Публикации по теме 'artificial-intelligence'
Основные элементы обучения с подкреплением
Простое для понимания объяснение важнейших элементов обучения с подкреплением
Если вы пытаетесь освоить новый навык, например катание на роликах, вы, вероятно, несколько раз упадете, прежде чем овладеете искусством катания на коньках. Вы будете вознаграждены успешным приземлением каждый раз, когда научитесь балансировать. Каждый раз, когда вы не можете сбалансировать …
N-студенческое обучение
Архитектура, помогающая бороться с переоснащением и неопределенностью модели.
Переобучение является фундаментальной проблемой в области машинного обучения и особенно важно в контексте обучения с зашумленными данными. По мере того, как мы масштабируем наши наборы данных, количество шума естественным образом увеличивается из-за невозможности тщательной маркировки человеком.
В следующей статье мы представим основные идеи, лежащие в основе N-Student Learning, многосетевой архитектуры,..
Навигация по рискам и этическим проблемам ИИ в поиске лекарств
Навигация по рискам и этическим проблемам ИИ в поиске лекарств
ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ (ИИ) В ОТКРЫТИИ ЛЕКАРСТВ имеет большие перспективы для ускорения разработки новых методов лечения и улучшения результатов лечения пациентов. Это также связано с рисками и этическими соображениями, которые требуют пристального внимания. Сегодня мы кратко рассмотрим риски и этические проблемы, связанные с ИИ при разработке лекарств.
Как упростить развертывание модели машинного обучения? Автоматизированные проверки работоспособности.
Скорее всего вы сталкивались с этим. Вы создали модель машинного обучения (ML) и обучили ее на большом количестве данных. Результаты валидации выглядят очень многообещающе, поэтому вы отправляете модель на подготовку к производству, и вдруг что-то не так. Модель не провалилась полностью, но ваши показатели не соответствуют тому, что вы наблюдали на этапе обучения и оценки. Пришло время выделить время для проверки работоспособности, чтобы вы могли выяснить, что пошло не так, и как это..
4 применения машинного обучения (ML) в сфере здравоохранения
Больницы, клиники и другие медицинские организации по всему миру работают с компаниями-разработчиками программного обеспечения для разработки административных систем, которые все больше переводятся в цифровую форму и автоматизируются. Что еще более важно, ученые и исследователи используют машинное обучение (ML) для создания ряда умных решений, которые в конечном итоге могут помочь в диагностике и лечении болезни. Пациенты получают максимальную выгоду, поскольку технология может улучшить их..
Как я нашел почти 300 000 ошибок в MS COCO
Неточные метки — это молчаливый налог на модели компьютерного зрения
TL;DR — Плохие ярлыки — серьезная проблема в ИИ. Я создаю компанию, чтобы решить эту проблему, и у меня есть новый подход, который находит в 10 раз больше ошибок этикеток, чем существующая работа. "Нажмите здесь, чтобы связаться со мной. Отправьте мне свой набор данных, и я скажу вам, что неправильно помечено! (Версия, не требующая предоставления данных, появится в ближайшее время)
Обо мне: Я доктор философии..
#pragma config(Sensor, S1, lightSensorL, sensorLightActive)
#pragma config(Sensor, S2, lightSensorR, sensorLightActive)
#pragma config(Sensor, S3, lightSensorF, sensorLightActive)
long left , право, прямо;
int doneL, doneR, goS, track
Сокобан — классическая игра, придуманная в Японии. Первоначальная версия игры была написана Хироюки Имабаяши, победившим в конкурсе по программированию в 1980 году.
Термин Sokoban означает «смотритель магазина» (по-английски «смотритель склада»), и это одна из самых любимых логических игр, конкретные уровни которой создаются сегодня.
Цель игры Sokoban - переносить ящики в указанную область, толкая их. Пользователь управляет передвижением Сокобана. Он может двигаться вверх, вниз, влево..
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..