Публикации по теме 'machine-learning'
Кодирование нейронной сети - проверка градиента
В предыдущем посте Кодирование нейронной сети - прямое и обратное распространение мы реализовали как прямое, так и обратное распространение в numpy . Однако реализация обратного распространения ошибки с нуля обычно более склонна к ошибкам / ошибкам. Следовательно, перед запуском нейронной сети на обучающих данных необходимо проверить правильность нашей реализации обратного распространения ошибки. Прежде чем мы начнем, давайте еще раз посмотрим, что такое обратное распространение: мы..
Понимание автоматизированного мышления, часть 1 (ИИ)
Автоматические рассуждения в Temporal DL-Lite( arXiv )
Автор: Сабиха Тахрат , Герман Браун , Алессандро Артале , Марко Гарио , Ана Одзаки
Аннотация . В этом документе исследуется возможность автоматизированного анализа временных баз знаний (KB) DL-Lite (TDL-Lite). Мы тестируем использование готовых рассуждений LTL для проверки выполнимости баз знаний TDL-Lite. В частности, мы проверяем надежность и масштабируемость алгоритмов рассуждений при работе с TDL-Lite TBox в паре..
Дело против корпоративных LLM
Мнение
Дело против корпоративных LLM
Трезвый взгляд на то, почему скучно лучше всего, даже для ИИ
За последние несколько недель у нас было множество индивидуальных запросов LLM от клиентов и партнеров. Это волнение, хотя и оправданное, основано на потоке технических новостей, а не на получении фундаментального корпоративного преимущества.
LLM, даже если они концептуально не далеки от большинства конвейеров обучения на основе трансформаторов, требуют гораздо более сложного..
Обзор статьи 8: Методы анализа настроений на основе лексикона
В этом посте кратко изложена статья «Методы анализа настроений на основе лексики».
Ссылка на статью: https://www.mitpressjournals.org/doi/abs/10.1162/COLI_a_00049
Майте Табоада, Джулиан Брук, Милан Тофилоски, Кимберли Фолл, Манфред Стеде, 2011 г., «Методы анализа настроений на основе лексикона», в журнале «Вычислительная лингвистика», том 37, выпуск 2, стр. 267–307.
В этой статье анализ тональности и расчет семантической ориентации выполняются с помощью методов, основанных на..
Интервью с экспертами по машинному обучению — Часть 10
Интервью с первоклассным машинным обучением — часть 10
Метрики оценки производительности моделей классификации
В машинном обучении метрики оценки производительности модели используются для измерения качества модели при решении данной проблемы. Эти показатели можно использовать как для оценки производительности модели в процессе обучения, так и для оценки производительности модели на тестовых данных.
Как исследовать набор изображений с помощью теории графов
Объедините извлечение признаков, меру сходства и график ближайших соседей
Когда вы начнете работать с набором данных, состоящим из картинок, вам наверняка будут задавать такие вопросы, как: можете ли вы проверить, хороши ли картинки? Есть ли какая-то аномалия? Быстрым и грязным решением было бы вручную просмотреть данные один за другим и попытаться отсортировать их, но это может быть утомительной работой в зависимости от того, сколько изображений вы получите.
Например, на..
Введение в науку о данных: каковы этапы процесса науки о данных?
Наука о данных — это процесс обработки данных для извлечения значимой информации для бизнеса. это подход, который сочетает в себе принципы и практики из областей математики, статистики, искусственного интеллекта и опыта предметной области для анализа больших и сложных наборов данных.
Специалисты по данным используют различные методы, алгоритмы и инструменты для выявления закономерностей, тенденций и взаимосвязей в данных и принятия обоснованных решений или прогнозов.
Наука о данных..
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..