Публикации по теме 'machine-learning'
Интересные комментарии о «глубоком» обучении
Мы знаем, что неглубокая сеть может работать так же хорошо, как и более глубокая. Но это не так; а их обычно нет. Вопрос — — почему? Возможные ответы:
Может быть, мелкой сети потребуется больше нейронов, чем глубокой? Может быть, неглубокую сеть сложнее обучать с помощью наших текущих алгоритмов (например, у нее более неприятные локальные минимумы, скорость сходимости ниже или что-то еще)? Может быть, поверхностная архитектура не подходит для тех проблем, которые мы обычно пытаемся..
Преобразователи State of Vision в 2023 году, часть 3 (машинное обучение)
Обучение экспрессивным подсказкам с остатками для Vision Transformers (arXiv)
Автор: Раджшекхар Дас , Йонатан Дуклер , Авинаш Равичандран , Ашвин Сваминатан .
Аннотация: Быстрое обучение — это эффективный подход к адаптации преобразователей путем вставки обучаемого набора параметров во входные и промежуточные представления предварительно обученной модели. В этой работе мы представляем экспрессивные подсказки с остатками (EXPRES), которые изменяют парадигму быстрого обучения..
Анализ данных Airbnb в Сиэтле и Бостоне
Проект Data Science для анализа набора данных Airbnb по Сиэтлу и Бостону
В рамках этого проекта я попытался поиграть с набором данных airbnb по Сиэтлу и Бостону. Анализируя наборы данных airbnb в Сиэтле и Бостоне, мы можем понять, как хозяева устанавливают арендную плату за разные объекты, а также понять основные различия между ними.
Проект выполняется с использованием 6 шагов — понимание бизнеса, понимание данных, подготовка данных, моделирование, оценка и развертывание.
Кроме..
Практические соображения для НЛП в реальном мире
Применение машинного обучения к естественному языку — уникальная сложная задача. Если компьютерное зрение можно рассматривать как открытие окна в физический мир, то область обработки естественного языка (NLP) открывает окно в сознание говорящего. Можно также возразить, что это не столько окно, сколько абстрактный код, который слушатель должен расшифровать.
Мы знаем, что можно выучить язык; в конце концов, дети учатся говорить так же, как учатся видеть. Большинство младенцев во..
Точность против отзыва — Основные метрики в машинном обучении
В машинном обучении точность и полнота — это метрики, используемые для оценки того, насколько хорошо работает модель. В этой статье подробно объясняется, что они из себя представляют.
В машинном обучении точность и полнота — это метрики, используемые для оценки того, насколько хорошо работает модель. В этой статье объясняется, что они из себя представляют, и даются ответы на популярный вопрос точность или полнота .
Мы рассмотрим, как вычислить точность и полноту. Мы также обсудим..
Лучшие варианты использования функций Липшица, часть 4 (машинное обучение)
Изучение липшицевых функций с помощью обученных GD поверхностных сверхпараметризованных нейронных сетей ReLU (arXiv)
Автор : Илья Кузборский , Чаба Шепешвари
Аннотация: Мы исследуем способность сверхпараметризованных мелких нейронных сетей ReLU изучать липшицевы, недифференцируемые, ограниченные функции с аддитивным шумом при обучении с помощью градиентного спуска (GD). Чтобы избежать проблемы, заключающейся в том, что при наличии шума нейронные сети, обученные почти до нулевой..
MemuConvert
MemuConvert
По сути, MemuConvert - это метод обработки изображений. Цель состоит в том, чтобы снизить затраты на процесс этикетирования при обнаружении объектов.
Почему я разработал метод?
Я присоединился к соревнованиям с командой, и наша задача - обнаруживать автомобили с помощью данных с дрона. Мы попробовали эту задачу в YOLOV3 с его собственным набором данных. Однако это не удалось из-за неадекватного набора данных. Поэтому мы поняли, что ИИ нужно обучать с нуля.
В..
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..