Публикации по теме 'deep-learning'
Разработки в области расширенной реальности часть1
Безопасный и надежный искусственный интеллект с расширенной реальностью (AI-XR) для метавселенных ( arXiv)
Автор: Аднан Кайюм , Мухаммад Атиф Бутт , Хасан Али , Мухаммад Усман , Усама Халаби , Ала Аль-Фукаха , Каммер Х. Аббаси , Мухаммед Али Имран , Джунаид Кадир
Аннотация . Ожидается, что Metaverse станет новой парадигмой для Интернета следующего поколения, предоставляя полностью захватывающий и персонализированный опыт для общения, работы и игр в..
ПОЛИНОМИАЛЬНАЯ РЕГРЕССИЯ
ЛИНЕЙНАЯ И НЕЛИНЕЙНАЯ РЕГРЕССИЯ
ВВЕДЕНИЕ:
В этом блоге мы увидим, как подобрать идеальную плоскость для набора данных. Иногда достаточно установить Linear plane . Но иногда недостаточно получить хорошую оценку точности, подобрав линейную плоскость. В этом случае мы выбираем нелинейную плоскость, которая лучше всего соответствует нашему набору данных.
Мы увидим, что лучше всего подходит для линейной или нелинейной плоскости для нашего простого набора данных для лучшего..
ICL: Почему GPT может учиться в контексте? (2022)
Почему GPT может учиться в контексте? Языковые модели тайно выполняют градиентный спуск как метаоптимизаторы
Статья Почему GPT может учиться в контексте? Языковые модели тайно выполняют градиентный спуск как метаоптимизаторы дает представление о том, как GPT-3 может учиться на нескольких демонстрациях и предсказывать метки для невидимых входных данных.
Оптимизация модели машинного обучения
Коллекции Heartbeat
Оптимизация модели машинного обучения
Каталог публикаций Heartbeat, посвященных методам, советам и передовым методам точной настройки и оптимизации моделей машинного обучения.
Оптимизация модели машинного обучения
Будь то обработка и подготовка наборов данных для обучения модели, сокращение весов модели, настройка параметров или любое количество других подходов и методов, оптимизация моделей машинного обучения - дело любви.
Важно отметить, что не существует..
Исследования, основанные на отказоустойчивых квантовых вычислениях, часть 2
Отказоустойчивое квантовое моделирование материалов с использованием орбиталей Блоха (arXiv)
Автор: Николас Рубин , Доминик В. Берри , Фионн Д. Мэлоун , Алек Ф. Уайт , Танудж Хаттар , А. Юджин ДеПринс III , Сабрина Сиколо , Майкл Кюн , Майкл Кайхер , Чжунхо Ли , Райан Бэббуш
Аннотация: Химическое моделирование является одним из наиболее многообещающих применений квантовых вычислений. Однако большинство предыдущих работ по изучению алгоритмов блочного кодирования, эволюции..
Использование PlaidML для глубокого обучения на графическом процессоре Macbook Pro
Я помню, как впервые запустил модель глубокого обучения на мощном графическом процессоре (NVIDIA GTX 1080). Модель пронизывала каждую тренировочную эпоху так быстро, что мне казалось, что я только что перешел с управления седаном на спортивную машину. 🚙
Скорость обучения была захватывающей; эксперименты с разными моделями шли намного быстрее, чем обычно. Но после этого проекта ускоренное глубокое обучение стало редкой роскошью. Время вычислений на хорошем графическом процессоре может..
Гармонизированное человеческое обучение и глубокое обучение (HHL-DL)
Глубокое обучение существует уже довольно давно. Мы пытаемся соответствовать человеческому опыту во многих областях, и на самом деле мы уже достигли в некоторых областях, таких как: 1. Вопрос - система ответов (Google BERT ) - BERT также может определять пропущенные слова в предложении (Masked LM или Cloze Task), предсказывать следующее предложение. 2. Классификация изображений ( ResNet ) 3. Игры ( AlphaGO ) Но больше не справляется с задачами, с которыми люди несравнимы. Это..
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..