WedX - журнал о программировании и компьютерных науках

Публикации по теме 'neural-networks'


Ведение журнала с весами и смещениями
Легко контролировать обучение нейронной сети Регистрация кривых потерь и точности никогда не была легкой задачей. Мы часто сохраняем эти значения в массивах или списках, а затем наносим их на график в конце обучения. Поделиться этими графиками еще сложнее, когда отправка снимков экрана с этими графиками кажется единственным выходом. В этом руководстве мы рассмотрим эту проблему с помощью весов и смещений. Weights & Biases (WandB) - это пакет Python, который позволяет нам..

Пакетное и онлайн-обучение  — в чем разница?
Оглавление:- · Пакетное обучение ∘ Проблемы с пакетным обучением:- ∘ Недостатки пакетного обучения:- · Онлайн-обучение ∘ Когда использовать ∘ Скорость обучения ∘ Недостатки · Сравнение пакетного обучения и онлайн-обучения Сегодняшняя растущая культура машинного обучения демонстрирует полезность различных типов машинного обучения, каждый из которых использует разные алгоритмы для работы. Мы уже углубились в объяснения машинного обучения с учителем, без учителя, с..

Визуализация обратного распространения в обучении нейронной сети
Использование HiPlot для создания параллельных графиков координат для визуализации обучения модели глубокого обучения. Понимание и отладка производительности нейронной сети в наборе данных является важной главой в сквозном жизненном цикле модели машинного обучения (ML). Возможность понять, как обучается модель, может дать ценную информацию о том, где можно сделать улучшения. В этой статье мы рассмотрим создание простого, но эффективного метода визуализации процесса под названием..

Введение в нейронные сети: создание однослойного персептрона в PyTorch
Нейронная сеть представляет собой набор нейронных узлов, которые взаимосвязаны друг с другом. Эти связи распространяются не только на соседние нейроны, но и на удаленные. Фундаментальная концепция нейронных сетей заключается в том, что каждый нейрон в слое получает входные значения и генерирует выходные значения с помощью определенных математических операций, применяемых к входным данным. Эти выходы затем служат входами для следующего слоя нейронов. Однослойная нейронная сеть, также..

ОБНАРУЖЕНИЕ И КОЛИЧЕСТВЕННАЯ ОЦЕНКА МАЛЯРИЙНОГО ПАРАЗИТА С ИСПОЛЬЗОВАНИЕМ НЕЙРОННЫХ СЕТЕЙ
ОБНАРУЖЕНИЕ И КОЛИЧЕСТВЕННАЯ ОЦЕНКА ПАРАЗИТА МАЛЯРИИ С ИСПОЛЬЗОВАНИЕМ НЕЙРОННЫХ СЕТЕЙ МОИ ОБУЧАЮЩИЕ АРХИВЫ ДЛЯ ЭТОГО ПРОЕКТА Это процессы построения моего обнаружения малярии и оценки уровня тяжести. Эта документация включает в себя все детали и процедуры, предпринятые для достижения этой идеальной подгонки. Она настолько упрощена и детализирована, что даже новичок в машинном обучении может понять ее и даже внести в нее дополнительные обновления. Этот проект является проектом с..

Визуализация нейронной сети с помощью Visualkeras
Нейронные сети — мощный инструмент машинного обучения, но их сложно понять и визуализировать. К счастью, есть инструменты, облегчающие эту задачу. Одним из таких инструментов является VisualKeras, библиотека Python, которая позволяет интуитивно создавать и визуализировать нейронные сети. В этом блоге мы рассмотрим, как использовать VisualKeras для визуализации нейронной сети. Во-первых, нам нужно установить VisualKeras. Мы можем сделать это с помощью pip, менеджера пакетов Python...

Векторы и линейные преобразования
линейная алгебра для нейронной сети с одним персептроном Эта история суммирует мои заметки, основанные на концепциях и методах третьей недели курса deeplearning.ai Линейная алгебра для машинного обучения и науки о данных Луиса Серрано . Кроме того, я включил другие определения и иллюстрации из других источников. Вы можете просмотреть историю Решение системы линейных уравнений для связанных понятий и определений. Векторы — это стрелки на плоскости или в многомерном..

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]