Свързани публикации 'neural-networks'
Създаване на машинно обучение Auto-Shoot бот за CS:GO. част 5.
В продължение на част 4 от „„Създаване на бот за автоматично заснемане на машинно обучение за CS:GO.““ Още веднъж използвах Tensorflow Keras за обучение на мрежовите тегла, но този път за версията на CNN.
Не е елегантно, това, което си поставих за цел да постигна тук, беше да използвам повторно същия код TBVGG3 с минимална модификация за зареждане на тежести, обучени в Tensoflow Keras, използвайки Python. По същество премахнах целия код за обратно разпространение, направих някои малки..
Седмица №3 в машинното обучение
Ние покриваме повече алгоритми за контролирано обучение
Миналата седмица разгледахме някои типове класификация в ML. Тази седмица разгледах повече алгоритми, които се използват в контролирано обучение за проблеми с класификацията и регресията.
4. Наивен модел на Байес а
Използва се за големи крайни набори от данни. Метод за присвояване на етикети на клас с помощта на директна ациклична графика. Графиката се състои от родителски възел и множество възли на деца, където се..
LSTM невронна мрежа: Основната концепция
Предсказването на бъдещето някога е било предмет на спекулации и мистерия. Благодарение на човешкия напредък това се превърна в задача, ограничена само от количеството и дълбочината на данните.
И тъй като живеем в общество, което непрекъснато генерира данни с експоненциална скорост, тази задача на предвиждане става все по-достъпна.
Колкото повече се вглеждате в прогнозите, базирани на данни, терминът LSTM със сигурност ще ви обърква. Както при много технологични концепции, това е..
Какво представлява класовият дисбаланс: подробности с примери
Класовият дисбаланс е често срещан проблем при машинното обучение, особено при проблеми с класификацията. Данните за дисбаланс могат да попречат на точността на нашия модел. Появява се в много области, включително откриване на измами, филтриране на нежелана поща, скрининг на заболявания, класификация на пневмония. Дисбалансът на класовете е нормален и се очаква в типичните приложения за машинно обучение.
Визуализирайте с набор от данни за пневмония:
Вижте набора от данни тук..
Автоматични енкодери за собствена векторна проекция в TensorFlow
Напоследък си играех с „Собствени стойности и вектори, както и проекция“. (чрез точков продукт) сега исках да видя как могат да бъдат включени в невронна мрежа. (автоматични енкодери). Освен това, моля, имайте предвид, че техниките, които използвам тук, са много сходни при извършване на Анализ на основните компоненти (PCA ), но не съвсем същите. (По-конкретно, не премахвам измерението или класирам собствените стойности). Така че няма да го наричам PCA. В тази публикация ще сравня..
Обработка на естествен език в Google Cloud
Колеги, програмата Обработка на естествен език в Google Cloud включва общ преглед на архитектурите на модела на последователност и как да се справят с входове с променлива дължина. Прогнозирайте бъдещи стойности на времеви серии, класифицирайте текст в свободна форма, адресирайте времеви серии и текстови проблеми с повтарящи се невронни мрежи, избирайте между RNN/LSTM и по-прости модели и обучавайте и използвайте повторно вграждане на думи в текстови проблеми. Модули за обучение: 1)..
Перцептрон в дълбокото обучение
Какво е Perceptron и какво работи?
В този блог ще разгледаме какво е перцептрон и защо се нарича двоичен класификатор? Как работи? Внедряване. В тази публикация ще разгледаме накратко всеки от тези въпроси.
Какво е Perceptron?
Перцептронът е алгоритъм, използван за контролирано обучение на двоични класификатори. Накратко, перцептронът е еднослойна невронна мрежа. Те се състоят от четири основни части: входни стойности, тегла и отклонения, нетната сума и функция за активиране...
Нови материали
PHP — P51: Модификатори на видимост
Изглежда, че съм споменавал модификатори на видимост в повечето от предишните статии; най-накрая е време да се захванем с тях. Ще продължим оттам, където спряхме с нашите класове в предишната..
Създаване на лента за прогрес на четене в React
Лентите за напредъка на четенето, като този, който можете да намерите в моя блог в горната част на единични публикации, са хубаво малко допълнение за предоставяне на подробна информация за това..
Обучение с подсилване
Обучение с подсилване
https://www.ml-concepts.com/machine-learning-models/
Обучението с подсилване е област на машинното обучение. Става дума за предприемане на подходящи действия за..
От гледна точка на студентите
Стартиране на училище и програмата за отложено плащане
Прекарахме последните няколко месеца в усъвършенстване на „Програмата за отложено плащане“ (DPP) и се радваме, че достигаме до толкова..
Интерактивни резултати с jupyter тетрадки
От тази статия ще разберете как да създавате интерактивни резултати за вашите решения за машинно обучение на преносим компютър jupyter с помощта на ipywidgets.
Тази статия първоначално е..
Създаване на просто приложение с последователни изтегляния
Преди малко повече от година пуснах просто приложение. Току-що бях научил как да използвам Flutter, кросплатформена рамка за разработка на приложения, и исках да пусна първото си приложение,..
Гледайте и научете как да модулирате своя монолит
В началото на юни приключихме втората си сесия на Discord Live. И трябва да съобщим, че беше успешен.
Тъй като продължаваме да показваме на света колко полезни са микро интерфейсите, решихме..