Публикации по теме 'neural-network-algorithm'


ОФТАЛЬМОСКОПИЯ С ИСПОЛЬЗОВАНИЕМ PYTHON
Я изучил ряд методов сегментации изображения и маркировки связанных компонентов, то есть процесса разделения изображения на небольшие фрагменты (называемые «компонентами»), которые не содержат других компонентов. Этот процесс можно использовать для анализа изображения в целом, что имеет значение в таких областях, как оптическое распознавание символов. Популярный метод сегментации называется «размытие по Гауссу». Этот алгоритм работает путем попиксельного сглаживания изображений до тех..
Что такое нейронные сети и как они работают?
В машинном обучении алгоритм хорош настолько, насколько хороши данные, на которых он обучался. Обучение на собственном опыте — это своего рода смысл машинного обучения. Без машинного обучения мы бы вручную программировали множество условий «если» и «если-иначе», чтобы компьютер понял, является ли объект автомобилем или человеком. А градиентный спуск — один из самых популярных инструментов, используемых в машинном обучении. Но чтобы понять градиентный спуск, давайте разберемся, как..
Перенос обучения для повышения точности классификации изображений в CNN с использованием различных предварительно обученных…
В этой статье я хочу использовать трансферное обучение и сравнить три лучшие предварительно обученные модели для повышения точности классификации изображений: VGG-16, RESNET-50 и EfficientNet-B7. Вы можете перейти на веб-сайт Keras в разделе Приложение , чтобы узнать больше об этих моделях, и по этой ссылке GitHub для получения полного кода. Но прежде всего, что такое трансферное обучение и предварительно обученная модель? Проще говоря, трансферное обучение — это..
Как я создал платформу для прогнозирования рака прямой кишки с помощью глубокого обучения
Глубокое обучение Как я построил классификатор тканей колоректального рака с помощью глубокого обучения Я верю, что искусственный интеллект может спасти человечество. Какая ирония в том, что, как это изображает любая научная фантастика, любой продвинутый ИИ внезапно придет к мысли, что истребление человеческой расы - это решение для мира во всем мире. Фэнтези Скайнет далек от того, чтобы случиться… по крайней мере, на данный момент. Помимо шуток, вместо того, чтобы..
Нейронная сеть: все основы
Теперь я это понимаю, и вы тоже должны - !!! Нейронные сети: Нейронные сети - это набор алгоритмов, смоделированных по образцу человеческого мозга, которые предназначены для распознавания закономерностей. Они интерпретируют сенсорные данные посредством своего рода машинного восприятия, маркировки или кластеризации необработанных входных данных. Они распознают числовые шаблоны, содержащиеся в векторах, в которые должны быть переведены все данные реального мира, будь то изображения, звук,..
Нормализация против стандартизации
При решении задачи классификации изображений или построении модели прогнозирования изображений в нейронных сетях вам необходимо снизить значение отдельных пикселей изображения от 0 до 1 (или интенсивность/яркость пикселя). Значения уменьшены до значений от 0 до 1, чтобы наш алгоритм оптимизации, такой как «Градиентный спуск», мог работать намного быстрее, и, таким образом, модель могла обучаться намного быстрее, увеличивая общую скорость. Это можно сделать с помощью таких методов, как..
Глава 2.3 : [Глубокое обучение 101] Нейронная сеть с прямой связью и обратное распространение
Теперь мы знаем об основах нейронной сети, у нее есть входной слой, некоторый скрытый слой, выходной слой, смещения, веса, функция активации и т. д. Но есть эти две методологии: нейронная сеть с прямой связью и обратная связь. Распространение, оба они дополняют друг друга для обучения нейронной сети. Нейронная сеть прямой связи Проще говоря, Нейронная сеть с прямой связью — это семейство нейронных сетей, в которых информация течет в прямом направлении и где соединения между..