Публикации по теме 'deep-learning'
Глубокое обучение в здравоохранении - рентгеновские снимки (часть 5 - увеличение данных и нормализация изображения)
Это часть 5 применения глубокого обучения в области рентгеновских изображений. Здесь основное внимание будет уделено различным способам реализации увеличения данных.
Мы видели в предыдущей части - части 4 - https://towardsdatascience.com/deep-learning-in-healthcare-x-ray-imaging-part-4-the-class-imbalance-problem-364eff4d47bb , как решить Проблема несбалансированности классов . В этом разделе мы сосредоточимся на нормализации изображения и увеличении данных.
После того, как проблема..
Работа со стохастическим пулом, часть 1 (машинное обучение)
Стохастические пуловые сети (arXiv)
Автор: Марк Д. МакДоннелл , Пьер-Оливье Амблар , Найджел Г. Стокс .
Аннотация: Мы вводим и определяем концепцию стохастической сети пула (SPN) как модели сенсорных систем, в которой избыточность и две формы «шума» — сжатие с потерями и случайность — взаимодействуют удивительным образом. Наш подход к анализу SPN является теоретико-информационным. Мы определяем SPN как сеть с несколькими узлами, каждый из которых производит зашумленные и сжатые..
Различные варианты использования рекуррентных нейронных сетей, часть 1 (машинное обучение)
Сравнение рекуррентных нейронных сетей и классических подходов к машинному обучению в спектроскопии лазерного пробоя (arXiv)
Автор: Фатемех Резаи , Пурия Халилиян , Мохсен Резаи , Парвин Карими , Бехнам Ашрафхани .
Аннотация: рекуррентные нейронные сети — это классы искусственных нейронных сетей, которые устанавливают связи между различными узлами, формируя ориентированный или неориентированный граф для временного динамического анализа. В этом исследовании метод спектроскопии..
Использование двухуровневой оптимизации, часть 5 (машинное обучение)
Двухуровневая структура оптимизации для совместной маршрутизации UAV-UGV с ограниченным запасом топлива: планирование и экспериментальная проверка (arXiv)
Автор: Мд Сафван Мондал , Субраманиан Рамасами , Пранав Бхунсуле .
Аннотация: Быстро движущиеся беспилотные летательные аппараты (БПЛА) хорошо подходят для воздушного наблюдения, но их емкость аккумулятора ограничена. Для увеличения выносливости БПЛА можно заправлять на тихоходных беспилотных наземных транспортных средствах (БНА)...
Понимание кодирования цифровых изображений
Я думаю, что важно понимать, как кодируются изображения, чтобы полностью понять глубокое обучение, применяемое к компьютерному зрению.
Кодирование цифрового изображения — это процесс преобразования визуального изображения в форму, которую компьютер может понять и использовать. Этот процесс включает в себя несколько шагов, включая выборку, квантование и кодирование. Вот более подробное объяснение процесса:
Traingenerator - Генератор кода для машинного обучения
Идеальный инструмент для старта вашего следующего проекта машинного обучения!
Traingenerator - это веб-приложение для генерации кода шаблона для машинного обучения.
Чтобы сгенерировать собственный код шаблона для PyTorch & sklearn, используя простой веб-интерфейс, созданный с помощью streamlit . traingenerator предлагает несколько вариантов предварительной обработки, настройки модели, обучения и визуализации (с использованием Tensorboard или comet.ml). Он экспортирует в .py,..
Кроссовер Langevin Dynamics и Machine Learning, часть 3
Эффект Мпембы с точки зрения среднего времени первого прохождения для передемпфированной динамики Ланжевена (arXiv)
Автор: Мэттью Р. Уокер , Мария Вучеля .
Аннотация: Эффект Мпембы возникает, когда система, приготовленная при высокой температуре, остывает быстрее, чем ее теплотемпературная копия. Получены необходимые условия для эффекта Мпембы в пределе малой диффузии одномерной передемпфированной динамики Ланжевена на двухъямном потенциале. Условия зависят от средних значений..
