Публикации по теме 'neural-networks'
Модель обучения персептрона
Модель персептрона составляет основу современной нейронной сети и заложила основу для ландшафта машинного обучения, который мы видим сегодня.
В конце 1950-х годов авиационный инженер по имени Фрэнк Розенблатт впервые реализовал алгоритм, который откроет двери машинного обучения для человечества и станет поворотным камнем для современного мира. Он назывался персептрон. Первая в мире модель нейронной сети.
Алгоритм обучения перцептрона был первым компьютерным алгоритмом, способным..
Ускоренный курс: нейронные сети, часть 4 — обучение с обратным распространением
Наконец, мы добрались до самой интересной части нашего путешествия по нейронной сети. В этой статье мы увидим, как обучается нейронная сеть! Я постараюсь сделать эту статью максимально простой, как всегда, чтобы вы не застряли в слишком большом количестве математики. Теперь давайте посмотрим, как обратное распространение используется, чтобы научить наши искусственные нейроны делать впечатляющие вещи. Обязательно прочитайте часть 3 , если вы еще этого не сделали!
Обратное..
Генетический алгоритм - развитие нейронной сети с помощью Python
С появлением Интернета мир нашел место с неограниченным потенциалом знаний, но мы можем заметить, что в последнее время это место захватывает растущая волна дезинформации и невежества. Становится обычным обсуждение таких тем, как интеллектуальный замысел, противовакцины, плоская земля и другие псевдонаучные темы.
Для борьбы с этой дезинформацией крайне важно такое место, как среда, и я хотел бы внести свой вклад в эту статью. Моя цель - показать, что эволюционный алгоритм работает, и,..
Представление информации о цепочке поставок с использованием векторов активации концепций (CAV)
Введение . Данные цепочки поставок играют жизненно важную роль в оптимизации операций, повышении эффективности и улучшении процесса принятия решений в организациях. Однако понимание основных концепций и закономерностей, изученных моделями нейронных сетей применительно к данным цепочки поставок, может оказаться сложной задачей. В этой статье мы рассмотрим, как векторы активации понятий (CAV) могут помочь интерпретировать модели нейронных сетей в контексте данных цепочки поставок. Мы..
Глубокое обучение для программистов, урок 3
Вопросы
Приведите пример того, где модель классификации медведей может плохо работать в производственной среде из-за различий в структуре или стиле в обучающих данных. Нарисованные от руки медведи, черно-белые изображения.
В чем в настоящее время текстовые модели имеют серьезные недостатки? Текущие текстовые модели могут генерировать привлекательный текст и контекст, но не могут генерировать правильные ответы.
Каковы возможные негативные социальные последствия моделей генерации..
Сравнение моделей встраивания графов знаний (KGE)
Встраивания графов знаний (KGE) — это модели, которые пытаются изучить вложения и векторное представление узлов и ребер, используя преимущества обучения с учителем. Они делают это, проецируя в непрерывное низкоразмерное пространство. Эти векторы имеют несколько сотен измерений, что предполагает эффективность памяти. Векторное пространство, в котором каждая точка представляет понятие, а положение каждой точки в пространстве семантически значимо, подобно встраиванию слов.
Предпосылки:..
Борьба с высокими затратами на вычисления в сверточных нейронных сетях: глубокое погружение в мобильные сети
В быстро развивающемся ландшафте искусственного интеллекта сверточные нейронные сети (CNN) стали фундаментальной опорой, особенно в области обработки изображений и компьютерного зрения. Однако обширные вычислительные ресурсы, требуемые CNN, могут быть серьезной проблемой, особенно для приложений реального времени на устройствах с ограниченными ресурсами. Одним из решений, привлекших значительное внимание, является реализация MobileNets, класса эффективных моделей, разработанных для..
Новые материалы
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..
Использование машинного обучения и Python для классификации 1000 сезонов новичков MLB Hitter
Чему может научиться машина, глядя на сезоны новичков 1000 игроков MLB? Это то, что исследует это приложение.
В этом процессе мы будем использовать неконтролируемое обучение, чтобы..
Учебные заметки: создание моего первого пакета Node.js
Это мои обучающие заметки, когда я научился создавать свой самый первый пакет Node.js, распространяемый через npm.
Оглавление
Глоссарий
I. Новый пакет
1.1 советы по инициализации..
Забудьте о Matplotlib: улучшите визуализацию данных с помощью умопомрачительных функций Seaborn!
Примечание. Эта запись в блоге предполагает базовое знакомство с Python и концепциями анализа данных.
Привет, энтузиасты данных! Добро пожаловать в мой блог, где я расскажу о невероятных..
ИИ в аэрокосмической отрасли
Каждый полет – это шаг вперед к великой мечте. Чтобы это происходило в их собственном темпе, необходима команда астронавтов для погони за космосом и команда технического обслуживания..