Публикации по теме 'machine-learning'
Прогресс в использовании генетических алгоритмов часть 1 (искусственный интеллект)
GAASP: Протокол атомистической выборки материалов с высокой энтропией на основе генетического алгоритма (arXiv)
Автор: Г. Ананд
Аннотация: Материалы с высокой энтропией состоят из нескольких элементов на сравнительно более простых решетках. Из-за многокомпонентной природы таких материалов выборка в атомном масштабе требует больших вычислительных затрат из-за комбинаторной сложности. Мы предлагаем методологию, основанную на генетическом алгоритме, для отбора проб таких сложных..
Понимание апостериорной вероятности: ключевая концепция байесовского вывода и принятия решений
Что такое апостериорная вероятность?
Апостериорная вероятность в контексте байесовского вывода относится к вероятности гипотезы или события с учетом наблюдаемых данных. Он рассчитывается с использованием теоремы Байеса, которая обновляет априорную вероятность гипотезы или события на основе новых доказательств или данных.
Математически апостериорная вероятность (P(H|D)) рассчитывается как:
P(H|D) = (P(D|H) * P(H)) / P(D)
где:
P(H|D) — апостериорная вероятность гипотезы H при..
Освоение моделей экспоненциального сглаживания для прогнозирования временных рядов
Прогнозирование временных рядов играет решающую роль в различных областях, включая финансы, экономику, продажи и управление цепочками поставок. Одним из наиболее эффективных и широко используемых методов прогнозирования временных рядов является экспоненциальное сглаживание. Этот подход основан на принципе присвоения экспоненциально уменьшающихся весов прошлым наблюдениям, что позволяет ему адаптироваться к меняющимся закономерностям и обеспечивать надежные прогнозы. В этой статье мы..
HND в области вычислительной техники
Будущее ИИ и почему вы должны изучать ИИ?
В последние несколько лет наблюдается растущий интерес к машинному обучению или искусственному интеллекту (ИИ). Искусственный интеллект стал неотъемлемой частью нашей жизни!
Во всем хорошо интегрирован искусственный интеллект. Это варьируется от устройств безопасности с распознаванием лиц до датчиков температуры тела. Это постоянно увеличивается с непрерывным ростом компьютеров и связанных с ними технологий. ИИ становится интересной темой для..
Использование машинного обучения для обнаружения рака: пошаговое руководство для начинающих в области искусственного интеллекта
Введение
Рак молочной железы является распространенным и серьезным заболеванием, от которого страдают миллионы женщин во всем мире. Раннее обнаружение имеет решающее значение для успешного лечения, и машинное обучение может сыграть жизненно важную роль в прогнозировании его начала. В этом уроке мы рассмотрим пошаговый процесс создания модели машинного обучения, которая может прогнозировать вероятность диагноза рака молочной железы.
Шаг 1. Импортируйте необходимые библиотеки..
Пакетное и онлайн-обучение — в чем разница?
Оглавление:-
· Пакетное обучение ∘ Проблемы с пакетным обучением:- ∘ Недостатки пакетного обучения:- · Онлайн-обучение ∘ Когда использовать ∘ Скорость обучения ∘ Недостатки · Сравнение пакетного обучения и онлайн-обучения
Сегодняшняя растущая культура машинного обучения демонстрирует полезность различных типов машинного обучения, каждый из которых использует разные алгоритмы для работы. Мы уже углубились в объяснения машинного обучения с учителем, без учителя, с..
Как мы делимся своими знаниями в области науки о данных в команде?
В настоящее время большинство компаний заинтересованы в использовании статистики, машинного обучения и глубокого обучения. Если бы они могли создавать многообещающие услуги с помощью этих технологий, они могли бы быть более конкурентоспособными, чем раньше. Эти типичные примеры — Google и Amazon.
Тем не менее, большинство компаний также не являются зрелыми в этой теме. На самом деле, некоторым компаниям предстоит решить большую проблему, не используя машинное обучение или..
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..