Публикации по теме 'deep-learning'
Машинное обучение и глубокое обучение: ваш путеводитель по пониманию ИИ
прежде чем вы начнете читать, ознакомьтесь с этим : бизнес-пакет Fiverr — это интегрированная система, которая позволяет людям/компаниям получать доступ к ПРОФЕССИОНАЛЬНЫМ услугам и эффективно координировать свои задачи с командой/сотрудниками удаленно, если вам интересно ‹‹нажмите здесь››
Введение:
Мир технологий быстро меняется, и искусственный интеллект (ИИ) стал важной частью нашей жизни. Машинное обучение (ML) и глубокое обучение (DL) — два наиболее значительных события в..
Как предсказать покупательское намерение пользователей на торговых площадках электронной коммерции
Узнайте, как мы используем машинное обучение, чтобы проводить рекламные кампании для пользователей торговой площадки с учетом их конкретных интересов.
Введение в проект торговых площадок Adevinta
Идея проста: в Адевинта мы хотим проводить рекламные кампании для целевых аудиторий, исходя из их конкретных интересов. Однако для этого нам необходимо определить интересы наших пользователей. Поскольку эти интересы могут носить сезонный характер, мы называем их хобби . Мы..
Как работает механизм внимания в машинном обучении, часть 5
FECAM: механизм внимания канала с улучшенной частотой для прогнозирования временных рядов (arXiv)
Автор: Маовэй Цзян , Пэнъюй Цзэн , Кай Ван , Хуань Лю , Вэньбо Чен , Хаоран Лю .
Аннотация: Прогнозирование временных рядов является давней проблемой из-за того, что реальная информация представлена в различных сценариях (например, энергия, погода, трафик, экономика, предупреждение о землетрясениях). Однако результаты прогнозирования некоторых основных моделей прогнозирования резко..
Введение в глубокое обучение
Представьте себе мир, в котором машины способны понимать нас так же, как мы понимаем друг друга. Мир, в котором они могут видеть, слышать и даже говорить, как мы. Это невероятная область глубокого обучения !
Глубокое обучение похоже на шаг в царство магии в огромном королевстве машинного обучения. Все дело в создании алгоритмов, вдохновленных тем, как работает наш собственный мозг. Так же, как наш мозг состоит из сети удивительных нейронов, глубокое обучение создает..
Как работает синтез изображений с поддержкой 3D, часть 4 (машинное обучение + генеративный ИИ)
Генеративные поля занятости для синтеза трехмерных изображений с учетом поверхности (arXiv)
Автор: Сюйдун Сюй , Синган Пань , Дахуа Линь , Бо Дай .
Аннотация: Появление генеративных полей излучения значительно способствовало развитию синтеза трехмерных изображений. Совокупный процесс рендеринга в полях яркости значительно упрощает обучение этих генеративных моделей, поскольку градиенты распределяются по всему объему, но приводят к размытым поверхностям объектов. В то же время, по..
Машинное обучение — основы
Машинное обучение — это новая трендовая область в наши дни и приложение искусственного интеллекта . Машинное обучение использует определенные статистические алгоритмы, чтобы заставить компьютеры работать определенным образом без явного программирования. Алгоритмы получают входное значение и предсказывают выход для него с использованием определенных статистических методов. Основная цель машинного обучения — создание интеллектуальных машин, которые могут думать и работать как люди...
Работа с несбалансированными наборами данных в машинном обучении, часть 2
Оценка расстояния: метод неконтролируемой фильтрации для выбора признаков в несбалансированном наборе данных (arXiv)
Автор : Катарина Фирдова , Селин Лабар , Артур Мартель .
Аннотация: В этой статье представлен новый метод фильтрации для неконтролируемого выбора признаков. Этот метод особенно эффективен для несбалансированного многоклассового набора данных, как в случае кластеров различных типов аномалий. Существующие методы обычно предполагают дисперсию признаков, что не подходит,..
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..