প্রশ্ন ট্যাগ «optimization»

উভয় পদ্ধতির প্রো ও কনস কী?

16 maximum-likelihood  predictive-models  optimization  gradient-descent 

যদি আমরা ডেটার সেট , তবে এটিতে লাসো প্রয়োগ করুন এবং একটি সমাধান , আমরা আবার ডেটা সেটে লাসো প্রয়োগ করতে পারি , যেখানে অ- এর সেট is একটি সমাধান পাওয়ার জন্য এর শূন্য সূচক, relax , যাকে বলা হয় 'রিল্যাক্সড লাসো' সমাধান (আমি ভুল হলে আমাকে সংশোধন করুন!)। সমাধান …

16 regression  optimization  lasso  regularization  shrinkage 

আমার প্রশ্নগুলি হ'ল: জেনারালাইজড লিনিয়ার মডেলগুলি (জিএলএম) কী গ্লোবাল সর্বাধিক রূপান্তরিত হওয়ার গ্যারান্টিযুক্ত? যদি তাই হয় তবে কেন? তদ্ব্যতীত, জড়তা বীমা করার জন্য লিঙ্ক ফাংশনটিতে কোন বাধা আছে? জিএলএমগুলি সম্পর্কে আমার উপলব্ধি হ'ল তারা একটি উচ্চতররেখার সম্ভাবনা ফাংশনকে সর্বাধিক করে তোলে। সুতরাং, আমি কল্পনা করব যে বেশ কয়েকটি স্থানীয় ম্যাক্সিমা …

16 generalized-linear-model  optimization  convergence  exponential-family 

আমার কোনও ফাংশনের সর্বনিম্ন সন্ধান করা উচিত। Http://docs.scipy.org/doc/scipy/references/optimize.html এ ডকগুলি পড়ছি আমি দেখতে পাচ্ছি যে বেশ কয়েকটি অ্যালগরিদম একই জিনিস করে, অর্থাৎ সর্বনিম্ন সন্ধান করে। আমার কোনটি বেছে নেওয়া উচিত তা আমি কীভাবে জানব? তালিকাভুক্ত কিছু অ্যালগরিদম ডাউনহিল সিমপ্লেক্স অ্যালগরিদম ব্যবহার করে কোনও ফাংশন ছোট করুন। বিএফজিএস অ্যালগরিদম ব্যবহার করে …

16 optimization 

অনেকগুলি সাহিত্য মিশ্রণ মডেলগুলিতে প্রত্যাশা সর্বাধিককরণের পদ্ধতির উপর জোর দেয় (গাউসির মিশ্রণ, লুকানো মার্কোভ মডেল ইত্যাদি)। কেন ইএম গুরুত্বপূর্ণ? ইএম অপটিমাইজেশন করার একটি উপায় এবং গ্রেডিয়েন্ট ভিত্তিক পদ্ধতি (গ্রেডিয়েন্ট শালীন বা নিউটনের / কোয়াটি-নিউটন পদ্ধতি) বা অন্যান্য গ্রেডিয়েন্ট ফ্রি পদ্ধতিটি এখানে আলোচনা করা হিসাবে ব্যাপকভাবে ব্যবহৃত হয় না । এছাড়াও, …

15 machine-learning  optimization  expectation-maximization  gaussian-mixture 

স্ট্যান্ডার্ড গ্রেডিয়েন্ট বংশোদ্ভূত পুরো প্রশিক্ষণ ডেটাসেটের জন্য গ্রেডিয়েন্ট গণনা করবে। for i in range(nb_epochs): params_grad = evaluate_gradient(loss_function, data, params) params = params - learning_rate * params_grad একটি প্রাক সংজ্ঞায়িত সংখ্যার জন্য, আমরা প্রথমে সম্পূর্ণ ডেটাসেটের জন্য আমাদের প্যারামিটার ভেক্টর প্যারামগুলির জন্য ক্ষতির ফাংশনের গ্রেডিয়েন্ট ভেক্টর ওয়েট_ গ্রেড গণনা করি। বিপরীতে …

15 machine-learning  optimization  gradient-descent  computational-statistics  sgd 

আমি বিভিন্ন পেরসেপ্ট্রন বাস্তবায়নের জন্য কিছুটা পরীক্ষা করেছি এবং "পুনরুক্তি" সঠিকভাবে বুঝতে পারছি কিনা তা নিশ্চিত করতে চাই। রোজেনব্ল্যাট এর মূল পার্সেপেট্রন নিয়ম যতদূর আমি বুঝতে পেরেছি, রোজেনব্ল্যাটের ক্লাসিক পার্সেপেট্রন অ্যালগরিদমে, ওজনগুলি প্রতিটি প্রশিক্ষণের উদাহরণের সাথে একযোগে আপডেট করা হয় যার মাধ্যমে Δw(t+1)=Δw(t)+η(target−actual)xiΔw(t+1)=Δw(t)+η(target−actual)xi\Delta{w}^{(t+1)} = \Delta{w}^{(t)} + \eta(target - actual)x_i যেখানে …

15 optimization  gradient-descent  perceptron 

আমি আরিমা মডেলিং / বক্স জেনকিন্স (বিজে) এ প্যারামিটারগুলি কীভাবে অনুমান করা হয় তা বোঝার চেষ্টা করছি। দুর্ভাগ্যক্রমে আমি যে বইগুলির মুখোমুখি হয়েছি তার মধ্যে লগ-সম্ভাবনা অনুমানের পদ্ধতি হিসাবে অনুমানের প্রক্রিয়াটি বিশদভাবে বর্ণনা করে না। আমি ওয়েবসাইট / শিক্ষাদানের উপাদানটি পেয়েছি যা খুব সহায়ক ছিল। উপরোক্ত উত্স থেকে সমীকরণটি নীচে …

15 time-series  forecasting  arima  optimization  box-jenkins 

আমি সংমিশ্রণীয় নিউরাল নেটওয়ার্কগুলি সম্পর্কে অনেকগুলি পড়ছি এবং ভাবছিলাম যে তারা কীভাবে নষ্ট হওয়া গ্রেডিয়েন্ট সমস্যাটিকে এড়িয়ে চলে। আমি জানি গভীর বিশ্বাস নেটওয়ার্কগুলি একক স্তরের অটো-এনকোডার বা অন্যান্য প্রাক-প্রশিক্ষিত অগভীর নেটওয়ার্কগুলি স্ট্যাক করে এবং এই সমস্যাটি এড়াতে পারে তবে সিএনএন-তে কীভাবে এড়ানো যায় তা আমি জানি না। উইকিপিডিয়া অনুসারে : …

15 machine-learning  optimization  deep-learning  gradient-descent 

আমি খেলনার দ্বিপদী উদাহরণের সাথে লেমার (সত্যিকারের গ্লোমার) এর ফলাফলগুলি মেলাতে চাই। আমি ভিগনেটস পড়েছি এবং বিশ্বাস করি আমি বুঝতে পারছি কি হচ্ছে। তবে দৃশ্যত আমি তা করি না। আটকে যাওয়ার পরে, আমি এলোমেলো প্রভাবগুলির ক্ষেত্রে "সত্য" স্থির করেছিলাম এবং একা স্থির প্রভাবগুলির অনুমানের পরে চলেছি। আমি নীচে এই কোডটি …

15 r  mixed-model  optimization  lme4-nlme 

আমার নিউরাল নেটওয়ার্কের ফলোআপ হিসাবে ইউক্লিডিয়ান দূরত্বটি শিখতেও পারছে না আমি আরও বেশি সরল করেছি এবং একক রিলুতে (এলোমেলো ওজন সহ) একক আরএলইউতে প্রশিক্ষণের চেষ্টা করেছি। এটি সেখানে রয়েছে সহজতম নেটওয়ার্ক এবং তবুও এটি রূপান্তর করতে ব্যর্থ অর্ধেক সময়। প্রাথমিক অনুমান যদি লক্ষ্য হিসাবে একই রকমের দিকে থাকে তবে তা …

15 machine-learning  neural-networks  optimization  keras 

আমি ডিপ লার্নিংয়ের জন্য অ্যাডাম অপ্টিমাইজার সম্পর্কে পড়ছিলাম এবং নীচের বাক্যটি পেরিয়েছিলাম ডিগ্র লার্নিং বাই বেগনিও, গুডফেলো এবং কোর্টভিলে-র নীচে: আদম প্রথম অর্ডার মুহুর্তের (গতিবেগের মেয়াদ) এবং (নিরীক্ষিত) দ্বিতীয়-ক্রমের মুহুর্তগুলির অনুমানের সংশোধন অন্তর্ভুক্ত করার জন্য উত্সে তাদের সূচনা হিসাবে বিবেচনা করে। দেখে মনে হচ্ছে যে এই পক্ষপাত সংশোধন শর্তাদি অন্তর্ভুক্ত …

15 machine-learning  neural-networks  optimization  conv-neural-network  adam 

গ্রেডিয়েন্ট বংশদ্ভুত অ্যালগরিদমের সাধারণ সেটিংয়ে, আমরা যেখানে বর্তমান পয়েন্ট, হ'ল ধাপের আকার এবং গ্রেডিয়েন্ট এ মূল্যায়ন । এক্স এন η জি আর এ ডি আমি ই এন টি এক্স এন এক্স এনএক্সn + 1= এক্সএন- η। জিr a di e n tএক্সএনএক্সএন+ +1=এক্সএন-η*ছRএকটিঘআমিইএনটিএক্সএনx_{n+1} = x_{n} - \eta * gradient_{x_n}এক্সএনএক্সএনx_nηη\etaছr a …

15 algorithms  optimization 

সেন্সর সংকেতগুলিকে শ্রেণিবদ্ধ করা আমার উদ্দেশ্য। আমার সমাধানটির এখনও অবধি ধারণাটি হ'ল: i) কাঁচা সংকেত থেকে ইঞ্জিনিয়ারিং বৈশিষ্ট্য ii) রিলিফএফ এবং একটি ক্লাস্টারিং পদ্ধতির সাথে প্রাসঙ্গিক বৈশিষ্ট্য নির্বাচন করা iii) এনএন, র্যান্ডম ফরেস্ট এবং এসভিএম প্রয়োগ করুন তবে আমি একটি দ্বিধায় পড়েছি in Ii) এবং iii) তে রিলিফএফ বা উইন্ডো …

15 feature-selection  hyperparameter  optimization 

কাগজটির উদ্দেশ্য হ'ল নিয়মিত লগ-সম্ভাবনা সর্বাধিক করে কিছু পরামিতি অনুকূল করা। তারপরে তারা আংশিক ডেরিভেটিভস গণনা করে। এবং তারপরে লেখকরা উল্লেখ করেছেন যে তারা এল-বিএফজিএস ব্যবহার করে সমীকরণটি অপ্টিমাইজ করে, অনেকগুলি ভেরিয়েবলের মসৃণ ফাংশনগুলি অপ্টিমাইজ করার জন্য একটি প্রমিত নিউটোন প্রক্রিয়া (কোনও বিবরণ নেই)। এটা কিভাবে কাজ করে ?

15 algorithms  optimization