Публикации по теме 'deep-neural-networks'
Игрушечный автономный автомобиль
В этом проекте мы
построить игрушечную машинку из автомобильного комплекта робота, купленного на Amazon. запрограммируйте плату Arduino на машине, чтобы машина двигалась «по требованию» с помощью глубокой нейронной сети. обучить глубокую нейронную сеть распознавать дорожные знаки США построить конвейер обработки изображений, который:
захватывает кадры из потока камеры предварительно обработать его, чтобы изолировать интересующую область применить предсказание DNN к рентабельности..
Количественная оценка точности и достоверности прогнозов SoftMax для создания безопасных и надежных глубоких нейронных…
Методы глубокого обучения, такие как сверточные нейронные сети и рекуррентные нейронные сети, достигли высочайшего уровня производительности при решении широкого круга задач машинного обучения и становятся все более популярными.
Сегодня алгоритмы глубокого обучения могут изучать мощные представления, которые могут отображать многомерные данные в массив выходных данных. Однако эти сопоставления часто принимаются вслепую и считаются точными, что не всегда так.
Когда классификаторы..
Введение и реализация CNN в TensorFlow
Вступление:
Сверточные нейронные сети - это глубокие нейронные сети, которые обычно разрабатывались для обработки наборов данных изображений. Когда мы имеем дело с пикселями, обобщение становится чрезвычайно трудным, если мы передаем все пиксели напрямую в полностью подключенную сеть после выравнивания. Представьте, что если у нас есть набор данных с изображениями, каждое размером (360 * 360) в R.G.B, то у нас будет 388800 пикселей (входной вектор) одного изображения для подачи на..
Объяснение вероятности дискретной логистической смеси
Вероятность дискретной логистической смеси используется в PixelCNN ++ и WaveNet для прогнозирования дискретных значений. Логистика здесь - из логистической дистрибуции, используемой в статьях. Другие распределения, такие как нормальные распределения, также широко используются в смешанных распределениях.
Почему прогнозировать распределения, а не фактические значения?
В PixcelCNN Plus целью является создание изображений и, следовательно, прогнозирование значений пикселей в диапазоне [0,..
Почему стоит использовать мультимодальную биометрическую верификацию для систем безопасности
Глубокие нейронные сети, TensorFlow, OpenCV, Librosa
Применение методов машинного обучения к решениям биометрической безопасности - одна из современных тенденций в области искусственного интеллекта . В этой статье будет рассмотрена разработка мультимодальной биометрической системы распознавания и подробно рассмотрено, почему одномодальная биометрическая идентификация не является надежной моделью.
На базовом уровне большинство биометрических данных можно разделить на две категории:..
Мысли об интерпретируемости в глубоких нейронных сетях
Традиционные программы и механизмы, основанные на правилах, имеют определенный набор инструкций и деревьев решений, которые работают с входными данными для определения выходных данных. Есть определенные области, где у нас есть богатая интерпретация входных данных, определяющих результат. Но мы не можем позволить себе роскошь постоянно выявлять корреляцию между входными и выходными данными — например: — глядя на МРТ-сканирование, чтобы определить, есть ли у пациента или может ли он заболеть..
Куча советов и приемов для обучения глубоких нейронных сетей
Куча советов и приемов для обучения глубоких нейронных сетей
Обучение глубоких нейронных сетей затруднено. Для правильного обучения и получения оптимальной модели требуются знания и опыт. В этом посте я хотел бы поделиться тем, что я узнал при обучении глубоких нейронных сетей. Следующие ниже советы и приемы могут быть полезны для вашего исследования и могут помочь вам ускорить сетевую архитектуру или поиск параметров.
А теперь давайте перейдем к делу ...
1). Прежде чем вы..