Публикации по теме 'deep-learning'
Работа с расстояниями Вассерштейна в глубоком обучении, часть 4 (машинное обучение)
Надежная оценка на расстоянии Вассерштейна (arXiv)
Автор: Слоан Нитерт , Рэйчел Каммингс , Зив Голдфельд .
Аннотация: Мы изучаем проблему оценки робастного распределения с помощью метрики Вассерштейна, популярной меры расхождения между вероятностными распределениями, основанной на теории оптимального транспорта (ОТ). Мы вводим новое устойчивое к выбросам расстояние Вассерштейна Wεp, которое позволяет исключить массу выбросов ε из ее входных распределений, и показываем, что оценка..
Алгоритм стекирования машинного обучения для конкурса Mercedes-Benz Greener Manufacturing Competition
Стекинг - это способ объединить множественную классификацию или регрессионную модель. Есть много способов ансамбля моделей. Среди наиболее широко известных - это мешковина или бустинг. Пакетирование позволяет усреднить несколько похожих моделей с высокой дисперсией для уменьшения дисперсии. Boosting строит несколько инкрементных моделей для уменьшения смещения, сохраняя при этом малую дисперсию.
Стекинг - это метод ансамблевого обучения, позволяющий комбинировать несколько моделей..
Простое руководство по большинству моделей обработки естественного языка - Ледниковый период до LSTM -…
Краткое изложение происхождения, вариантов использования и преимуществ / недостатков языковых моделей до LSTM: (R) NNLM, GloVe, Word2Vec и fastText.
Когда я узнал больше об обработке естественного языка (NLP), я понял, что информация о последних моделях была особенно разрозненной и труднодоступной. Я надеюсь собрать в одном месте общий обзор происхождения, вариантов использования и преимуществ / недостатков каждой из различных основных моделей. В этом посте я резюмирую четыре первые..
Использование машинного обучения для прогнозирования спроса на товары в будущем!
Разве для магазина не было бы лучше заранее знать, сколько товаров им понадобится, чтобы обеспечить количество продаж в будущем ?! Да, это будет лучше всего. , конечно. Представьте себе, каждый магазин уже знает приблизительное количество каждого предмета, который они собираются продать в следующие несколько месяцев! Но как они об этом узнают? - с предсказательной силой машинного обучения .
В этом блоге рассказывается о том, как я решил реальную проблему, представленную Kaggle..
Работа с концепцией Dense Mapping part1(Computer Vision)
SimpleMapping: визуально-инерционное плотное картографирование в реальном времени с глубоким мультипросмотром стерео (arXiv)
Автор: Инъе Синь , Синсин Цзо , Дунъюэ Лу , Стефан Лойтенеггер .
Аннотация: Мы представляем метод визуально-инерционного плотного картирования в реальном времени, способный выполнять пошаговую реконструкцию трехмерной сетки с высоким качеством, используя только последовательные монокулярные изображения и показания инерциального измерительного устройства..
Классификация рукописных цифр
Часть 2 — Введение в глубокое обучение
Введение в глубокое обучение · Репозиторий кода · Часть 1 — Что такое нейронные сети? · Часть 3 — Лучшее обучение нейронных сетей (скоро) · Часть 4. Методы регуляризации (скоро)
Предисловие
На эту статью сильно повлияла Нейронные сети и глубокое обучение Майкла Нильсена. Это фантастическая книга, которая стала…
Как развернуть модели машинного обучения? Сквозной проект по идентификации пород собак!
Самый простой способ развернуть модель машинного обучения в Интернете.
И. Введение
В этой статье я расскажу о пошаговом руководстве о самом простом и быстром способе развертывания вашего проекта машинного обучения в Интернете с помощью Streamlit. Проект посвящен идентификации породы собак, которая классифицирует собаку из 120 типов пород. Я больше сосредоточусь на части проекта, связанной с развертыванием, а не на построении сложной модели машинного обучения.
Прежде чем продолжить..
