Публикации по теме 'deep-learning'
Что такое дрейф данных?
Дрейф данных необходим для создания надежных систем машинного обучения.
Реальные данные не стоят на месте.
Давайте разберемся с концепцией смещения данных на примере бизнес-прецедента . Сельскохозяйственная организация направляет фермеров с помощью прогнозов погоды, помогая им планировать свою сельскохозяйственную деятельность. Теперь давайте обсудим, как дрейф данных влияет на организацию и как они преодолевают эту проблему, используя MLOps (операция машинного обучения) ...
Работа с вариационными квантовыми собственными решателями, часть 2 (квантовые вычисления)
Схема цифро-аналогового вариационного квантового решателя собственных чисел с использованием массивов атомов Ридберга (arXiv)
Автор: Антуан Мишель , Себастьян Грихальва , Лоик Анриет , Кристоф Домен , Антуан Броуэ .
Аннотация: Мы решаем задачу оценки энергии основного состояния гамильтонианов, происходящих из химии. Мы численно изучаем поведение цифро-аналогового вариационного квантового решателя для молекул H2, LiH и BeH2, и мы видим, что можно оценить энергию с точностью до..
Как развиваются технологии диффузионной модели, часть 2 (машинное обучение)
DiffFashion: дизайн одежды на основе эталонов с переносом с учетом структуры с помощью диффузионных моделей (arXiv)
Автор: Шидун Цао , Вэньхао Чай , Шэнъюй Хао , Яньтин Чжан , Ханьюэ Чен , Гаоан Ван .
Аннотация: Дизайн одежды на основе изображений с использованием методов искусственного интеллекта в последние годы привлекает все большее внимание. Мы фокусируемся на новой задаче дизайна одежды, где мы стремимся перенести эталонное изображение внешности на изображение одежды,..
Как работают GraphNets (машинное обучение)
Прогнозный анализ всего мозга с помощью GraphNet (arXiv)
Автор: Логан Гросеник , Брэд Клингенберг , Кифер Катович , Брайан Кнутсон , Джонатан Э. Тейлор .
Аннотация. Многомерные методы машинного обучения все чаще используются для анализа данных нейровизуализации, часто заменяя более традиционные «массовые одномерные» методы, которые подгоняют данные по одному вокселу за раз. В литературе по функциональной магнитно-резонансной томографии (фМРТ) это привело к широкому..
Новые разработки, связанные с оптимизацией Minimax, часть 3 (машинное обучение)
Негладкая композитная невыпукло-вогнутая минимаксная оптимизация (arXiv)
Автор: Цзяджин Ли , Линлинчжи Чжу , Энтони Ман-Чо Со
Аннотация . Невыпукло-вогнутая минимаксная оптимизация вызвала большой интерес в машинном обучении, включая обучение с устойчивостью к распределению данных, обучение с неразложимыми потерями, состязательное обучение и многие другие. Тем не менее, большинство существующих работ сосредоточено на вариантах градиент-спуск-подъем (GDA), которые можно..
Python для машинного обучения: подробное руководство
.
Python для машинного обучения: подробное руководство
Python — это мощный и универсальный язык, который становится все более популярным в мире машинного обучения. Это мощный инструмент для анализа данных, визуализации и прогнозной аналитики. Python — это язык, который выбирают многие специалисты по данным и машинному обучению из-за его простого в освоении синтаксиса, обширных библиотек и фреймворков.
В этом подробном руководстве мы рассмотрим основы машинного обучения с..
Упрощенная нейронная сеть с радиальной базисной функцией
Глубокое обучение
Упрощенная нейронная сеть с радиальной базисной функцией
Краткое введение в нейронную сеть радиальной базисной функции
Сети с радиальной базисной функцией (RBF) имеют принципиально иную архитектуру, чем большинство архитектур нейронных сетей. Архитектура большинства нейронных сетей состоит из множества слоев и вводит нелинейность за счет многократного применения нелинейных функций активации. С другой стороны, сеть RBF состоит только из входного слоя, одного..
