WedX - журнал о программировании и компьютерных науках

Публикации по теме 'deep-learning'


Понимание автоматизированного мышления, часть 1 (ИИ)
Автоматические рассуждения в Temporal DL-Lite( arXiv ) Автор: Сабиха Тахрат , Герман Браун , Алессандро Артале , Марко Гарио , Ана Одзаки Аннотация . В этом документе исследуется возможность автоматизированного анализа временных баз знаний (KB) DL-Lite (TDL-Lite). Мы тестируем использование готовых рассуждений LTL для проверки выполнимости баз знаний TDL-Lite. В частности, мы проверяем надежность и масштабируемость алгоритмов рассуждений при работе с TDL-Lite TBox в паре..

Обзор статьи 8: Методы анализа настроений на основе лексикона
В этом посте кратко изложена статья «Методы анализа настроений на основе лексики». Ссылка на статью: https://www.mitpressjournals.org/doi/abs/10.1162/COLI_a_00049 Майте Табоада, Джулиан Брук, Милан Тофилоски, Кимберли Фолл, Манфред Стеде, 2011 г., «Методы анализа настроений на основе лексикона», в журнале «Вычислительная лингвистика», том 37, выпуск 2, стр. 267–307. В этой статье анализ тональности и расчет семантической ориентации выполняются с помощью методов, основанных на..

Интервью с экспертами по машинному обучению — Часть 10
Интервью с первоклассным машинным обучением — часть 10 Метрики оценки производительности моделей классификации В машинном обучении метрики оценки производительности модели используются для измерения качества модели при решении данной проблемы. Эти показатели можно использовать как для оценки производительности модели в процессе обучения, так и для оценки производительности модели на тестовых данных.

Работа с концепцией полупространств в машинном обучении, часть 4.
Почти оптимальная криптографическая стойкость агностически обучающихся полупространств и регрессия ReLU при гауссовских маргиналах (arXiv) Автор: Илиас Диаконилас , Дэниел М. Кейн , Лишэн Жэнь Аннотация: Мы изучаем задачу независимого изучения полупространств при гауссовском распределении. В частности, при наличии помеченных примеров (x,y) из неизвестного распределения на Rn×{±1}, маргинальное распределение которого по x является стандартным гауссовым, а метки y могут быть..

Белая книга  — «Глубокое обучение и сельское хозяйство»
Глубокое обучение в точном земледелии: Случай сиамской сети в классификации растений Аннотация Глубокое обучение — это дисциплина искусственного интеллекта, которая решает сложные задачи обучения, вдохновленные известными или неизвестными данными, структурированными данными или абстрактными данными. Сравнительные методы глубокого обучения в этом случае обучения с небольшим количеством выстрелов все чаще используются в сельскохозяйственном секторе. В этом техническом документе..

Классификатор заголовков новостей
Здесь нам дан набор данных, содержащий газетные заголовки и их категорию. Здесь существует 4 категории, а именно: бизнес, образование, медицина и технологии. Здесь вы увидите, что я использовал модуль Pickle для сохранения обученной модели для последующего использования, а также векторизатор подсчета. import pickle import pandas as pd dataset = pd.read_csv(“uci-news-aggregator.csv”) import re import nltk from nltk.corpus import stopwords from nltk.stem.porter import PorterStemmer..

Новые разработки в области выпуклой оптимизации, часть 2 (машинное обучение)
Анализ скорости сходимости рандомизированного и циклического спуска в координатах для выпуклой оптимизации посредством полуопределенного программирования (arXiv) Автор: Хади Аббасзадехпеивасти , Этьен де Клерк , Муслим Замани Аннотация: в этой статье мы изучаем рандомизированный и циклический спуск по координатам для выпуклых задач оптимизации без ограничений. Мы улучшаем известные скорости сходимости в некоторых случаях, используя численный метод оценки производительности..

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..


Для любых предложений по сайту: [email protected]