WedX - журнал о программировании и компьютерных науках

Публикации по теме 'deep-learning'


Введение в обработку естественного языка
Мы почти всегда работали с числовыми наборами данных в наших стандартных задачах машинного обучения/науки о данных. Всякий раз, когда мы сталкивались со столбцом с текстовыми данными, мы всегда преобразовывали его в числовые данные, используя методы предварительной обработки данных, такие как горячее кодирование и кодирование меток. Давайте представим, что у нас есть набор данных с простыми текстовыми данными, и мы хотим предсказать, какие комментарии в Твиттере хорошие, а какие..

Выполнение нарезного (плиточного) вывода и подробного анализа ошибок с использованием моделей YOLOv5
Вам нужен срез (плиточный) вывод для обнаружения небольших объектов на спутниковых изображениях или изображениях с высоким разрешением? Нужны ли вам объяснимые метрики для вашей модели обнаружения (анализ возможных улучшений)? Вам нужен интерактивный пользовательский интерфейс для визуализации ошибочных прогнозов? Вы полагаетесь на модели YOLOv5? Все это возможно с интеграцией SAHI YOLOv5 🚀 GitHub — obss/sahi: Облегченная библиотека машинного зрения для..

Может ли блокчейн с искусственным интеллектом бороться с глубокими подделками?
Истина сама по себе является предметом обсуждения, объективно и независимо от того, как мы думаем о ней или описываем ее на протяжении многих веков. Философские теории об истине могут иметь много относительных оснований, но в математике существует абсолютная истина. Может ли правда изменить форму? На рынке, основанном на эмоциях, истина субъективна для интеллектуального спектра убеждений и мнений людей. Один из таких примеров - видео с дипфейком речи Барака Обамы, созданное BuzzFeed..

Как работает адаптивный пул, часть 1 (машинное обучение)
IMP: итеративное сопоставление и оценка позы с адаптивным объединением (arXiv) Автор: Фэй Сюэ , Игнас Будвитис , Роберто Чиполла . Аннотация: Предыдущие методы решают сопоставление признаков и оценку позы, используя двухэтапный процесс: сначала находят совпадения, а затем оценивают позу. Поскольку они игнорируют геометрические отношения между двумя задачами, они сосредотачиваются либо на улучшении качества совпадений, либо на фильтрации потенциальных выбросов, что приводит к..

Изучение интересных идей проектов машинного обучения
Введение В сегодняшнем быстро развивающемся технологическом мире машинное обучение превратилось в преобразующую силу, производящую революцию в самых разных отраслях: от здравоохранения и финансов до развлечений и транспорта. Способность машин учиться на данных и принимать обоснованные решения открыла беспрецедентные возможности для инноваций и решения проблем. Независимо от того, являетесь ли вы новичком, заинтригованным миром алгоритмов, или опытным практиком, стремящимся расширить..

Последние исследования ценностей Шепли, часть 8 (машинное обучение)
Аппроксимация значения Шепли без предельных вкладов (arXiv) Автор: Патрик Колпачки , Виктор Бенгс , Эйке Хюллермайер . Аннотация: значение Шепли, возможно, является наиболее популярным подходом для определения значимого вклада игроков в кооперативную игру, который в последнее время интенсивно используется в различных областях машинного обучения, в первую очередь в объяснимом искусственном интеллекте. Осмысленность обусловлена ​​аксиоматическими свойствами, которым удовлетворяет..

Изучение LIME: окно в черный ящик глубокого обучения
Введение Глубокое обучение произвело революцию в различных областях, позволив создавать сложные модели, способные делать точные прогнозы и классификации. Однако возросшая сложность этих моделей часто достигается за счет интерпретируемости, создавая то, что обычно называют проблемой «черного ящика». Интерпретация того, почему модель глубокого обучения приходит к тому или иному решению, важна для укрепления доверия, диагностики ошибок и обеспечения этичного использования ИИ. Локальные..

Новые материалы

Как создать диаграмму градиентной кисти с помощью D3.js
Резюме: Из этого туториала Вы узнаете, как добавить градиентную кисть к диаграмме с областями в D3.js. Мы добавим градиент к значениям SVG и применим градиент в качестве заливки к диаграмме с..

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..


Для любых предложений по сайту: [email protected]