Публикации по теме 'deep-learning'


Это и ежу понятно! Глубокое обучение для МРТ-изображений мозга
Авторы Атли Коссон и Хенрик Марклунд Находить кошек и собак на картинках с помощью глубокого обучения очень просто! Обнаружить опухоли и поражения в головном мозге с помощью глубокого обучения сложнее, но мы приближаемся к этому. При планировании лечения и отслеживании прогрессирования различных заболеваний головного мозга важно точно определить пораженные участки. Рассмотрим случай опухолей головного мозга. Решая, проводить операцию или нет, очень важно точно знать, где..
График моделей и функций
В основе всех продуктов для обнаружения аномальных явлений лежит сложная сеть моделей прогнозирования. Чтобы любая из этих моделей функционировала, нам нужны глубокие и продуманные функции, тщательное моделирование подзадач и возможность объединять данные из набора баз данных. Например, один из обнаруженных нами типов атак на электронную почту называется компрометацией деловой электронной почты (BEC). Распространенной атакой BEC является «выдача себя за VIP-персону», при которой..
В поисках автоэнкодера: одиссея машинного обучения, часть 1
«Поиск успешного формата для сжатия информации о некоторой часто встречающейся области эквивалентен поиску устойчивых тем, структуры или закономерностей, характерных для этой области». Так писал Пол Черчленд в своей основополагающей работе 2007 года Камера Платона о многоуровневых автоассоциативных сетях, за много лет до нынешнего повального увлечения глубоким обучением. Фактически, нейронные сети составляют значительную часть книги, которая якобы посвящена тому, как..
LDA2vec: вложения слов в тематические модели
Узнайте больше о LDA2vec, модели, которая изучает плотные векторы слов вместе с распределенными по Дирихле скрытыми смесями тематических векторов на уровне документа. В этом сообщении блога вы познакомитесь с lda2vec, тематической моделью, опубликованной Крисом Муди в 2016 году . lda2vec расширяет модель word2vec, описанную Mikolov et al. в 2013 , с векторами тем и документов и объединяет идеи как встраивания слов, так и моделей тем. Общая цель тематической модели - создать..
Сегментация изображений с помощью fastai
Узнайте, как раскрасить каждый пиксель изображения с помощью U-net Вступление Сегментация изображения - это приложение компьютерного зрения, в котором мы кодируем каждый пиксель изображения цветом. Затем каждый пиксель представляет определенный объект на этом изображении. Если вы посмотрите на изображения выше, каждая улица имеет фиолетовый код, каждое здание - оранжевое, каждое дерево - зеленое и так далее. Почему мы это делаем и чем это отличается от обнаружения объектов?..
Предварительная обработка данных для моделей машинного обучения
«Обнаружение больше не ограничивается сбором и обработкой данных, а скорее управлением, анализом и визуализацией». - Дамиан Мингл Перед построением модели машинного обучения данные необходимо предварительно обработать. Почему, потому что мы получаем необработанные данные из реального мира, где могут возникнуть некоторые проблемы с использованием необработанных данных, таких как отсутствующие значения, смешанные категориальные и числовые значения, подобные этому. Есть несколько..
Профилирование Pandas для ускорения исследовательского анализа данных
Приветствую всех читателей! Исследовательский анализ данных (EDA) действительно является первым и одним из самых важных шагов для всех специалистов по данным. Без EDA модель сложно представить. Во-первых, я хотел бы одной строкой рассказать о том, что такое EDA. EDA дает нам больше информации о данных, таких как пропущенные значения, дубликаты, количество, среднее значение, медиана, квантили, распределение данных, корреляция переменных друг с другом, тип и т. Д. Что ж, у нас уже есть..