Публикации по теме 'deep-learning'
Как работает векторное квантование, часть 2
Улучшение речи с помощью многоуровневого векторного квантования (arXiv)
Автор: Сяо-Ин Чжао , Цю-Ши Чжу , Цзе Чжан .
Аннотация: Благодаря достижениям в области глубокого обучения, улучшение речи на основе нейронных сетей (SE) быстро развивалось в последнее десятилетие. Между тем, предварительно обученная модель с самоконтролем и векторное квантование (VQ) показали отличные результаты во многих задачах, связанных с речью, в то время как они менее изучены в SE. Как было показано в..
Демистификация пакетной нормализации против выпадения
Действительно ли пакетная нормализация - практическое правило? Сравнение результата с выпадением набора данных CIFAR10
Известно, что пакетная нормализация (BN) улучшает производительность модели, смягчает внутренний ковариационный сдвиг и применяет небольшой эффект регуляризации. Такие функциональные возможности BN и эмпирические исследования, доказывающие эффективность BN, помогли укрепить предпочтение людей использовать BN вместо того, чтобы бросить учебу. BN быстро заменил слой отсева..
Навигация в мире глубокого обучения: глоссарий основных терминов.
Глубокое обучение 101: понимание жаргона.
Навигация в мире глубокого обучения: глоссарий основных терминов.
Справочное руководство для понимания сложной терминологии, используемой в проектах глубокого обучения.
Глубокое обучение — это быстрорастущая область искусственного интеллекта (ИИ), которая меняет наше взаимодействие с технологиями. Однако с быстрым развитием новых методов и технологий эта область также становится все более сложной и трудной для понимания. Терминология,..
Методологии машинного обучения для прогнозирования цен на акции
Был разработан ряд приложений машинного обучения, в том числе возможность прогнозировать закономерности в данных временных рядов. Цены на акции, несомненно, являются одним из самых захватывающих (или прибыльных) временных рядов для прогнозирования.
Недавно я наткнулся на сообщение в блоге, в котором методы машинного обучения применяются для прогнозирования цен на акции. С точки зрения написания статья была хорошо составлена, в ней рассматривался широкий спектр методологий. Мне было..
Варианты использования байесовских обратных задач, часть 5 (искусственный интеллект)
Распределительно устойчивая регрессия гауссовского процесса и байесовские обратные задачи (arXiv)
Автор: Сюхуи Чжан , Хосе Бланше , Юссеф Марзук , Вьет Ань Нгуен , Свен Ван .
Аннотация: Мы изучаем устойчивую к распределению формулировку оптимизации (т. е. игру минимум-макс) для двух репрезентативных задач байесовского непараметрического оценивания: регрессии гауссовского процесса и, в более общем смысле, линейных обратных задач. Наша формулировка ищет лучший предсказатель..
Введение в нейронные сети — веса, смещения и активация
Как нейронная сеть обучается с помощью весов, смещений и функций активации
Мы часто слышим, что искусственные нейронные сети — это представления нейронов человеческого мозга внутри компьютера. Эти наборы нейронов образуют взаимосвязанные сети, но их процессы, запускающие события и активации, сильно отличаются от процессов в реальном мозгу .
Нейрон, взятый по отдельности, относительно бесполезен, но в сочетании с сотнями или тысячами других нейронов они образуют взаимосвязанную..
Архитектура нейронной сети VAE
Введение:
Вариационные автоэнкодеры (VAE) — это тип архитектуры нейронной сети, используемый в неконтролируемом обучении. VAE использовались для создания реалистичных изображений, сжатия данных и извлечения полезной информации из многомерных наборов данных. В этой статье мы обсудим основы VAE, их архитектуру, как они работают и их приложения.
Основы VAE:
VAE — это тип автоэнкодера, который использует вероятностный подход для создания скрытых переменных. Автоэнкодеры — это..
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..