Публикации по теме 'neural-networks'
Введение: нейронные сети (однослойная нейронная сеть)
Привет всем, сегодня мы начнем новую и самую сложную тему машинного обучения ... так что давайте приступим без промедления ...
Нейронная сеть - это серия алгоритмов, которые пытаются распознавать взаимосвязи в наборе данных с помощью определенного процесса, имитирующего работу человеческого мозга. Нейронные сети могут адаптироваться к изменению ввода; поэтому сеть дает наилучший возможный результат без необходимости изменения критериев вывода. БЛОК НЕЙРОННОЙ СЕТИ -..
Полное руководство для начинающих по Theano: мощная библиотека машинного обучения
Полное руководство для начинающих по Theano: мощная библиотека машинного обучения
Если вы интересуетесь машинным обучением, то наверняка слышали о Theano. Это библиотека Python, которая предоставляет инструменты и методы для создания моделей глубокого обучения. Theano известен своими высокопроизводительными вычислениями и способностью поддерживать широкий спектр алгоритмов машинного обучения. В этой статье мы предоставим вам руководство по Theano для начинающих с примером кода.
1...
Навигация в мире глубокого обучения: глоссарий основных терминов.
Глубокое обучение 101: понимание жаргона.
Навигация в мире глубокого обучения: глоссарий основных терминов.
Справочное руководство для понимания сложной терминологии, используемой в проектах глубокого обучения.
Глубокое обучение — это быстрорастущая область искусственного интеллекта (ИИ), которая меняет наше взаимодействие с технологиями. Однако с быстрым развитием новых методов и технологий эта область также становится все более сложной и трудной для понимания. Терминология,..
Введение в нейронные сети — веса, смещения и активация
Как нейронная сеть обучается с помощью весов, смещений и функций активации
Мы часто слышим, что искусственные нейронные сети — это представления нейронов человеческого мозга внутри компьютера. Эти наборы нейронов образуют взаимосвязанные сети, но их процессы, запускающие события и активации, сильно отличаются от процессов в реальном мозгу .
Нейрон, взятый по отдельности, относительно бесполезен, но в сочетании с сотнями или тысячами других нейронов они образуют взаимосвязанную..
Классификация изображений с использованием глубоких нейронных сетей - удобный для новичков подход с использованием TensorFlow
tl;dr
Мы построим глубокую нейронную сеть, которая сможет распознавать изображения с точностью 78,4%, объясняя при этом методы, используемые на протяжении всего процесса.
Вступление
Последние достижения в области глубокого обучения сделали возможными такие задачи, как распознавание изображений и речи.
Глубокое обучение: подмножество алгоритмов машинного обучения, которое очень хорошо распознает шаблоны, но обычно требует большого количества данных.
Глубокое обучение превосходно..
Использование метаобучения для получения оптимальной скорости обучения
Обычно есть два способа выбрать скорость обучения для нейронной сети. 1. Использование фиксированной скорости обучения и 2. Использование планировщика скорости обучения. Здесь я покажу вам третий метод. Используемый код можно найти здесь .
Метаобучение можно рассматривать как «обучение, чтобы учиться». Проще говоря, мы берем систему, состоящую из нескольких компонентов, и обучаем другую систему изучению одного из этих компонентов.
Представьте, что у нас есть нейронная сеть...
Теория против эксперимента в нейронных сетях
Я рассматриваю машинное обучение как дисциплину с такими же масштабами и мощью по сравнению с ее предшественниками в области анализа, как и вычисления. Будущие историки могут рассматривать нашу эпоху как пограничный период, как, например, противоречие между Лейбницем и Ньютоном, когда различные формальные утверждения методов машинного обучения кажутся различаются, а обозначения противоречат друг другу. Определенная степень эквивалентности методов была выявлена, однако область в..
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..