প্রশ্ন ট্যাগ «loss-functions»

আমি জানি কে-মাধ্যমগুলি সাধারণত প্রত্যাশা ম্যাক্সিমাইজেশন ব্যবহার করে অনুকূলিত হয় । তবে আমরা এর ক্ষতির ক্রিয়াকে একইভাবে অপ্টিমাইজ করতে পারি যেভাবে আমরা অন্য যে কোনওটিকে অনুকূল করি! আমি এমন কিছু কাগজপত্র পেয়েছি যা প্রকৃতপক্ষে বড় আকারের কে-অর্থের জন্য স্টোকাস্টিক গ্রেডিয়েন্ট বংশদ্ভুত ব্যবহার করে তবে আমি আমার প্রশ্নের উত্তর পেতে পারি …

14 optimization  k-means  expectation-maximization  loss-functions 

আমি শ্রেণিবিন্যাসের জন্য একটি নিউরাল নেটওয়ার্ক প্রশিক্ষণের চেষ্টা করছি, তবে আমার কাছে থাকা লেবেলগুলি বরং শোরগোল রয়েছে (প্রায় 30% লেবেল ভুল)। ক্রস-এনট্রপি ক্ষতি প্রকৃতপক্ষে কাজ করে, তবে আমি ভাবছিলাম যে এই ক্ষেত্রে আরও কার্যকর কোনও বিকল্প আছে কি? বা ক্রস-এনট্রপি ক্ষতি কি সর্বোত্তম? আমি নিশ্চিত নই তবে আমি ক্রস-এনট্রপি ক্ষতি …

14 machine-learning  neural-networks  loss-functions  noise 

বিশপের প্যাটার্ন রিকগনিশন এবং মেশিন লার্নিংয়ের ৩.২ ধারায় তিনি পক্ষপাত-প্রকরণের পচন নিয়ে আলোচনা করেছেন এবং উল্লেখ করেছেন যে একটি স্কোয়ার ক্ষতির ক্রিয়াকলাপের জন্য, প্রত্যাশিত ক্ষতিটিকে স্কোয়ার বায়াস পদে বিভক্ত করা যেতে পারে (যা বর্ণনা করে যে গড় পূর্বাভাসগুলি সত্য থেকে কতদূর দূরে রয়েছে) মডেল), একটি বৈকল্পিক শব্দ (যা গড়ের প্রায়শই …

13 self-study  variance  bias  regularization  loss-functions 

নাইভ বেইস শ্রেণিবদ্ধকারীটি শ্রেণিবদ্ধকারী যা ক্লাস-সদস্যতার জন্য উত্তরাধিকারী পি ( সি | এক্স ) সর্বাধিক করার উপর ভিত্তি করে ক্লাস সিতে আইটেম বরাদ্দ করে এবং ধরে নেয় যে আইটেমের বৈশিষ্ট্যগুলি স্বাধীন।xxxCCCP(C|x)P(C|x)P(C|x) 0-1 ক্ষতি হ'ল ক্ষতি যা কোনও মিস-শ্রেণিবিন্যাসকে "1" এর ক্ষতি এবং যে কোনও সঠিক শ্রেণিবিন্যাসের জন্য "0" এর ক্ষতির …

13 machine-learning  bayesian  optimization  naive-bayes  loss-functions 

আয়ান গুডফেলোর ডিপ লার্নিং বইয়ে এটি লেখা আছে কখনও কখনও, আমরা ক্ষতি সম্পর্কিত ফাংশনটি সত্যই বলে থাকি (বলুন, শ্রেণিবিন্যাস ত্রুটি) কোনওটি দক্ষতার সাথে অনুকূল করা যায় না। উদাহরণস্বরূপ, প্রত্যাশিত 0-1 হ্রাসটি হ্রাস করা সাধারণত রৈখিক শ্রেণিবদ্ধের জন্য সাধারণত ইনট্রাক্ট (ইনপুট মাত্রায় ক্ষতিকারক) is এই ধরনের পরিস্থিতিতে, সাধারণত এর পরিবর্তে একটি …

12 neural-networks  deep-learning  loss-functions 

আমি নিউরাল নেটওয়ার্কস এবং ডিপ্লিয়ার্নিং ডট কম টিউটোরিয়াল দিয়ে নিউরাল নেটওয়ার্ক সম্পর্কে শিখতে শুরু করেছি। বিশেষ করে তৃতীয় অধ্যায়ে ক্রস এনট্রপি ফাংশন সম্পর্কে একটি বিভাগ রয়েছে এবং ক্রস এনট্রপি ক্ষতি হিসাবে এইভাবে সংজ্ঞায়িত করা হয়েছে: C=−1n∑x∑j(yjlnaLj+(1−yj)ln(1−aLj))C=−1n∑x∑j(yjln⁡ajL+(1−yj)ln⁡(1−ajL))C = -\frac{1}{n} \sum\limits_x \sum\limits_j (y_j \ln a^L_j + (1-y_j) \ln (1 - a^L_j)) যাইহোক, …

12 neural-networks  loss-functions  softmax  cross-entropy 

আমি এই সম্পর্কিত একটি প্রশ্ন জিজ্ঞাসা করব । আমি এখানে এক্সজিস্টের জন্য কাস্টম লস ফাংশন লেখার একটি উদাহরণ পেয়েছি : loglossobj <- function(preds, dtrain) { # dtrain is the internal format of the training data # We extract the labels from the training data labels <- getinfo(dtrain, "label") # We …

12 r  machine-learning  gradient-descent  boosting  loss-functions 

আমি মুখ / নন-ফেস বাইনারি সনাক্তকরণ প্রশিক্ষণের জন্য গভীর শিক্ষার ব্যবহার করতে চাই, আমার কী ক্ষতি ব্যবহার করা উচিত, আমি মনে করি এটি সিগময়েডক্রস এন্ট্রোপিওলস বা কব্জি -ক্ষতি । এটি কি ঠিক, তবে আমিও ভাবছি যে আমার সফটম্যাক্স ব্যবহার করা উচিত তবে কেবল দুটি ক্লাস?

11 deep-learning  loss-functions  computer-vision  conv-neural-network 

গভীর শিক্ষার বিষয়ে গুডফেলিজ (২০১ 2016) বইয়ে তিনি এল 2 নিয়মিতকরণের ( https://www.DPlearningbook.org/contents/regulariization.html পৃষ্ঠা 247) এর দিকে দ্রুত থামার সমতুল্যতার বিষয়ে কথা বলেছেন talked চার্জ ক্রম এর চতুর্ভুজ অনুমান দেওয়া হয়েছে:jjj জে^( θ ) = জে( ডাব্লু*) + 12( ডাব্লু - ডাব্লু)*)টিএইচ( ডাব্লু - ডাব্লু)*)J^(θ)=J(w∗)+12(w−w∗)TH(w−w∗)\hat{J}(\theta)=J(w^*)+\frac{1}{2}(w-w^*)^TH(w-w^*) যেখানে হেসিয়ান ম্যাট্রিক্স (সম। 7.33)। …

11 neural-networks  deep-learning  loss-functions  derivative 

আমি স্লাইডিং / রাইজাইজড উইন্ডোতে সিএনএন বাইনারি ক্লাসিফায়ার প্রয়োগ করার পরিকল্পনা করছি, যা খুব কমই ঘটে (চিত্রগুলিতে) অবজেক্টগুলির একটি সনাক্তকারী তৈরি করার চেষ্টা করছি। আমি ভারসাম্য 1: 1 ইতিবাচক-নেতিবাচক প্রশিক্ষণ এবং পরীক্ষার সেটগুলি তৈরি করেছি (বিটিডব্লিউ ক্ষেত্রে এমনটি করা কি সঠিক জিনিস?), এবং শ্রেণিবদ্ধক নির্ভুলতার দিক দিয়ে একটি পরীক্ষার সেটগুলিতে …

11 logistic  classification  unbalanced-classes  loss-functions 

এটি সাইকিট গ্রেডিয়েন্ট বুস্টিংয়ের দ্বিপদী বিচ্যুতি ক্ষতি ফাংশন, def __call__(self, y, pred, sample_weight=None): """Compute the deviance (= 2 * negative log-likelihood). """ # logaddexp(0, v) == log(1.0 + exp(v)) pred = pred.ravel() if sample_weight is None: return -2.0 * np.mean((y * pred) - np.logaddexp(0.0, pred)) else: return (-2.0 / sample_weight.sum() …

11 machine-learning  scikit-learn  boosting  loss-functions 

সমস্যার সমাধান: minmE[|m−X|]minmE[|m−X|] \min_{m} \; E[|m-X|] এক্স এর মিডিয়ান হিসাবে সুপরিচিত XXX, তবে লোকসান ফাংশনটি অন্যান্য পারসেন্টাইলের মতো দেখতে কেমন? উদাহরণস্বরূপ: এক্স এর 25 তম পার্সেন্টাইল এর সমাধান: minmE[L(m,X)]minmE[L(m,X)] \min_{m} \; E[ L(m,X) ] এই ক্ষেত্রে এল কি LLL?

11 expected-value  loss-functions 

আমি একটি অনলাইন কোর্সে এই স্লাইডগুলি (# 16 এবং # 17 স্লাইড) জুড়ে এসেছি । প্রশিক্ষক ব্যাখ্যা কিভাবে সর্বোচ্চ অবর অনুমান (MAP) এর আসলে সমাধান চেষ্টা ছিল এল ( θ ) = আমি[ θ ≠ θ*]L(θ)=I[θ≠θ∗]L(\theta) = \mathcal{I}[\theta \ne \theta^{*}] , যেখানে θ*θ∗\theta^{*} সত্য প্যারামিটার। কেউ দয়া করে ব্যাখ্যা করতে …

10 bayesian  optimization  loss-functions  decision-theory  map-estimation 

আমি চ ২০১৪ কাগজের মাধ্যমে কাজ করছি যা সেক 2 সেক মডেলিংয়ের জন্য এনকোডার-ডিকোডার আর্কিটেকচার চালু করেছিল। কাগজ, তারা (অথবা এটা নেতিবাচক-লগ-সম্ভাবনা) এর জন্য ইনপুট হ্রাস ফাংশন হিসাবে আউটপুট প্রদত্ত ইনপুট সম্ভাবনা ব্যবহার বলে মনে হচ্ছে দৈর্ঘ্যের এম এবং আউটপুট দৈর্ঘ্যের :এক্সএক্সxএমএমMএনYYyএনএনN পি( y)1, … , Yএন| এক্স1, … , …

10 deep-learning  loss-functions  rnn 

ঠিক আছে - আমার মূল বার্তাটি কোনও প্রতিক্রিয়া প্রকাশ করতে ব্যর্থ হয়েছে; সুতরাং, আমাকে প্রশ্নটি অন্যভাবে রাখি। আমি সিদ্ধান্তের তাত্ত্বিক দৃষ্টিকোণ থেকে আমার অনুমানের বোঝার ব্যাখ্যা দিয়ে শুরু করব। আমার কোনও আনুষ্ঠানিক প্রশিক্ষণ নেই এবং আমার চিন্তাভাবনা যদি কোনওভাবে ত্রুটিযুক্ত হয় তবে তা আমাকে অবাক করে দেবে না। ধরুন আমাদের …

10 bias  loss-functions  frequentist  decision-theory  risk