WedX - журнал о программировании и компьютерных науках

Публикации по теме 'neural-networks'


Нейронные сети с нуля с Numpy - Часть 2: Линейная регрессия
В этом руководстве вы подробно узнаете, как реализовать линейную регрессию для прогнозирования с помощью Numpy, а также визуализировать, как алгоритм учится эпоху за эпохой. В дополнение к этому вы изучите двухслойные нейронные сети. В предыдущем уроке вы получили очень краткий обзор перцептрона. Нейронные сети с нуля с Numpy: Введение В этом руководстве вы получите краткое представление о том, что такое нейронные сети и как они были разработаны. В…..

Технология дипфейков: подъем синтетических реальностей
Что такое технология дипфейк? Алгоритмы искусственного интеллекта (ИИ) и машинного обучения можно использовать для создания или изменения аудио, видео или фотографий таким образом, чтобы они убедительно отображали вещи или людей, которых никогда не было или никогда не существовало. Этот метод известен как «технология дипфейка». Это влечет за собой синтез или редактирование аудио или визуального контента, чтобы он выглядел реальным, часто путем легкой замены или наложения лица или..

Conv Neural Networks — Никогда больше не забывайте о видах вашего питомца
И, я думаю, он может делать и другие вещи… Вы когда-нибудь просто гуляли по своему дому и проходили мимо своего питомца, просто чтобы понять, что вы понятия не имеете, кошка это или собака. Я тоже! Ну, мальчик, у меня есть решение для вас! Вместо того, чтобы слушать своих сверстников, которые могут сказать вам, что проблема более серьезная и меняет жизнь, чем просто то, что вы не знаете, какого вида ваш питомец, просто создайте свёрточную нейронную сеть. «Ну, а что такое CNN?»..

Что такое исследовательский анализ данных?
Исследовательский анализ данных (EDA) — это важный этап в процессе анализа данных, основная цель которого — понять набор данных и извлечь из него ценную информацию. Основная цель EDA — исследовать данные, обнаруживать закономерности, выявлять аномалии и проверять предположения, прежде чем применять более сложные статистические методы или создавать модели машинного обучения. Вот некоторые ключевые аспекты исследовательского анализа данных: Обобщение данных: EDA начинается с суммирования..

Набор хитростей для эффективной классификации текста
Общие мысли: Хорошо написанный, воспроизводимый, строгий анализ по сравнению с сильными исходными данными. Справочная информация Нейронные сети обычно являются хорошим выбором для задач классификации текста в НЛП. Они, как правило, работают очень хорошо, однако они медленно обучаются, так как их полезность на больших наборах данных ограничена. Линейные классификаторы могут очень хорошо справиться с проблемами классификации текста, если выбраны правильные функции. Однако эти..

🧠Искусственный интеллект: пример (Задание-5)
🧠Искусственный интеллект: тематическое исследование В этой статье описывается новая Эра интеллекта в жизненном цикле ТНК , вызванная ИСКУССТВЕННЫМ ИНТЕЛЛЕКТОМ👾🧠 🔲Мир без ИИ 🔲 Для тех, кто уже работает с технологией ИИ или с ней, просто воображаемый взгляд на их жизнь без ИИ вызывает оцепенение..!! 🥶 Часы ручного труда, выполнение одной и той же ужасной, повторяющейся задачи изо дня в день в течение многих лет и каждую минуту, испытывая скуку, умственную и физическую..

5 методов предотвращения переобучения вашей следующей модели машинного обучения
Вы когда-нибудь разрабатывали модель нейронной сети, которая дает потрясающие результаты? Настолько, что это невероятно? Если у вас возникли такие сомнения, возможно, вы правы. Возможно, ваша модель страдает от переобучения . Переобучение - это когда ваша модель «запоминает» ваш набор данных и, следовательно, способна точно предсказать результаты. Другими словами, если вы запустите свою модель на другом наборе данных, можно с уверенностью сказать, что это даст катастрофические..

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..


Для любых предложений по сайту: [email protected]