Supposons que nous ayons une BP plus ou moins stationnaire et que nous ayons sa décomposition en fréquence. Question : qu'est-ce qui est le mieux pour le modèle - 1 caractéristique ou 5, et pourquoi ?
Si vous disposez d'une telle décomposition, qu'elle est correcte et réversible, alors l'augmentation du nombre de caractéristiques du modèle n'est que bénéfique et accroît sa flexibilité, l'essentiel étant que les outils de MO ne fassent pas défaut, d'ailleurs il existe maintenant de nouveaux réseaux neuronaux avancés qui permettent à l'apprentissage profond d'atteindre des vitesses de plusieurs ordres de grandeur.
Ivan Negreshniy: Eh bien, si vous disposez d'une telle décomposition et qu'elle est correcte et réversible, alors l'augmentation du nombre de caractéristiques du modèle n'est que bénéfique et accroît sa flexibilité, l'essentiel étant que les outils de MO ne soient pas compromis ; d'ailleurs, de nouveaux réseaux neuronaux progressifs qui permettent à l'apprentissage profond d'atteindre des vitesses de plusieurs ordres de grandeur sont maintenant apparus.
Bien + les éléments les plus bruyants retirés. Les ns, comment s'appellent-ils ? et le xgboost, ils en font aussi ? )
Bien + les éléments les plus bruyants ont été supprimés. Et les ns, comment s'appellent-ils ? Et le xgboost, ils en font aussi ? )
Il s'agit d'une architecture n-network nouvelle et encore peu connue, sans aucune descente de gradient, tout est aussi primitivement simple que le cerveau du camarade susnommé).
Ivan Negreshniy: Il s'agit d'une architecture n-réseau nouvelle et encore peu connue, sans aucune descente de gradient, tout est primitivement simple, comme le cerveau du camarade susnommé).
Où dois-je lire ? Je ne peux même pas trouver quelque chose à googler.
Yuriy Asaulenko: Je suppose que ce sera encore mieux pendant la journée. À en juger par le modèle et les essais préliminaires de débogage. Mais il est trop tôt pour se prononcer, bien sûr.
Supposons que nous ayons une BP plus ou moins stationnaire et que nous ayons sa décomposition en fréquence. Question : qu'est-ce qui est le mieux pour le modèle - 1 caractéristique ou 5, et pourquoi ?
Eh bien, si vous disposez d'une telle décomposition et qu'elle est correcte et réversible, alors l'augmentation du nombre de caractéristiques du modèle n'est que bénéfique et accroît sa flexibilité, l'essentiel étant que les outils de MO ne soient pas compromis ; d'ailleurs, de nouveaux réseaux neuronaux progressifs qui permettent à l'apprentissage profond d'atteindre des vitesses de plusieurs ordres de grandeur sont maintenant apparus.
Bien + les éléments les plus bruyants retirés. Les ns, comment s'appellent-ils ? et le xgboost, ils en font aussi ? )
il y a de l'eau qui s'entraîne ..... à "s'en souvenir" et à fuir d'elle-même
Bien + les éléments les plus bruyants ont été supprimés. Et les ns, comment s'appellent-ils ? Et le xgboost, ils en font aussi ? )
Il s'agit d'une architecture n-réseau nouvelle et encore peu connue, sans aucune descente de gradient, tout est primitivement simple, comme le cerveau du camarade susnommé).
Où dois-je lire ? Je ne peux même pas trouver quelque chose à googler.
voici toutes les options https://tproger.ru/translations/neural-network-zoo-2/
Où dois-je lire ? Je ne peux même pas trouver quelque chose à googler.
voici toutes les options https://tproger.ru/translations/neural-network-zoo-2/
il n'y a pas beaucoup d'écrits à ce sujet dans le domaine public, mais des recherches sont en cours https://creatime.me/MediaLibrary/Zanimatelno/NovayaEra.
Je suppose que ce sera encore mieux pendant la journée. À en juger par le modèle et les essais préliminaires de débogage. Mais il est trop tôt pour se prononcer, bien sûr.
Comment ça se passe ?
il n'y a pas beaucoup d'écrits à ce sujet dans le domaine public, mais des recherches sont en cours https://creatime.me/MediaLibrary/Zanimatelno/NovayaEra.
il n'y a pas beaucoup d'écrits à ce sujet dans le domaine public, mais des recherches sont en cours https://creatime.me/MediaLibrary/Zanimatelno/NovayaEra.
ah, bien, il n'y a pas encore de bibliothèques... vous ne pouvez pas les écrire vous-même ;)