Публикации по теме 'neural-networks'
GPT: объяснение и реализация с нуля в PyTorch
В этой статье я собираюсь рассмотреть знаменитый генеративный предварительно обученный преобразователь из статьи Улучшение понимания языка с помощью генеративного предварительного обучения . В этой статье предлагается изучить генеративную языковую модель с использованием неразмеченных данных, а затем отрегулировать модель, предоставив примеры конкретных последующих задач, таких как классификация, анализ тональности, вывод текста и т. д. Это первая GPT из серии GPT-n, и оказалось, очень..
Функция инвертирования нейронной сети
Инвертирование функции с помощью нейронной сети (с кодом)
1. Введение
Хотя инвертировать такую функцию, как y = mx , чтобы получить обратную, x = y/m , несложно, некоторые функции не так-то просто инвертировать. Одной из таких функций является кумулятивная функция распределения (CDF) нормального распределения вероятностей (уравнение 1), где ни CDF, ни обратная CDF ( функция квантиля ) не могут быть выражены в закрытой форме. В данной статье представлен метод обращения функции с..
Персептроны (Часть 1)
Эндрю Шао
Персептрон в своей простейшей и исходной форме представляет собой алгоритм машинного обучения под наблюдением , используемый для бинарной классификации. Когда Фрэнк Розенблатт впервые «изобрел» персептрон, алгоритм обучения персептрона был уникален тем, что он был одним из первых экземпляров нейронной сети .
Алгоритм
Алгоритм Perceptron на самом деле удивительно прост. Центральным элементом алгоритма обучения является пороговая функция f(x) , функция, которая просто..
Руководство по использованию U-сетей для сегментации изображений
Сегментация изображений - это мощный метод определения местоположения объектов или границ в изображениях на уровне пикселей. В этом блоге мы кратко рассмотрим, как работают U-Nets, и узнаем, как они строятся на стандартных CNN.
Обработка изображений на основе глубокого обучения (DL) сейчас используется во многих отраслях. В частности, такие методы, как классификация изображений (т. Е. Определение того, что представляет собой изображение) и обнаружение объекта (т. Е. Идентификация объекта..
Практические задачи, математика и искусственный интеллект
В конце первого поста я написал, что дальше мы будем изучать базовую нейронную сеть, но позже я понял, что должен быть другой раздел, в котором искусственный интеллект обсуждается с математической точки зрения. Это тема этого небольшого раздела, за которым последует сообщение о перцептронах .
Способность формулировать проблему в форме уравнений в голове, на листе бумаги или в компьютере позволяет нам искать решения и переводить их в действия в реальном мире. Если бросить мяч в..
Раскрытие возможностей LSTM: архитектура модели с несколькими выходами для нескольких меток и нескольких классов…
Введение:
Сети с долговременной кратковременной памятью (LSTM) произвели революцию в области глубокого обучения, особенно в задачах, связанных с последовательными данными. Традиционно модели LSTM использовались для задач классификации с одним выходом. Однако существуют сценарии, в которых одного прогноза недостаточно, например задачи классификации с несколькими метками и классами. В этой статье мы рассмотрим архитектуру модели LSTM с четырьмя выходами, предназначенную для решения этих..
Заметки о модели глубокого подкрепления для абстрактного обобщения - Исследование Salesforce AI (документ…
Оригинал статьи принадлежит Ромену Паулюсу, Каймингу Сюнгу и Ричарду Сошеру из Salesforce.com. Первоначальное название - Глубоко усиленная модель для абстрактного обобщения . Он был опубликован 19 мая 2017 года. Оригинал статьи можно найти здесь . Оригинальная запись в блоге автора о статье находится здесь .
Постановка проблемы, которая движет бумагой, не нова, но все же важна, поскольку становится все более актуальной:
Большая тенденция : контент создается каждый день...
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..