Публикации по теме 'cnn'
Выявление рака меланомы с помощью глубокого обучения - часть 3
В Части 1 и Части 2 мы разработали неглубокую и более глубокую CNN для обнаружения наличия рака меланомы по изображениям поражений. Мы экспериментировали с такими методами, как пакетная нормализация, прерывание, нормализация локального отклика, простое увеличение данных, стандартизация изображений и т. Д. И смогли достичь точности 93,81%. Хотя этот показатель точности не является чем-то выдающимся (из-за несбалансированности данных), но он вдохновил и побудил нас пойти немного глубже :)..
Сверточные нейронные сети —«Учимся на том, что имеет значение»
В этой статье я расскажу, что такое сверточная нейронная сеть, и покажу пример на Python с использованием Tensorflow.
Искусственные нейронные сети используются для решения сложных задач любого типа с помощью мощности машин. Если вам нужно вкратце об этом, я написал статью на эту тему здесь .
Основная причина появления сверточных нейронных сетей заключается в том, что некоторые задачи глубокого обучения настолько сложны, что полностью связанные нейронные сети ( нейронные сети, в..
Сегментация изображений с использованием глубокого обучения — Модели и наборы данных
Сегментация изображения может быть сформулирована как задача классификации пикселей с помощью семантических меток (семантическая сегментация) или разделения отдельных объектов (сегментация экземпляров) или того и другого (паноптическая сегментация).
Сегментация изображений является ключевой задачей в компьютерном зрении и обработке изображений с такими важными приложениями, как понимание сцены, анализ медицинских изображений, роботизированное восприятие, видеонаблюдение, дополненная..
Мета-обучение: научиться учиться
В последние годы было много ажиотажа вокруг идеи метаобучения в области искусственного интеллекта (ИИ). Метаобучение, также известное как «обучение обучению», представляет собой подход, который позволяет системам ИИ научиться быстро адаптироваться к новым задачам, используя свой предыдущий опыт. В этом сообщении блога мы рассмотрим концепцию метаобучения, приведем примеры и аналогии, а также обсудим преимущества и недостатки этого подхода.
Что такое метаобучение?
Метаобучение — это..
Освоение машинного обучения: руководство для начинающих по ключевым терминам и понятиям, включая CNN, слои…
Машинное обучение — это область исследования, которая позволяет машинам обучаться и повышать свою производительность автоматически, без явного программирования. Это подмножество искусственного интеллекта ( ИИ ), основное внимание в котором уделяется обучению алгоритмов выполнению задач на основе входных данных. Область машинного обучения быстро развивается, и новичкам может быть сложно не отставать от используемой терминологии и концепций. В этом сообщении блога мы рассмотрим..
Вступление:
Диагностика болезней сердца с ИСКУССТВЕННЫМ РАЗУМОМ и ГЛУБОКОМ ОБУЧЕНИЕМ
Вступление:
В эпоху здравоохранения одна из важнейших задач, с которыми сталкиваются врачи, - это правильная диагностика заболеваний у пациентов. Из-за отсутствия подготовки или иногда сложной ситуации они не могут правильно диагностировать состояние пациентов. Вот почему врач не помогает пациенту должным образом, если он ошибается при диагностике болезни у пациента. Это привело бы к заброшенности и судебным..
Вопросы по теме 'cnn'
Классификатор изображений фруктов (Python)
Я пытаюсь закодировать классификатор изображений фруктов с помощью python, попробуйте классифицировать 7 фруктов. У меня есть 15077 изображений для train_set и 4204 изображений для validation_set. Я скомпилировал код на 10 эпох и получил такие...
10.04.2024
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..