Публикации по теме 'deep-learning'
Fast.ai Deep Learning Часть 1 — Урок 6 Мои личные заметки.
Вывод: после этого курса вы должны понимать, как работает рекуррентная нейронная сеть (RNN). Это важная часть развития естественного языка.
Код
Видео
Сначала давайте начнем с классного трюка с Python. Напишите @property сверху метода, и вы сможете вызывать его без скобок.
@property
def test():
return "Hello"
print(test)
OUTPUT: Hello
Чтобы построить наши данные, нам часто нужно уменьшить размерность. Одним из наиболее распространенных методов..
Распознавание человеческой деятельности: эффективная реализация обучения малым данным
Распознавание человеческой деятельности: эффективная реализация обучения малым данным
Можно ли избавиться от проклятия больших наборов данных в приложениях Deep Learning? Нужно ли собирать миллионы примеров для обучения нейронной сети под конкретную задачу? Мы засучили рукава и отправились на поиски ответов на этот извечный вопрос. Мы создали настраиваемый конвейер глубокого обучения для решения проблемы распознавания человеческой деятельности в автономных системах. К концу..
Обзор: MNC - многозадачный сетевой каскад, победитель в 2015 году сегментации COCO (сегментация экземпляров)
Три этапа: дифференциация экземпляров, оценка масок и категоризация объектов.
На этот раз мы кратко рассмотрим MNC (многозадачный сетевой каскад) от Microsoft Research . Модель состоит из трех сетей, соответственно различающих экземпляров , оценивающих масок и категоризации объектов . Эти сети образуют каскадную структуру и спроектированы так, чтобы разделять их сверточные функции.
Компания MNC заняла 1-е место в конкурсе на сегментирование COCO в 2015 году . И он опубликован..
Машинное обучение - алгоритм
В предыдущей статье мы рассмотрели основы машинного обучения. В этой статье мы углубимся в более традиционные алгоритмы машинного обучения, включая регрессию, классификацию, ядра, гауссовский процесс, байесовскую линейную регрессию, SVM, кластеризацию и дерево решений. Также рассматриваются другие темы, включая функции стоимости, регуляризацию, MLE, MAP, аппроксимацию Лапласа и ограниченную машину Больцмана. Мы быстро пройдем через некоторые глубокие сети, такие как LSTM. Кроме..
Классификация изображений с использованием глубокого обучения — Обнаружение ВСЕХ (острый лимфобластный лейкоз)
1. Введение
В этой статье мы собираемся обсудить классификацию изображений с использованием глубокого обучения. В этой статье мы обсудим классификацию изображений с использованием модели глубокого обучения под названием Convolutional Neural Network (CNN). Прежде чем мы перейдем к коду CNN, я хотел бы уделить время объяснению архитектуры CNN. Этот проект делается в рамках последнего года.
2. Архитектура
Обычные нейронные сети (NN) не могут работать с изображениями. Просто..
Искусственный интеллект, машинное обучение и глубокое обучение: в чем разница
В 2020 году люди будут получать выгоду от искусственного интеллекта каждый день: системы рекомендаций по музыке, карты Google, Uber и многие другие приложения работают на базе искусственного интеллекта. Однако путаница между терминами искусственный интеллект, машинное обучение и глубокое обучение сохраняется. Один из популярных поисковых запросов Google звучит так: «Искусственный интеллект и машинное обучение - это одно и то же?».
Давайте проясним ситуацию: искусственный интеллект..
Понимание методов регуляризации в ML и DL
Понимание методов регуляризации
Понимание методов регуляризации в ML и DL
Простой, но исчерпывающий обзор методов, которые сокращают время вычислений и человеко-часы, затрачиваемые на обучение моделей машинного обучения и машинного обучения.
Обзор:
Теперь, когда отрасли начинают воспринимать «искусственный интеллект» как важную часть прогнозирования успеха своей компании, методы машинного обучения и глубокого обучения начинают появляться в списках профилей компаний. Но часто..