Публикации по теме 'keras'
Обнаружение занятости с использованием логистической регрессии и нейронных сетей (часть 2)
Не введение
Если вы читали заголовок, то должны знать, что в этой статье есть Часть 1. А поскольку я ленивый, вся необходимая подготовка данных находится там. Итак, сначала прочитайте это, пока не увидите заголовок Логистическая регрессия (если вы ищете только нейронную сеть) ЗДЕСЬ: https://medium.com/p/b76ae9da6118
Продолжая….
В любом случае, теперь, когда у вас есть все готовые данные, мы можем приступить к использованию нейронных сетей с предварительно созданной функцией, а..
Обнаружение фейковых новостей с помощью глубокого обучения
Простая реализация LSTM с Keras
Некоторое время я хотел выполнить небольшой проект, связанный с классификацией текста, и решил опробовать архитектуру, которую я раньше не использовал: долговременная краткосрочная память (LSTM). Вкратце: LSTM - это тип рекуррентной нейронной сети (RNN), которая может запоминать информацию в течение длительного времени (преимущество перед обычным RNN). Если вы хотите получить более подробную информацию: вот отличное и подробное объяснение архитектуры..
Реализация Keras модели подписи к изображениям.
Подписи к изображениям - это задача, которая включает в себя компьютерное зрение и обработку естественного языка. Он берет изображение и может описать происходящее на нем простым английским языком. Архитектор CNN используется для извлечения функций из изображений. Затем закодированное изображение пропускается через декодер. Поскольку RNN очень хороша с последовательными данными, и нам нужно описать изображение в предложении, чтобы мы могли использовать RNN или его вариант в качестве..
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..