Свързани публикации 'deep-learning'
Ресурси за машинно обучение
Ресурси от юли
Какво пропуснахте през юли като инженер по машинно обучение...
От общността 🙌
1.Skytowner Със SkyTowner вие кодирате 80% и четете 20% С висококачествените малки материали на SkyTowner и рационализирано изживяване при търсене, ще се справите с проблемите си и ще отделите повече време за изграждане на вашето приложение.
https://skytowner.com/ \
2. Училище за ML от край до край
Научете нови инструменти за машинно обучение, като създавате решения на..
Работа с проследяване на знания част 5 (Анализ на данни)
Подобряване на интерпретируемостта на дълбоко последователни модели за проследяване на знания с ориентирани към въпроси когнитивни представяния (arXiv)
Автор: Jiahao Chen , Zitao Liu , Shuyan Huang , Qiongqiong Liu , Weiqi Luo
Резюме: Проследяването на знания (КТ) е решаваща техника за прогнозиране на бъдещото представяне на учениците чрез наблюдение на техните исторически процеси на обучение. Благодарение на мощната способност за представяне на дълбоките невронни мрежи, беше..
Моят опит с програмата Udacity Machine Learning Foundation Nanodegree
Заден план:
Когато влязох в колежа, нямах нулев опит в програмирането и го казвам буквално. НУЛА! Бях научен на основно програмиране и алгоритми в продължение на две години, но не успях да се насладя много, защото разбирах само теоретично нещата, без да ги прилагам в реалния живот. Започнах да търся различни онлайн курсове и проекти, но не много от тях бяха наистина ангажиращи, така че в крайна сметка сменях интересите си доста пъти. Опитах се да науча роботика, уеб разработка,..
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,..
Разделяне на хиперравнини за класификация
ТЕОРИЯ ЗА МАШИННОТО ОБУЧЕНИЕ
Разделяне на хиперравнини за класификация
Произходът на Deep Learning и Support Vector Machines
Процедурата за разделяне на хиперравнини изгражда линейни граници на решения, които изрично се опитват да разделят данните в различни класове възможно най-добре. С тях ще дефинираме класификатора на опорния вектор.
Понякога LDA и логистичната регресия, обяснена в предишната публикация , правят грешки, които могат да бъдат избегнати, това може да бъде..
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..
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...