Публикации по теме 'deep-learning'
Как машинное обучение и глубокое обучение помогают Apple Vision Pro
Apple Vision Pro — это новая платформа для пространственных вычислений, которая использует машинное и глубокое обучение для обеспечения широкого спектра возможностей дополненной реальности (AR) и виртуальной реальности (VR). Платформа включает в себя ряд дополнительных функций, таких как обнаружение 3D-объектов, понимание сцены и распознавание лиц.
Нейронные сети Одной из ключевых технологий Apple Vision Pro являются нейронные сети. Нейронные сети — это модель машинного обучения,..
Работа с неравенством Дженсена в информационной геометрии, часть 3 (машинное обучение)
Функция потерь на основе неравенства Дженсена второго порядка и его применение к выводу о вариациях частиц (arXiv)
Автор: Футоши Футами , Томохару Ивата , Наонори Уэда , Иссей Сато , Масаси Сугияма .
Аннотация: усреднение байесовской модели, полученное как математическое ожидание функции правдоподобия по апостериорному распределению, широко используется для прогнозирования, оценки неопределенности и выбора модели. Были разработаны различные подходы для эффективного сбора..
Используйте линейную модель Keras Tensorflow для прогнозирования продаж в магазине
В моем последнем обзоре кода я сделал прогнозы продаж Walmart, используя алгоритм RandomForestregressor sklearn, и добился очень хороших результатов, используя эту модель. Сообщение в блоге с этими прогнозами можно найти здесь: https://medium.com/mlearning-ai/use-random-forest-to-predict-on-walmart-sales-ae6ebadb569b
В этом посте я собираюсь просмотреть код, в котором я снова прогнозировал продажи, но на этот раз я использовал искусственную нейронную сеть Keras Tensorflow, или ANN...
Хватит называть все ИИ
За последнее десятилетие были выпущены сотни продуктов, разработанных с использованием искусственного интеллекта (ИИ), по крайней мере, так говорят маркетинговые материалы. Хотя компьютеры и разработанные для них алгоритмы могут показаться довольно умными, на самом деле они не разумны сами по себе. ИИ — захватывающий термин и идея, но в основном он использовался как маркетинговый инструмент. Позвольте мне объяснить, почему ни в одном из этих продуктов не используется реальный ИИ.
В..
Сделайте патчи из изображения дистанционного зондирования
Использование исправления
Что такое патчи?
Патчи — это небольшие части большого изображения.
Почему они сделаны?
Методы на основе заплат часто используются в нескольких областях обработки изображений, таких как сегментация изображений, восстановление изображений, синтез и редактирование изображений и т. Д. Заплаты значительно проще моделировать, чем полные изображения, поскольку они могут фиксировать локальную геометрию и структуру изображения.
Как генерировать патчи из изображения..
Компьютерное зрение с OpenCV
Компьютерное зрение — одна из важнейших областей науки о данных. Компьютерное зрение — это область исследований, цель которой — воспроизвести человеческую зрительную систему в компьютере. Это позволяет компьютеру получать, отображать, анализировать, идентифицировать и извлекать информацию из изображений, видео или других визуальных выходных данных.
Сегодня я познакомлю вас с одним из самых популярных инструментов для работы с компьютерным зрением — Open CV.
OpenCV — это..
MolKGNN: распространение свертки на молекулы
Понять MolKGNN, интерпретируемую GNN, предназначенную для разработки лекарств, принятую на AAAI2023
В этом блоге представлена наша последняя модель Mol ecular K ernel G raph N eural N etwork (MolKGNN) из статьи Интерпретируемая нейронная сеть с учетом хиральности графа для количественного моделирования взаимосвязей структуры и активности при открытии лекарств
Эта работа принята на AAAI2023 (устный и постерный доклад) и Learning on Graph Conference (неархивный..
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..