Публикации по теме 'neural-networks'
Почему сверточные нейронные сети работают?
Статьи из этой серии:
Часть 1/3 — Почему сверточные нейронные сети работают? Часть 2/3 — Как работают сверточные нейронные сети? Часть 3/3 — Как программировать сверточные нейронные сети
Сверточные нейронные сети (CNN) произвели революцию в области компьютерного зрения и стали популярным методом для многих задач обработки изображений и видео. От обнаружения объектов до классификации изображений CNN показали себя как мощный инструмент для понимания и анализа визуальных..
Что такое остаточное соединение?
Техника обучения очень глубоких нейронных сетей
Одна из дилемм обучения нейронных сетей заключается в том, что нам обычно нужны более глубокие нейронные сети для большей точности и производительности. Однако чем глубже сеть, тем труднее сходится обучение. В этой статье мы поговорим об остаточном соединении (также известном как пропущенное соединение), которое представляет собой простой, но очень эффективный метод, облегчающий обучение глубоких нейронных сетей. Он широко применяется в..
Градиентный спуск …… Как обучаются нейронные сети
В этой статье мы разберемся с градиентным спуском в нейронной сети. Мы рассмотрим основы и то, как это работает. Итак, давайте сначала разберемся с этим.
Градиентный спуск - это алгоритм оптимизации, используемый для минимизации некоторой функции путем итеративного движения в направлении наискорейшего спуска, определяемого отрицательным значением градиента. В машинном обучении мы используем градиентный спуск для обновления параметров нашей модели. Параметры относятся к..
Глубокое обучение и почвоведение - Часть 1
Спектроскопия почвы для прогнозирования свойств почвы
Это первая статья из серии, которую я посвящаю использованию глубокого обучения в почвоведении. Моя мотивация - показать, что глубокое обучение полезно не только для классификации фотографий кошек и собак или настроений. Не то чтобы с кошками и собаками что-то не так, но уже есть миллионы примеров этого ...
Это продолжающаяся серия, и на данный момент она также включает:
Глубокое обучение и почвоведение...
Построение графика функции персептрона с помощью Python
Построение графика функции персептрона с помощью Python
Я обновил свою реализацию Персептрон с помощью функции построения графиков, которая позволяет визуализировать корректировки вектора веса Персептрона по эпохам.
Исходный код можно найти по адресу https://github.com/ThorstenSuckow/pylabs .
Использование
Создайте входные данные и связанные выходные значения. В качестве примера ниже представлена логическая функция И:
import numpy as np
from Perceptron import..
Раскрытие магии глубокого обучения: путешествие новичка в мир нейронных сетей
Всем привет! Если вы читаете это, скорее всего, вам интересно узнать о глубоком обучении и о том, что оно может сделать. Глубокое обучение — это подмножество машинного обучения, в котором используются алгоритмы, вдохновленные структурой и функциями человеческого мозга, также известные как искусственные нейронные сети. Проще говоря, глубокое обучение позволяет машинам учиться на больших объемах данных и делать прогнозы или решения на основе этого обучения.
Глубокое обучение меняет наш..
GAN: понимание технологии, лежащей в основе творческих способностей ИИ
Генеративно-состязательные сети, или GAN, представляют собой тип технологии искусственного интеллекта, которая способна генерировать изображения, видео и аудио, которые являются устрашающе реалистичными. Сети GAN добились значительных успехов в области искусственного интеллекта, позволив машинам создавать контент, который по стилю и качеству очень похож на творения, созданные человеком.
Понимание GAN
GAN — это модель машинного обучения, состоящая из двух нейронных сетей: генератора и..
Новые материалы
Преимущества списков пользователей языка программирования Java?
Java — «Еще один виртуальный ускоритель» появился несколько лет назад. Джеймс Гослинг был первым человеком, создавшим Java в 2008 году. Позже он был спроектирован и разработан Sun Microsystems...
IBM Watson Assistant фокусируется на улучшении обнаружения нерелевантности в новых выпусках
IBM Watson Assistant фокусируется на улучшении обнаружения нерелевантности в новых выпусках
… И на нескольких языках
Введение
В IBM Watson Assistant Dialog Skills можно использовать,..
JSON-методы
Метод 𝗝𝗦𝗢𝗡.𝘀𝘁𝗿𝗶𝗻𝗴𝗶𝗳𝘆() преобразует любой объект или значение javascript в строку JSON.
Обычно мы используем синтаксис 𝗝𝗦𝗢𝗡.𝘀𝘁𝗿𝗶𝗻𝗴𝗳𝘆(𝘃𝗮𝗹𝘂𝗲), однако этот метод принимает 𝟯 𝗽𝗮𝗿𝗮𝗺𝗲𝘁𝗲 𝗿𝘀 (𝟮 𝗼𝗽𝘁𝗶𝗼𝗻𝗮𝗹)..
Немного об операторах распространения, конструкторах и подобных массивам
Поэтому я задал этот вопрос в своей команде. Что будет на выходе такого кода?
Довольно хорошо, правда? Если вы хотите проверить кого-то, насколько хорошо человек разбирается в спреде, и..
Шаблон проектирования фасада — 3-минутная серия
Обеспечить легкий вход для вашего клиента.
_00 / Концепция
Цель состоит в том, чтобы предоставить конечным пользователям простой интерфейс. Как вашим пользователям, им не нужно знать,..
Забыл пароль Jenkins Обходной путь (август 2023 г.) Windows 11
Найдите config.xml в
%ProgramData%\Jenkins\jenkins\
в config.xml это должно выглядеть примерно так:
<?xml version='1.1' encoding='UTF-8'?>
<hudson>..
Итоги встречи Kubeflow и MLOps — ноябрь 2021 г.
На прошлой неделе мы провели третью встречу Наука о данных, машинное обучение и Kubeflow . Отдельное спасибо нашему спикеру Noelle Silver . В этом сообщении блога мы подведем итоги встречи..