Публикации по теме 'neural-networks'
Алгоритмы, которые необходимо знать в машинном обучении
Алгоритмы, которые необходимо знать в машинном обучении
Обучающие алгоритмы машинного обучения, такие как нейронные сети, байесовский вывод и вероятностный вывод
Написано Mr. Винай Гупта
Модель машинного обучения — это набор правил и предпочтений, которые применяются к набору данных, чтобы позволить компьютерам делать прогнозы. Сбор данных, их очистка и обучение модели с использованием все более сложных алгоритмов и/или дополнительных наборов данных — все это часть..
Что такое параметрический ReLU ?
Что такое параметрический ReLU?
Выпрямленная линейная единица (ReLU) — это функция активации в нейронных сетях. Это популярный выбор среди разработчиков и исследователей, потому что он решает проблему исчезающего градиента. Проблема с ReLU заключается в том, что он возвращает ноль для любого отрицательного входного значения. Итак, если нейрон подает отрицательный ввод, он застревает и всегда выводит ноль. Такой нейрон считается мертвым. Следовательно, использование ReLU может..
Чтобы лучше понять, как работает глубокое обучение, давайте рассмотрим простой пример, в котором используется Keras, библиотека глубокого обучения, работающая на TensorFlow. Представьте, что вы агент по недвижимости и вам нужно предсказать стоимость недв
Это эссе, написанное нашим соучредителем и техническим директором здесь, в Biz-Tech Analytics , во время учебы в колледже. Мы верим, что многое из того, о чем он говорит, остается в силе. Интересное чтение для всех, кто интересуется пересечением ИИ и эволюции человека.
13,8 миллиарда лет назад произошел Большой Взрыв. С тех пор и до сих пор произошло много вещей, которые сформировали наш вид. Во время Большого взрыва большие камни, плавающие в космосе, распространяли..
Создайте свою собственную нейронную сеть с нуля с помощью Python
Понимание основ нейронной сети
Существует множество библиотек Python для создания и обучения нейронных сетей, таких как Tensorflow и Keras. Но чтобы по-настоящему понять нейронные сети, нам нужно понять их базовую структуру и иметь возможность создавать и обучать собственную сеть.
Нейронные сети могут гораздо лучше изучать данные по сравнению с обычными алгоритмами машинного обучения. На самом деле алгоритм нейронной сети можно интерпретировать как набор линейных регрессий , где..
Прогнозирование производства энергии ветра во Франции с помощью машинного обучения
Соавторы: Гокул Раджив, Джером Тан Джун Вей, Виджай Н., Шем Малериадо, Виньеш Санкар Айер
Разрушения, вызванные антропогенным изменением климата, нанесли ущерб экологии Земли и становятся реальной угрозой, особенно для тех, кто проживает в бедных общинах. Изменение климата вызвано в первую очередь увеличением выбросов парниковых газов в результате промышленной деятельности. Выбросы углерода в энергетике вносят огромный вклад. В 2018 году глобальные выбросы CO2, связанные с..
НЛП с использованием руководств по глубокому обучению : понимание функции потерь
"Обработка естественного языка"
НЛП с использованием учебников по глубокому обучению: понимание функции потерь
Эта статья является частью серии, которую я пишу, и в которой я попытаюсь затронуть тему использования глубокого обучения в НЛП. Прежде всего, я писал статью для примера классификации текста с помощью персептрона, но подумал, что будет лучше сначала рассмотреть некоторые основы, такие как функции активации и потери.
Функция потерь, также называемая целевой функцией,..
Введение в модель нейронных сетей
Что такое модели нейронных сетей?
Модели нейронных сетей, также называемые моделями искусственных нейронных сетей (ИНС), представляют собой тип модели машинного обучения, вдохновленной человеческим мозгом.
Модели нейронных сетей обычно содержат несколько слоев. Каждый слой содержит несколько узлов, которые называются нейронами. Существует три типа слоев: входной, скрытый и выходной. Входные слои принимают функции/предикторы и переходят к скрытым слоям. Выходные слои вычисляют..
