Публикации по теме 'artificial-neural-network'
Сила искусственных нейронных сетей: введение
Введение в ИНС
Искусственные нейронные сети (ИНС) – это подмножество машинного обучения, области искусственного интеллекта, которая в последние годы быстро набирает популярность. ИНС предназначены для имитации структуры и функций человеческого мозга. используется для широкого круга задач, таких как классификация изображений, распознавание речи, обработка естественного языка и многие другие.
История ИНС восходит к 1940-м и 1950-м годам, когда исследователи впервые начали изучать..
Краткая история глубокого обучения
Человеческие изобретения черпают вдохновение в природе. Точно так же глубокое обучение было попыткой смоделировать человеческий мозг, одну из самых сложных структур во Вселенной. Попытка не заключалась в том, чтобы имитировать каждую деталь мозга. Вместо этого искусственные нейронные сети были вдохновлены биологическими нейронными сетями, что в конечном итоге привело к глубокому обучению.
Так что же такое глубокое обучение?
Google определяет глубокое обучение как «тип машинного..
Лучший способ прогнозирования эффективности сотрудников
Оценка использования составных моделей «потолок-пол» для прогнозирования вероятного диапазона будущей производительности труда работников.
Эта статья является третьей в серии из трех частей Расширенное моделирование будущих диапазонов производительности работников с помощью ИНС с пользовательскими функциями потерь . Часть 1 исследовала, почему полезно прогнозировать возможный потолок и минимум будущей производительности сотрудника — и почему это трудно сделать эффективно, используя..
Устранение предвзятости ИИ с помощью сгенерированных данных
В 2020 году чернокожий мужчина в Детройте был незаконно арестован после того, как полицейская программа распознавания лиц ошибочно идентифицировала его как подозреваемого. Будучи аспиранткой Массачусетского технологического института, Джой Буоламвини поняла, что программное обеспечение для распознавания лиц легче обнаруживает ее, когда она носит белую маску, а не использует лицо. Позже она обнаружила, что распознавание лица неверно до 35% времени для темнокожих женщин, по сравнению с..
Новые материалы
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..
Использование машинного обучения и Python для классификации 1000 сезонов новичков MLB Hitter
Чему может научиться машина, глядя на сезоны новичков 1000 игроков MLB? Это то, что исследует это приложение.
В этом процессе мы будем использовать неконтролируемое обучение, чтобы..
Учебные заметки: создание моего первого пакета Node.js
Это мои обучающие заметки, когда я научился создавать свой самый первый пакет Node.js, распространяемый через npm.
Оглавление
Глоссарий
I. Новый пакет
1.1 советы по инициализации..
Забудьте о Matplotlib: улучшите визуализацию данных с помощью умопомрачительных функций Seaborn!
Примечание. Эта запись в блоге предполагает базовое знакомство с Python и концепциями анализа данных.
Привет, энтузиасты данных! Добро пожаловать в мой блог, где я расскажу о невероятных..