WedX - журнал о программировании и компьютерных науках

Публикации по теме 'deep-learning'


Распознавание модуля записи набора данных IAM с использованием CNN
В течение последних нескольких дней я изучал, как определить автора текста на основе их стиля письма. К счастью, я нашел записную книжку Jupyter handwriting_recognition от Приянки Двиведи , в которой для решения этой проблемы используется метод, описанный в статье DeepWriter: многопотоковая Deep CNN для независимой от текста идентификации писателя . . У меня возникли некоторые проблемы при попытке понять записную книжку, поскольку в ней отсутствуют конкретные инструкции о том, как..

Что такое синтетические данные?
Синтетические данные создаются искусственным интеллектом, обученным на реальных наборах данных. Сначала модель изучает корреляцию шаблонов и статистические свойства реального набора данных. Одна обученная модель может генерировать синтетический набор данных. Синтетический набор данных выглядит и ощущается как наш исходный набор данных из реального мира, который был обучен на модели. Почему синтетические данные важны в наши дни? Когда разработчик обучался на модели, в это время..

Прогнозирование речного стока в больших неизмеряемых регионах с помощью моделей глубокого обучения
Проблемы и снижение рисков На больших площадях земного шара нет доступа к ежедневным измерениям расхода воды. Однако прогнозы в этих регионах по-прежнему необходимы для понимания глобального водного цикла и смягчения последствий изменения климата. Модели глубокого обучения, такие как сеть долговременной кратковременной памяти (LSTM), в последнее время стали мощными инструментами гидрологического моделирования. Многие исследования показывают, что модель LSTM может значительно..

Работа с плоскими графами, часть 1 (машинное обучение)
Слабое вырождение плоских графов без 4- и 6-циклов (arXiv) Автор : Тао Ван Аннотация: Граф называется k-вырожденным, если каждый подграф H имеет вершину v с dH(v)≤k. Класс вырожденных графов играет важную роль в теории раскраски графов. Замечено, что каждый k-вырожденный граф (k+1)-выбираем и (k+1)-DP-раскрашиваем. Бернштейн и Ли определили обобщение k-вырожденных графов, которое называется \emph{слабо k-вырожденным}. Слабое вырождение плюс один является верхней границей для..

5 основных алгоритмов машинного обучения для бизнес-приложений
Компании, от гигантов рынка, таких как Amazon и Netflix, до небольшого розничного магазина где-то в центре Огайо, стремятся расти и повышать свою эффективность. Одним из способов достижения этого является включение ИИ и машинного обучения в операционную деятельность. Но из-за разнообразия ML сложно выбрать правильный метод и четко понимать, какую пользу он может принести. Итак, в этой статье мы рассмотрим основные алгоритмы машинного обучения, объясним их бизнес-применение и выделим..

Обучение моделей машинного обучения без остановки вашей машины!
Если вы изучаете машинное обучение, вы, возможно, заметили, что модели обучения являются одним из утомительных процессов, и если у вас есть более крупные архитектурные модели, может потребоваться много времени только для запуска и сохранения модели. Для модели обучения, если вы используете Google Colab, вы, должно быть, столкнулись с отключением среды выполнения после некоторого времени бездействия (вероятно, менее 1/2 часа). Альтернативой является Kaggle, но с Kaggle у вас нет..

Пакетный, мини-пакетный и стохастический градиентный спуск для линейной регрессии
Реализация и сравнение трех основных вариантов градиентного спуска 1. Введение Алгоритм градиентного спуска - это итерационный метод оптимизации первого порядка для поиска локального минимума функции (в идеале - глобального). Его базовую реализацию и поведение я описал в другой статье. В нем рассматриваются три основных варианта с точки зрения количества данных, которые алгоритм использует для вычисления градиента и выполнения шагов. Эти 3 варианта: Пакетный градиентный спуск..

Новые материалы

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..

ИИ в аэрокосмической отрасли
Каждый полет – это шаг вперед к великой мечте. Чтобы это происходило в их собственном темпе, необходима команда астронавтов для погони за космосом и команда технического обслуживания..


Для любых предложений по сайту: [email protected]