Публикации по теме 'artificial-intelligence'
Вывод InfoComm 2018 - Голос не только для домовладельцев
С акцентом на канал CEDIA и создание лучшего опыта для умного дома будущего посещение такого шоу, как InfoComm , было поучительным по множеству причин. Будь то встреча с текущими партнерами, потенциальными дилерами или производителями, участники InfoComm прояснили одно: теперь, когда голосовое управление вошло в дом, это желаемый интерфейс для всех пространств, с которыми мы взаимодействуем. Прелесть Джоша , выступающего либо как голосовой уровень с Crestron или Control4 , либо..
Как работает маскированное моделирование, часть 1 (машинное обучение)
Захват темы с помощью моделирования маскированного языка (arXiv)
Автор: Сяобо Го , Вэйчэн Ма , Соруш Восуги .
Аннотация: Дифференциальное формулирование проблем может привести к расхождению мировоззрений по важным вопросам. Это особенно верно в тех областях, где представленная информация может быть доступна широкой аудитории, например, в традиционных и социальных сетях. Масштабируемое и надежное измерение такого дифференциального кадрирования является важным первым шагом в их..
Google Coral Dev Board — Jetson Nano — Raspberry pi 4 (4 ГБ) — для искусственного интеллекта и…
Синергия — важный термин в мехатронике или искусственном интеллекте. Синхронизация между энергиями — как аппаратное, так и программное обеспечение — это основа создания продукта ИИ.
Таким образом, Google запустила свою доску разработчиков Coral , названную в честь машинного обучения и искусственного интеллекта, с поддержкой TensorFlow .
Плата фактически сделана с проектной структурой Raspberry Pi с SOM (система на модуле). Версия для Linux — в качестве операционной системы..
Машинное обучение и искусственный интеллект
Машинное обучение
Машинное обучение — это методология анализа данных, которая помогает компьютерам обслуживать то, что присуще людям, а существа учатся на основе опыта. Алгоритмы машинного обучения используют вычислительные методологии для «изучения» фактов прямо из данных, не полагаясь на заданное уравнение в качестве модели.
Машинное обучение важно, потому что оно дает компаниям представление о тенденциях в действиях клиентов и бизнес-процессах, а также поддерживает развитие..
[ML] CNN: эквивалентность и инвариантность перевода
TL;DR
Оператор свертки является эквивалентом трансляции, что означает, что он сохраняет трансляции, однако обработка CNN позволяет обеспечить инвариантность трансляции, которая достигается посредством надлежащего (т.е. связанного с пространственными характеристиками) уменьшения размерности.
Полная версия
Операторы вычисления представления позволяют переходить из пространства ввода (например, необработанного изображения) в пространство функций.
Так, например, каков эффект..
Варианты использования перекрестной проверки, часть 5 (машинное обучение)
Неравенства концентраций для перекрестной проверки с исключением одного (arXiv)
Автор: Бенни Авелин , Лаури Вийтасаари .
Аннотация: В этой статье мы доказываем, что стабильности оценщика достаточно, чтобы показать, что перекрестная проверка с исключением по одному является надежной процедурой, путем предоставления границ концентрации в общей структуре. В частности, мы предоставляем границы концентрации за пределами допущений о непрерывности Липшица для потерь или для оценки. Чтобы..
Интерпретируемость моделей глубокого обучения
Интерпретируемость моделей глубоких нейронных сетей (DNN) всегда была ограничивающим фактором для случаев использования, требующих объяснения функций, задействованных в моделировании, и это имеет место во многих отраслях, таких как финансовые услуги. Финансовые учреждения, в силу регулирования или по собственному выбору, предпочитают структурные модели, которые легко интерпретируются людьми, поэтому модели глубокого обучения в этих отраслях медленно внедряются. Примером критического..
