-


 

Comments

Post a Comment

Popular posts from this blog

Rectified Linear Unit (ReLU)

-
Image
  Rectified Linear Unit (ReLU) ReLU stands for rectified linear unit, and is a type of activation function. Mathematically, it is defined as  y = max(0, x) . Visually, it looks like the following: ReLU is the most commonly used activation function in neural networks, especially in CNNs. If you are unsure what activation function to use in your network, ReLU is usually a good first choice. How does ReLU compare ReLU is linear (identity) for all positive values, and zero for all negative values. This means that: It’s cheap to compute as there is no complicated math. The model can therefore take less time to train or run. It converges faster. Linearity means that the slope doesn’t plateau, or “saturate,” when  x  gets large. It doesn’t have the vanishing gradient problem suffered by other activation functions like sigmoid or tanh. It’s sparsely activated. Since ReLU is zero for all negative inputs, it’s likely for any given unit to not activate at all. This is often des...
Read more

ماهو الفرق التصنيف و الانحدار (Difference Between Classification and Regression in Machine Learning)

-
Image
 ما هو الفرق التصنيف و الانحدار   (Difference Between Classification and Regression in Machine Learning) التصنيف هو مهمة التنبؤ بعلامة فئة منفصلة.بعبارة اخرى (في التصنيف (Classification) المُخرج هو عبارة عن فئة، بمعنى أن مخرجات التصنيف بيانات فئوية (Categorical) الانحدار هو مهمة التنبؤ بالكمية المستمرة. بعبارة اخرى ( في الانحدار (Regression) المُخرج هو عبارة عن قيمة رقمية، بمعنى أن مخرجات الانحدار بيانات رقمية)هناك بعض التداخل بين خوارزميات التصنيف والانحدار ؛ فمثلا: قد تتنبأ خوارزمية التصنيف بقيمة مستمرة ، لكن القيمة المستمرة تكون في شكل احتمال لتسمية فئة . قد تتنبأ خوارزمية الانحدار بقيمة منفصلة ، ولكن القيمة المنفصلة في شكل كمية عدد صحيح. يمكن استخدام بعض الخوارزميات لكل من التصنيف والانحدار مع تعديلات صغيرة ، مثل أشجار القرار والشبكات العصبية الاصطناعية. بعض الخوارزميات لا يمكن أو لا يمكن استخدامها بسهولة لكلا النوعين من المشاكل ، مثل الانحدار الخطي لنمذجة الانحدار التنبئي والانحدار اللوجستي للنمذجة التنبؤية للتصنيف. الأهم من ذلك ، أن الطريقة التي نقيم به...
Read more

How do I choose the number of epochs to get a good accuracy of CNN? كيف اختار عدد ال epochs للحصول على دقة جيدة في تكوين نموذج الشبكة العصبية التلافيفية CNN؟

-
Image
عشان اقدر اختار عدد ال epochs المطلوب للحصول على دقة جيدة في تكوين نموذج الشبكة العصبية التلافيفية CNN   يبدأ هنا من السؤال التالي : هل ل عدد ال epoch علاقة لزيادة الدقة؟   نعم بالرغم من ان طبقات المعمارية للنموذج التي تمر بها البيانات مهمة للغاية الا ان عدد ال epoch ايضا يجب موازنتها وفقا لما ينتج من التدريب كالتالي:   يجب مراقبة قيم validation loss و training loss اذا كانت قيمة validation loss تتزايد مع كل مرحلة epoch يتم تمرير الخوارزميات بها فأن ذلك يعني انك ستحصل على ال over-fitting عندها ستحتاج الى زيادة عدد ال epoch تدريجياً لحين الوصول الى نتيجة جيدة وتتجاوز مشكلة ال over-fitting   طبعا هنا تم ايضاح دور ال epoch فقط لكن هناك الكثير من الامور التي يجب ان نأخذها بنظر الاعتبار مثل حجم البيانات وجودتها وتقسمها و تعزيزها وعدد طبقات ال cnn والخ
Read more