WedX - журнал о программировании и компьютерных науках

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..


Для любых предложений по сайту: wedx@cp9.ru