Публикации по теме 'machine-learning'
Многозадачное обучение
СТАТЬЯ
Многозадачное обучение
Из книги Stephan Raaijmakers Глубокое обучение для обработки естественного языка
Эта статья посвящена многозадачному обучению для НЛП.
Получите скидку 40% на Глубокое обучение для обработки естественного языка , введя fccraaijmakers в поле кода скидки при оформлении заказа на manning.com .
Многозадачное обучение связано с изучением нескольких вещей одновременно. Например, одновременное изучение тегов речи и анализа настроений или..
алгоритмы машинного обучения
Конечно, я был бы рад предоставить обзор некоторых распространенных алгоритмов машинного обучения. Алгоритмы машинного обучения — это методы, которые позволяют компьютерам изучать закономерности на основе данных и делать прогнозы или принимать решения без явного программирования. Вот некоторые из наиболее известных типов алгоритмов машинного обучения:
Алгоритмы контролируемого обучения:
Линейная регрессия: используется для прогнозирования непрерывного вывода на основе входных..
Интуиция многомерных адаптивных регрессионных сплайнов (MARS)
Многомерные адаптивные регрессионные сплайны, широко известные как MARS, — это алгоритм, который лучше всего подходит для многомерных и сложных наборов данных нелинейных отношений. Его можно рассматривать как обобщенную форму пошаговой регрессии (пошаговая регрессия сначала выполняет прямой выбор, когда она начинает загрузку модели, а затем сокращает или отбирает назад, чтобы удалить переменные, которые не помогают значительно снизить частоту ошибок).
Он строит кусочно-линейную..
Шумоподавление на основе диффузионного генеративного моделирования
#CVPR2022 Учебное пособие «Неофициальные» протоколы
Следующее эссе представляет собой своего рода протокол неофициальной встречи, в котором записаны (на высоком уровне) обсуждения, представленные на конференции IEEE по компьютерному зрению и распознаванию образов Denoising Diffusion-based Generative Modeling: Foundations and Applications Tutorial . (Да, я знаю, что это слишком много, мне потребовалось целых две минуты, чтобы напечатать это предложение.) Я записал эти заметки как..
Алгоритм дыхания K-средних в Python: пошаговое руководство
Breathing K-Means — это расширение алгоритма K-Means , которое динамически обновляет центры кластеров во время итераций, позволяя им «дышать» и исследовать большее пространство поиска. Вот пошаговое руководство по реализации Breathing K-Means в Python:
Шаг 1. Импортируйте необходимые библиотеки
import numpy as np
import matplotlib.pyplot as plt
from sklearn.datasets import make_blobs
Разберем каждую строку кода:
Первая строка импортирует библиотеку NumPy, которая является..
Развертывание модели машинного обучения с использованием Streamlit
Модели машинного обучения — это мощные инструменты для прогнозирования и извлечения информации из данных. Однако развертывание этих моделей может оказаться непростой задачей, особенно для тех, кто не имеет опыта разработки программного обеспечения. В этом сообщении блога мы рассмотрим, как развернуть модель машинного обучения с помощью Streamlit, мощной платформы с открытым исходным кодом для создания веб-приложений.
Мы сосредоточимся на развертывании классификатора случайного леса,..
Исследовательские работы о разработках в обучении с подкреплением, часть 2
Глубокое обучение с подкреплением с использованием низкоразмерного фильтра наблюдения для визуальной сложной видеоигры ( arXiv )
Автор: Виктор Аугусто Кич , Хуниор Коста де Хесус , Рикардо Бедин Грандо , Алиссон Энрике Коллинг , Габриэль Винисиус Хейслер , Родриго да Силва Герра
Аннотация : Глубокое обучение с подкреплением (DRL) принесло большие достижения с тех пор, как было предложено, включая возможность обработки необработанных входных данных зрения. Однако..
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..