Публикации по теме 'deep-learning'
«Повышение четкости в незнакомых сценах: адаптивный подход к выравниванию гистограммы»
TL;DR:
TL; DR Adaptive Histogram Equalization — широко используемая технология улучшения изображения для улучшения внешнего вида и усиления мелких деталей. Он отображает пиксели в новый набор, самые темные — в черные, а самые светлые — в белые. Обычное цветное изображение состоит из 3 цветовых каналов. Создается гистограмма каждого, затем создаются кумулятивные распределения, нормализуются до [0,1] и преобразуются в [0,255]. Блоки можно использовать для улучшения небольших областей,..
Приложения мультимодального обучения, часть 1 (машинное обучение)
OneCAD: один классификатор для всех наборов данных изображений с использованием мультимодального обучения (arXiv)
Автор: Шакти Н. Вадекар , Эудженио Кулурселло .
Аннотация: Vision-Transformers (ViTs) и сверточные нейронные сети (CNN) широко используются в Deep Neural Networks (DNN) для задачи классификации. Архитектуры этих моделей зависят от количества классов в наборе данных, на котором они обучались. Любое изменение количества классов приводит к изменению (частичному или..
Многозадачное обучение
СТАТЬЯ
Многозадачное обучение
Из книги Stephan Raaijmakers Глубокое обучение для обработки естественного языка
Эта статья посвящена многозадачному обучению для НЛП.
Получите скидку 40% на Глубокое обучение для обработки естественного языка , введя fccraaijmakers в поле кода скидки при оформлении заказа на manning.com .
Многозадачное обучение связано с изучением нескольких вещей одновременно. Например, одновременное изучение тегов речи и анализа настроений или..
Интуиция многомерных адаптивных регрессионных сплайнов (MARS)
Многомерные адаптивные регрессионные сплайны, широко известные как MARS, — это алгоритм, который лучше всего подходит для многомерных и сложных наборов данных нелинейных отношений. Его можно рассматривать как обобщенную форму пошаговой регрессии (пошаговая регрессия сначала выполняет прямой выбор, когда она начинает загрузку модели, а затем сокращает или отбирает назад, чтобы удалить переменные, которые не помогают значительно снизить частоту ошибок).
Он строит кусочно-линейную..
Удаленный просмотр Tensorboard в локальном браузере
TensorFlow (TF) — одна из популярных сред машинного обучения (ML). Это облегчило жизнь разработчикам машинного обучения, особенно разработчикам глубокого обучения. Tensorboard — это набор инструментов для визуализации от TF. Этот инструментарий визуализирует такие метрики, как точность и потери, график модели (операции и слои) и многие другие, о которых вы знаете (если не знаете, можете узнать здесь ). Для использования этого инструментария в исходный код Python необходимо добавить..
Работа с концепцией косинусного сходства, часть 3 (интеллектуальный анализ данных)
Мера подобия косинуса согласно выпуклой функции стоимости (arXiv)
Автор: Осман Гюнай , Джем Эмре Акбас , А. Энис Четин
Аннотация: В этой статье мы описываем новую меру сходства векторов, связанную с выпуклой функцией стоимости. Имея два вектора, мы определяем нормали к поверхности выпуклой функции на векторах. Угол между двумя нормалями к поверхности является мерой сходства. Выпуклая функция стоимости может быть функцией отрицательной энтропии, функцией полной вариации (TV) и..
Кодирование нейронной сети - проверка градиента
В предыдущем посте Кодирование нейронной сети - прямое и обратное распространение мы реализовали как прямое, так и обратное распространение в numpy . Однако реализация обратного распространения ошибки с нуля обычно более склонна к ошибкам / ошибкам. Следовательно, перед запуском нейронной сети на обучающих данных необходимо проверить правильность нашей реализации обратного распространения ошибки. Прежде чем мы начнем, давайте еще раз посмотрим, что такое обратное распространение: мы..
Новые материалы
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..
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..