Публикации по теме 'deep-learning'
Классификация изображений: сверточная нейронная сеть
В предыдущем посте я говорил о классификации изображений с помощью нейронных сетей, но сегодня я хочу подробнее остановиться на этом. Итак, давайте посмотрим, как работает CNN и как вы реализуете его самостоятельно.
Данные
Прежде всего, давайте кратко рассмотрим данные, которые я использовал для этого проекта:
Мода MNIST: этот набор данных содержит 70 000 черно-белых изображений различных предметов одежды, от обуви и сумок до платьев и рубашек. Эти изображения имеют размеры 28x28 и..
Изучите AWS DeepRacer (хитрости по оптимизации функции вознаграждения)
Представьте себя родителем, проводящим своего ребенка через жизненные трудности и наблюдающим его невероятный рост. А теперь представьте себе такое же путешествие в области искусственного интеллекта через обучение с подкреплением. Как и при воспитании ребенка, агент ИИ учится методом проб и ошибок, что в конечном итоге приводит к умопомрачительным результатам.
В этой статье мы узнаем о функциях вознаграждения AWS DeepRacer и о том, как оно работает на самом деле, а также развеем..
Нейронная сеть с категориальным встраиванием данных для прогнозирования инсульта
Руководство по прогнозированию диагноза инсульта с помощью нейронной сети на основе встраивания категориальных признаков.
По данным Всемирной организации здравоохранения, инсульт занимает второе место среди причин смерти в мире, на него приходится примерно 11% всех смертей.
Прогнозирование того, будет ли у пациента инсульт, на основе таких параметров, как пол, возраст, различные заболевания и статус курения, является ключом к снижению общего числа смертей, вызванных инсультом...
Полное руководство по алгоритмам повышения
AdaBoost, повышение градиента, стохастическое повышение градиента и CatBoost
Введение
Повышение — это мощный метод машинного обучения, который объединяет слабых учеников для создания надежной прогностической модели. В этой статье мы рассмотрим четыре популярных алгоритма повышения: AdaBoost (адаптивное повышение), градиентное повышение, стохастическое градиентное повышение и CatBoost. Мы рассмотрим их пошаговые процедуры, предоставим примеры реализации кода, обсудим их преимущества..
Как задачи оптимального управления используются в машинном обучении, часть 12
Анализ ошибок конечных элементов и устойчивость решения аффинных задач оптимального управления (arXiv)
Автор : Николай Ёрк
Аннотация: Рассматриваются аффинные задачи оптимального управления с полулинейными эллиптическими УЧП. Результаты двоякие; во-первых, мы продолжаем анализ устойчивости решения задач управления при возмущениях, возникающих совместно в целевом функционале и УЧП. Для этого рассмотрим свойство типа коэрцитивности, распространенное в области оптимального управления...
Работа с сэмплером Гиббса, часть 1 (машинное обучение)
Разделенный сэмплер Гиббса Plug-and-Play: встраивание глубоких генеративных априорных значений в байесовский вывод (arXiv)
Автор: Флорентен Керду , Николя Добижон , Пьер Шене .
Аннотация: Флорентен Керду , Николя Добижон , Пьер Шене .
2. Блокированный семплер Гиббса для иерархических процессов Дирихле (arXiv)
Автор: Снигдха Дас , Ябо Ниу , Янг Ни , Бани К. Маллик , Дебдип Пати .
Аннотация: Апостериорное вычисление в смешанных моделях иерархического процесса Дирихле..
Наука о данных в 2023 году: взгляд в будущее
Наука о данных — это быстро развивающаяся область, в которой за последнее десятилетие наблюдался огромный рост. По мере того, как технологии продолжают развиваться, возрастает и роль науки о данных в нашей жизни. В 2023 году наука о данных станет еще более распространенной и мощной, чем сегодня. Вот взгляд на то, что мы можем ожидать от науки о данных в ближайшие несколько лет.
Во-первых, наука о данных станет еще более доступной для предприятий любого размера. С появлением облачных..
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..