WedX - журнал о программировании и компьютерных науках

Публикации по теме 'artificial-intelligence'


Зомби-эхопоток Тэя
Мне всегда нужен был предлог, чтобы поиграть с отличными ` t witter-ebooks `, и, учитывая волнение и споры , окружающие Tay AI от Microsoft , я подумал, что это может быть интересно. попытаться оживить Тая с помощью марковского бота Тай Зомбай Для непосвященных это НЕ сложный ИИ с любой натяжкой — погуглите цепи Маркова , чтобы узнать подробности, но в основном он использует вероятность для объединения слов и фраз из существующего обучающего набора информации. Инструменты,..

Машинное обучение в электронной коммерции
Одна из основных ролей новых технологий — сделать людей более эффективными и действенными. Технологические достижения помогают нам делать больше, используя меньше ресурсов, совершенствуя продукты и услуги и стимулируя инновации. Розничные продавцы электронной коммерции ничем не отличаются: они претерпели множество изменений с тех пор, как отрасль стала более зрелой. Это включает в себя внедрение машинного обучения, которое выросло из искусственного интеллекта и стало ключевым..

Разница между наукой о данных, машинным обучением и искусственным интеллектом
Наука о данных, машинное обучение и искусственный интеллект — три термина, которые часто используются взаимозаменяемо. Тем не менее, это разные понятия, которые связаны между собой, но имеют важные различия. Наука о данных — это процесс извлечения информации из данных с использованием комбинации статистических, математических навыков и навыков программирования. Он включает в себя сбор, очистку и анализ больших и сложных наборов данных для выявления закономерностей, тенденций и..

Работа с кросс-энтропийной потерей, часть 3 (машинное обучение)
1. Смешение условий перекрестной энтропии и ожидаемых потерь (arXiv) Автор: Барак Батташ , Лиор Вольф , Тамир Хазан Аннотация: потеря перекрестной энтропии широко используется из-за ее эффективности и надежного теоретического обоснования. Однако по мере обучения потеря имеет тенденцию сосредотачиваться на трудноклассифицируемых образцах, что может помешать сети получить прирост производительности. В то время как большинство работ в этой области предлагают способы..

Как условная энтропия используется в информационной геометрии, часть 1 (будущее машинного обучения)
Элементарное доказательство неравенства χ≤χ∗ для условной свободной энтропии (arXiv) Автор: Дэвид Джекел , Дженнифер Пи . Аннотация: Изучая теорию больших уклонений для матричного броуновского движения, Биан-Капитан-Гионне доказала неравенство χ(X)≤χ∗(X), связывающее два аналога энтропии в свободной вероятности, определенные Войкулеску. Мы даем новое доказательство χ≤χ∗, элементарное в том смысле, что оно не опирается на стохастические дифференциальные уравнения и теорию больших..

Ускоренный курс: нейронные сети, часть 4 — обучение с обратным распространением
Наконец, мы добрались до самой интересной части нашего путешествия по нейронной сети. В этой статье мы увидим, как обучается нейронная сеть! Я постараюсь сделать эту статью максимально простой, как всегда, чтобы вы не застряли в слишком большом количестве математики. Теперь давайте посмотрим, как обратное распространение используется, чтобы научить наши искусственные нейроны делать впечатляющие вещи. Обязательно прочитайте часть 3 , если вы еще этого не сделали! Обратное..

Работа с непрерывностью Липшица, часть 2 (машинное обучение)
Варианты SGD для липшицевых функций с непрерывными потерями в средах с низкой точностью (arXiv) Автор : Майкл Р. Метел Аннотация: В этой работе, основанной на обучении нейронной сети в низкобитовых средах с плавающей и фиксированной запятой, изучается сходимость вариантов SGD с вычислительной ошибкой. Рассматривая общую стохастическую непрерывную функцию потерь Липшица, представлен новый результат сходимости к стационарной точке Кларка, предполагающий, что можно вычислить только..

Новые материалы

Как создать диаграмму градиентной кисти с помощью D3.js
Резюме: Из этого туториала Вы узнаете, как добавить градиентную кисть к диаграмме с областями в D3.js. Мы добавим градиент к значениям SVG и применим градиент в качестве заливки к диаграмме с..

Я хотел выучить язык программирования MVC4, но не мог выучить его раньше, потому что это выглядит сложно…
Просто начните и учитесь самостоятельно Я хотел выучить язык программирования MVC4, но не мог выучить его раньше, потому что он кажется мне сложным, и я бросил его. Это в основном инструмент..

Лицензии с открытым исходным кодом: руководство для разработчиков и создателей
В динамичном мире разработки программного обеспечения открытый исходный код стал мощной парадигмой, способствующей сотрудничеству, инновациям и прогрессу, движимому сообществом. В основе..

Объяснение документов 02: BERT
BERT представил двухступенчатую структуру обучения: предварительное обучение и тонкая настройка. Во время предварительного обучения модель обучается на неразмеченных данных с помощью..

Как проанализировать работу вашего классификатора?
Не всегда просто знать, какие показатели использовать С развитием глубокого обучения все больше и больше людей учатся обучать свой первый классификатор. Но как только вы закончите..

Работа с цепями Маркова, часть 4 (Машинное обучение)
Нелинейные цепи Маркова с агрегатором и их приложения (arXiv) Автор : Бар Лайт Аннотация: Изучаются свойства подкласса случайных процессов, называемых дискретными нелинейными цепями Маркова..

Crazy Laravel Livewire упростил мне создание электронной коммерции (панель администратора и API) [Часть 3]
Как вы сегодня, ребята? В этой части мы создадим CRUD для данных о продукте. Думаю, в этой части я не буду слишком много делиться теорией, но чаще буду делиться своим кодом. Потому что..


Для любых предложений по сайту: [email protected]