Публикации по теме 'artificial-neural-network'
Как использовать искусственный интеллект, чтобы определить, лжет ли человек
Искусственный интеллект или ИИ может определить, лжет ли человек. Исследование началось потому, что, хотя личность человека может быть довольно точно подтверждена с помощью удостоверения личности с фотографией, тот же принцип недействителен, когда человек совершает онлайн-транзакцию. Вопрос заключался в том, сможет ли ИИ определить, когда человек лжет, по тому, как он двигает мышью.
В исследовании участвовала группа добровольцев, которых попросили либо рассказать правду о том, кто они..
ML & DL — Искусственные нейронные сети (часть 4)
Искусственные нейронные сети называются сетями, потому что они представлены композицией нескольких различных функций.
𝑓⒤(𝒽) = σ⒤(W⒤𝒽 + b⒤) Eo5' />
В этой статье вы найдете:
Краткое введение в искусственные нейронные сети . Графическое представление, Функция активации и стоимости . Внедрение искусственных нейронных сетей с помощью Keras в Jupyter Notebook Частичное резюме.
Искусственные нейронные сети
Большинство реальных проблем не являются линейно разделимыми. Для..
Блокнот для глубокого обучения
Некоторые заметки об архитектуре нейронных сетей…
1- Персептроны (нейронная сеть с прямой связью)
Первое поколение нейронных сетей Вычислительные модели одиночного нейрона Подает информацию спереди назад Обучение обычно требует обратного распространения
2- Сверточные нейронные сети (CNN)
LeNet – Распознаватель рукописных цифр – Использует обратное распространение в сети прямой связи со многими скрытыми слоями – Позднее формализовано под названием CNN
В основном..
Создание простой искусственной нейронной сети с помощью Keras в 2019 году
Если все это не имеет для вас смысла, то вы находитесь в идеальном месте для начала! Мы собираемся пройти этот процесс шаг за шагом, и менее чем за полчаса вы создадите свой первый алгоритм глубокого обучения!
Интуиция
Во-первых, прежде чем мы фактически погрузимся в код, нам сначала нужно понять самую основную интуицию искусственных нейронных сетей. Очень важно понимать, почему мы пишем в коде то, что пишем, без необходимости погружаться во все сложные математические уравнения...
Глубокие сверточные генерирующие состязательные сети (DCGAN)
Генеративные состязательные сети (GAN), представленные Яном Гудфеллоу в 2014 году. GAN - это совершенно новый способ обучения компьютеров тому, как они решают сложные задачи посредством процесса генерации. Ян ЛеКун, один из самых выдающихся людей в мире глубокого обучения, упомянул в своем выступлении, что состязательное обучение - действительно крутая идея, самая крутая идея в машинном обучении за последние 20 лет .
Сети GAN состоят из двух компонентов .
Нейронная сеть Генератор (..
Интервью Adobe Data Science
Всего в трех основных магазинах приложений Acrobat Reader происходит до 400 000 установок в день.
Ежегодно облако Adobe Experience обрабатывает в среднем 155 триллионов транзакций . Объем данных, генерируемых только этими транзакциями, должен быть очень заманчивым предложением для Data Scientist. Adobe - широко известное имя в творческом бизнесе, но также хорошо известно во всех отраслях промышленности как изобретатель формата PDF .
В Adobe Data Scientists работают над стеком..
Прогнозирование лесных пожаров с помощью искусственной нейронной сети (часть 2)
В Части 1 я рассмотрел задачу классификации и регрессии набора данных о лесных пожарах с использованием искусственных нейронных сетей. Обе модели дали довольно плохие противоречивые результаты, несмотря на использование глубокого обучения для определения модели для данных. Я расскажу о трех возможных методах улучшения этих моделей.
Оценка характеристик и уменьшение размерности
При построении предыдущих моделей я не учитывал статистическую значимость каждого параметра. Вместо этого я..