新しい命題の提示と、それを取り巻く既存の理論が入力で一次述語計算で提示することで、出力で証明を生成するような方法で、深い人工ネットワークを訓練することは可能ですか？ （もちろん、そのような証明は手動でチェックする必要があります。） 結果の良い証明の割合が十分に高い場合、訓練された深層ネットワークに命題を提案する遺伝的アルゴリズムを作成し、それによって証明を作成することは可能でしょうか？ それは可能ですか？ この種の深いネットワーク設計を使用して、Collat​​z予想またはRiemann予想を解決したり、数学者が正当な証明に到達できるように少なくともパターンを再配置することは可能でしょうか？

21 neural-networks  deep-learning  math  automated-theorem-proving 

PyTorchやTensorFlow throughなどのフレームワークTensorFlow Fold動的計算グラフをサポートし、データサイエンティストから注目を集めています。 ただし、動的計算グラフの理解に役立つリソースが不足しているようです。 動的計算グラフの利点には、入力データのさまざまな量に適応する機能が含まれているようです。トレーニング中の各入力セットインスタンスに応じて、レイヤー数、各レイヤーのニューロン数、活性化関数、およびその他のNNパラメーターが自動的に選択されるようです。これは正確な特性評価ですか？ 静的モデルに対する動的モデルの利点は何ですか？それがDCGが注目を集めている理由ですか？要約すると、DCGとは何ですか、またDCGの長所と短所は何ですか？

19 neural-networks 

特にconvolutional-neural-networksおよびneuro-networksのタグで、これらの用語がこのサイトに頻繁に投げられているのを見てきました。 ニューラルネットワークは、人間の脳に大まかに基づいたシステムであることを知っています。しかし、畳み込みニューラルネットワークと通常のニューラルネットワークの違いは何ですか？1つのちょうどたくさんより、エヘン、複雑とされて畳み込まれ、他のよりも？

18 neural-networks  convolutional-neural-networks  definitions  terminology