Публикации по теме 'deep-learning'
Идентификация лексико-семантических словесных отношений - руководство для начинающих
Фиктивное введение в мою текущую работу - признание природы семантических отношений между данной парой слов.
Когда я прошу вас «потерпите меня», вы готовитесь к тому, что придется мириться со мной. Если вам говорят: «Этот плюшевый мишка пушистый», ваш мозг вызывает в воображении образ мягкой, милой, пушистой игрушки, которую малыши берут в постель. Если вы читаете о медведях, находящихся под угрозой исчезновения, вы думаете о белых медведях где-то в арктических морских льдах. И когда они..
Приложения рекуррентных нейронных сетей, часть 3 (машинное обучение)
Архитектура рекурсивно-рекуррентной нейронной сети (R2N2) для обучения итеративным алгоритмам (arXiv)
Автор: Данимир Т. Донсевич , Александр Мицос , Юэ Го , Цяньсяо Ли , Феликс Дитрих , Мануэль Дамен , Иоаннис Г. Кеврекидис
Аннотация: метаобучение численных алгоритмов для данной задачи состоит из управляемой данными идентификации и адаптации алгоритмической структуры и связанных с ней гиперпараметров. Чтобы ограничить сложность проблемы метаобучения, можно и нужно..
Как работает Temporal Graph Learning, часть 1 (машинное обучение)
ProductGraphSleepNet: стадирование сна с использованием пространственно-временного графического обучения продукта с внимательным временным агрегированием (arXiv)
Автор: Ареф Эйнизаде , Саманэ Насири , Сепидех Хаджипур Сардуи , Гари Клиффорд
Аннотация: Классификация стадий сна играет решающую роль в понимании и диагностике патофизиологии сна. Оценка стадии сна в значительной степени зависит от визуального осмотра экспертом, что требует много времени и является субъективной..
Метрика оценки RdR для оценки моделей прогнозирования временных рядов
В этом тексте я предложу вам экспериментальный метод для оценки эффективности моделей прогнозирования временных рядов, но прежде мы быстро рассмотрим популярные методы оценки временных рядов:
MAE, RMSE и AIC Средняя точность прогноза Предупреждение: модель временных рядов ОЦЕНОЧНАЯ ЛОВУШКА! Эталонный показатель RdR
Этот новый метод оценки RdR даст несколько преимуществ, таких как возможность:
Сравните модели вместе и выберите лучшую Облегчить объяснение менеджеру или..
Почему Python так популярен в науке о данных?
Все основные проекты в области глубокого обучения и нейронных сетей, похоже, сходятся на Python в качестве связующего языка. Как инженер Python на протяжении длительного времени, я совершенно сбит с толку. Думаю, для этой работы есть инструменты получше.
Python работает медленно и не может реализовать пользовательскую логику. Python довольно сложно привязать к C ++ или даже C. Python застрял в блокировке перехода с версии 2.7 на 3.0
И все же здесь мы программируем наши графические..
Демистификация искусственного интеллекта и глубокого обучения: руководство для начинающих по интеллектуальным машинам
Добро пожаловать в захватывающее путешествие в мир искусственного интеллекта (ИИ) и глубокого обучения. В этом руководстве для начинающих мы раскроем тайны, окружающие эти передовые технологии, узнаем, что они из себя представляют, как работают и какой невероятный потенциал они таят в себе. Приготовьтесь отправиться в захватывающее приключение в царство интеллектуальных машин!
Понимание искусственного интеллекта:
Искусственный интеллект или ИИ относится к разработке компьютерных..
Основы машинного обучения (II): нейронные сети
Основы машинного обучения (II): нейронные сети
В моем предыдущем посте я описал, как работает машинное обучение, продемонстрировав центральную роль, которую функции затрат и градиентный спуск играют в процессе обучения. Этот пост основан на этих концепциях, исследуя, как работают нейронные сети и глубокое обучение. В этом посте мало объяснений и много кода. Причина этого в том, что я не могу придумать какой-либо способ более четко разъяснить внутреннюю работу нейронной сети, чем..
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..