Публикации по теме 'machine-learning'
Объем последовательности: уровень аппаратной виртуализации машинного обучения
Еженедельный информационный бюллетень с более чем 100 000 подписчиков, в котором обсуждаются важные исследовательские работы по машинному обучению, интересные технические выпуски, деньги в ИИ и реальные реализации.
Компьютерное зрение: с нуля: Ex-22, шаблон входного изображения «Сопоставить и сравнить» в другом увеличенном…
Сопоставление и сравнение шаблона входного изображения с более крупным изображением — обычная задача в компьютерном зрении, часто используемая для обнаружения и локализации объектов. OpenCV предоставляет различные методы сопоставления и сравнения шаблонов. Один из самых простых методов — использование функции cv2.matchTemplate() .
import cv2
import numpy as np
# Load the larger image and the template image
larger_image = cv2.imread('larger_image.jpg')
template =..
Работа с концепцией самоимитации обучения, часть 1 (машинное обучение)
Самоимитация обучения с помощью планирования (arXiv)
Автор: Ша Луо , Хамидреза Касаи , Ламберт Шомакер
Выдержка . Имитационное обучение (IL) позволяет роботам быстро приобретать навыки, передавая экспертные знания, которые широко используются в обучении с подкреплением (RL) для инициализации исследования. Однако в задачах долгосрочного планирования движения сложная проблема при развертывании методов IL и RL заключается в том, как генерировать и собирать массивные, широко..
Аннотации геопространственных данных для AI и ML
Изображения со спутников содержат много важной информации, которую можно использовать для обучения систем искусственного интеллекта и машинного обучения. Однако для того, чтобы эти данные можно было использовать, их необходимо подготовить с помощью различных методов аннотирования данных. В этой статье мы рассмотрим геопространственную аннотацию данных , чтобы понять не только, что это такое, но и понять ценность, которую она может принести компаниям из разных отраслей.
Что такое..
Новое исследование методов плотного поиска, часть 3 (искусственный интеллект)
Расширение представлений проходов с помощью генерации запросов для расширенного межъязыкового плотного поиска (arXiv)
Автор: Шэнъяо Чжуан , Линьцзюнь Шоу , Гвидо Цуккон .
Аннотация: Эффективные межъязыковые методы плотного поиска, основанные на многоязычных предварительно обученных языковых моделях (PLM), должны быть обучены, чтобы охватить как задачу сопоставления релевантности, так и задачу согласования между языками. Тем не менее, межъязыковые данные для обучения часто..
Слияние искусства и искусственного интеллекта: изучение творческих алгоритмов и их влияние на визуальное искусство (1/3)
Слияние искусства и искусственного интеллекта: изучение творческих алгоритмов и их влияние на визуальное искусство (1/3)
Введение
Пересечение искусства и технологий всегда создавало благодатную почву для инноваций, объединяя человеческое творчество с передовыми инструментами. С появлением искусственного интеллекта (ИИ) развивалось сочетание творчества и технологий, прокладывая путь к живой и постоянно меняющейся категории в мире искусства.
В области изобразительного искусства..
Алгоритм случайного леса
Случайный лес — это популярный метод «обучения по ансамблю» (объединяет несколько небольших моделей посредством голосования/усреднения для получения прогноза) для задач классификации и регрессии.
Он работает путем построения большого количества деревьев решений во время обучения и вывода класса с большинством голосов среди деревьев решений (классификация) или среднего прогноза (регрессия) отдельных деревьев.
Деревья решений построены таким образом, что каждое дерево немного отличается..
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..