Свързани публикации 'artificial-intelligence'
Напредък в областта на дестилацията на знания, част 2 (изкуствен интелект)
Постепенно обучение за поле на невронно излъчване с филтрирана по несигурност дестилация на знания (arXiv)
Автор: Mengqi Guo , Chen Li , Gim Hee Lee
Резюме: Съвременното представяне на полето на неврално излъчване (NeRF) постигна голям успех в задачите за синтез на нов изглед и 3D реконструкция. Те обаче страдат от катастрофалния проблем със забравянето, когато непрекъснато се учат от поточни данни, без да преразглеждат предишните данни за обучение. Това ограничение..
Приложения на трансферно обучение част 4 (машинно обучение)
Неконтролирано многозадачно и трансферно обучение върху смесени модели на Гаус (arXiv)
Автор: Ye Tian , Haolei Weng , Yang Feng
Резюме: Неконтролираното обучение се използва широко в много приложения от реалния свят. Един от най-простите и най-важни модели на обучение без надзор е моделът на сместа на Гаус (GMM). В тази работа ние изучаваме проблема с многозадачното обучение на GMM, който има за цел да използва потенциално подобни GMM параметрични структури сред задачите,..
AI и човекът зад завесата
Написано от Фернандо Лучини, европейски ръководител на ИИ в Accenture
Сигурен съм, че повечето от вас са гледали „Магьосникът от Оз“. Дороти и нейните приятели отиват в изумрудения град, за да видят магьосника от ОЗ. Магьосникът изглежда като огромна безплътна глава с избухлив нрав. Като се има предвид, че е заснет през 1939 г., няма да дойде като спойлер, че в действителност магьосникът е бил човек зад завеса, управляващ куп машини.
И така, какво общо има това с AI?
В големите..
Разбиране на важността и ограниченията на P-стойностите
Разбиране на важността и ограниченията на P-стойностите
Въведение:
В света на статистиката и научните изследвания концепцията за p-стойности има голямо значение. P-стойностите играят решаваща роля в тестването на хипотези и се използват широко за оценка на силата на доказателства срещу нулева хипотеза. Важно е обаче да разберете тяхното тълкуване и ограничения, за да избегнете потенциални погрешни тълкувания. В този блог ще навлезем в света на p-стойностите, изследвайки тяхното..
Големи съобщения от Tech Vedika!!!
Tech Vedika навърши 9 миналия месец и не можем да бъдем по-щастливи!! Благодарим на всички наши служители, клиенти и партньори, които бяха наши верни спътници в това невероятно пътуване. Изминалата година беше важна за укрепването на нашия ангажимент към иновациите и прогреса.
Миналата година направихме технологичен скок в пространството на AI/ML с нашата пета-мащабна платформа, BigAI , която помага на предприятията да управляват и разгръщат модели на машинно обучение в мащаб. BigAI е..
Как работят структурните причинно-следствени модели, част 8 (Машинно обучение)
Структурен причинно-следствен модел за MR изображения на множествена склероза (arXiv)
Автор : Джейкъб С. Райнхолд , Арън Карас , Джери Л. Принс
Резюме: Прецизната медицина включва отговаряне на съпоставителни въпроси като „Този пациент ще реагира ли по-добре на лечение А или лечение Б?“ Тези типове въпроси са причинно-следствени по природа и изискват инструментите за причинно-следствени изводи, на които трябва да се отговори, например със структурен причинно-следствен модел..
Относно A.I. Hero, Inc.
A.I. Hero е на мисия да демократизира AI — Ние силно вярваме, че хората имат невероятен потенциал да променят света с идеите си и всеки трябва да може да използва AI, за да реализира тези идеи в мащаб. Ето защо ние се фокусираме върху овластяването на експерти в областта (известни още като експерти по предмет) с инструменти и услуги за автоматизиране на задачите им, генериране на прозрения и въздействие върху техните крайни потребители.
AI Hero поставя експерти в домейна в контрола..
Нови материали
Създайте разширение за Chrome с помощта на Angular
Този урок е базиран на манифеста на разширението на chrome версия 3 (MV3), а също и на Angular версия 2+ (2, 3 и...). Ако не сте използвали манифест версия 3, можете да следвате този урок ,..
За да научите нов език за програмиране, започнете отначало
Първоначално публикувано на http://www.mberlove.com/blog/a-new-programming-language-starting-over/
Програмистите се гордеят със способността си да усвояват лесно нови умения , разчитайки..
5 Youtubers на Data Science, които трябва да следвате
Защото всички можем да се справим с малко продуктивно отлагане
Всички сме падали в заешката дупка на Youtube, така че защо да не я направим продуктивна?! Като непрекъснато нарастващ източник..
Бих казал, че точно това е проблемът с Twitter — това е инструмент на суперпотребител.
Бих казал, че точно това е проблемът с Twitter — това е инструмент на суперпотребител. По същия начин, по който суперкодерът сочи vim като единствения начин за кодиране, но останалите от нас..
Основи на Gradio
Gradio е най-ефективният метод за демонстриране на вашия модел на машинно обучение и разполага с удобен за потребителя онлайн интерфейс, който го прави достъпен от всяко място.
Какво прави..
Илюстрация (GIF) за обяснение на дълбоки конволюционни мрежи (DCNN)
В света на компютърното зрение най-основният и често срещан алгоритъм за разпознаване на изображения е конволюционната мрежа. С популярността на рамки като tensorflow и pytorch, стана по-лесно да..
Python Bootcamp — Data Science Day 165
Python Bootcamp от Giles McMullen-Klein беше абсолютно невероятно. Джайлс има този уникален начин да улови аудиторията си, като същевременно прави съдържанието на курса много интересно...