Публикации по теме 'deep-learning'
Антиград и Автоград. Глубокое обучение 2.0
Когда сталкиваются две силы, получается натуральный продукт, который хорошо сочетается с природой. Подробнее о моем мыслительном процессе читайте в моей статье Промышленный дизайн эволюционных форм с использованием глубокого обучения. Грубая идея . В этой статье я сказал вам, что представлю численное решение задачи. Хотя в этой статье я не приходил к цифрам, я представляю концепцию, которую можно реализовать с помощью PyTorch от Facebook.
Какие две силы глубокого обучения могут..
Мои советы и размышления о чтении Deep Learning
Введение
Ниже приведены мои размышления над книгой «Глубокое обучение», написанной в соавторстве с Яном Гудфеллоу, Йошуа Бенджио и Аароном Курвиллем. Все они профессора из переименованных университетов и исследователи в области искусственного интеллекта. Эта книга была опубликована почти десять лет назад (в 2015 году). Я решил прочитать эту книгу, потому что хочу специализироваться на этой огромной и захватывающей теме, которая растет с каждым днем. И это было настоятельно..
Простое введение в обработку естественного языка (NLP)
Обработка естественного языка ( NLP ) — ключевая область в сфере искусственного интеллекта. Это включает в себя способность компьютеров анализировать, понимать и генерировать человеческий язык. Эта технология имеет широкий спектр приложений, от голосовых помощников до языкового перевода и анализа текста.
Важность НЛП в нашей повседневной жизни очевидна. Мы часто используем голосовых помощников, чтобы устанавливать напоминания, отвечать на вопросы и даже совершать телефонные звонки...
Ключевые проблемы развертывания модели машинного обучения
Машинное обучение стало неотъемлемой частью различных отраслей, от финансов до здравоохранения и не только. Однако создание мощной и эффективной модели машинного обучения — это только начало пути. Развертывание модели в производственной среде сопряжено с собственным уникальным набором проблем, и без надлежащего планирования и исполнения модель может не принести ожидаемых преимуществ.
В этой статье мы сосредоточимся на двух основных категориях проблем при развертывании модели машинного..
Сверточные нейронные сети с TensorFlow 2.0
CNN - это класс нейронных сетей, которые используются для классификации изображений (например, кошки против собак), обнаружения объектов, распознавания изображений и т. Д.
CNN выполняет математическую операцию, известную как свертка, вместо общего умножения матриц по крайней мере в одном из своих слоев.
Архитектура сверточной сети
Слой свертки Уровень объединения Полностью связанный слой
Хотя вы можете спроектировать довольно хорошую нейронную сеть, используя только слои свертки,..
Вехи глубокого обучения
Глубокое обучение существует уже около десяти лет. С момента своего создания глубокое обучение покорило мир благодаря своему успеху (см. Мою статью Что такое глубокое обучение? О том, как глубокое обучение развивалось с помощью искусственного интеллекта и машинного обучения). Вот некоторые из наиболее значительных достижений глубокого обучения за эти годы.
AlexNet - 2012
Доказано, что сверточные нейронные сети действительно работают. AlexNet - и его исследовательская статья..
Математика дерева решений
Дерево решений на основе вложенного классификатора if-else. это набор параллельной оси гиперплоскости, которая делит область на гиперкуб.
Дерево решений строит классификационные или регрессионные модели в виде древовидной структуры. Он разбивает набор данных на более мелкие подмножества с увеличением глубины дерева. Конечным результатом является дерево с узлами решений и конечными узлами . Узел принятия решения (например, Outlook) имеет две или более ветвей (например, Солнечно,..
Новые материалы
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..
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..