Свързани публикации 'deep-learning'


Популярни набори от данни за компютърно зрение — Мода
Модата е силно визуална тема и е популярна тема в компютърното зрение през последните години за разработване на модели за разбиране на продукти в изображението и извличане на богати метаданни от него. В тази публикация ще представим няколко популярни набора от данни с модна тема. Мода-МНИСТ Fashion-MNIST е набор от данни, състоящ се от 28 × 28 изображения в сива скала на 70 000 модни продукта от 10 категории, със 7 000 изображения на категория. Наборът за обучение има 60 000..
Задълбочено обучение от нулата в C++: Тензорно програмиране
Нека се забавляваме, като научим как да използваме API на Eigen Tensor. Тензорите са основният начин за представяне на данни в алгоритми за дълбоко обучение. Те се използват широко за реализиране на входове, изходи, параметри и вътрешни състояния по време на изпълнение на алгоритъма. В тази история ще научим как да използваме API на Eigen Tensor, за да разработим нашите C++ алгоритми. По-конкретно, ще говорим за: Какво представляват тензорите Как да дефинираме тензори в C++ Как..
ИНИЦИАЛИЗАЦИЯ НА ТЕГЛАТА В НЕВРОННАТА МРЕЖА:
Работата с невронни мрежи може да ви е запознала с идеята за теглата, използвани в невронните мрежи, как те се избират и инициализират за слоеве и какво има под скрития слой. Нека го изследваме математически и теоретично, за да разберем по-добре процеса, тъй като сме наясно, че тези тегла са от решаващо значение за намаляване на нашата функция на загуба. Теглата не се задават след инициализация в повечето случаи на обучение на невронни мрежи. Вместо това, за да се подобри..
Демистифициране на изкуствения интелект: Отприщване на силата на науката за данните
Въведение: Изкуственият интелект (AI) вече не е само тема за научнофантастични книги или футуристични телевизионни предавания. Бързо развиваща се област на науката за данни прекроява индустриите, подобрява ежедневния живот и разширява обхвата на възможното. В тази публикация в блога ще тръгнем на вълнуващо пътуване, за да демистифицираме изкуствения интелект (AI), да разгледаме основните му елементи и да разберем практическите му приложения. Какво е изкуствен интелект?..
Какво представляват мулти-хиперграфите?
Изчисляване със загуба на информация със странична информация чрез мулти-хиперграфи ( arXiv ) Автор: Deheng Yuan , Tao Guo , Bo Bai , Wei Han Резюме: Ние разглеждаме проблем с кодирането за изчисления, при който декодерът желае да оцени функция на своето локално съобщение и съобщението източник в енкодера в рамките на дадено изкривяване. Ние показваме, че функцията скорост-изкривяване може да се характеризира чрез характерен мулти-хиперграф, който опростява оценката на..
Актуализации на Naive Bayes Classifier 2023 част 1 (Машинно обучение)
Разглеждане на процеса на генериране на съпоставителни факти като източник на знания — Приложение към класификатора Naive Bayes (arXiv) Автор: Венсан Лемер , Нейтън Льо Будек , Франсоаз Фесан , Виктор Гийомар Резюме: Сега има много алгоритми за разбиране за разбиране на решенията на алгоритъм за машинно обучение. Сред тях са тези, базирани на генериране на съпоставителни примери. Тази статия предлага да се разглежда този процес на генериране като източник за създаване на..
Как работи Label Shift в Machine Learning part1
Нормализирането е всичко, от което се нуждаете: Разбиране на нормализираното по слоеве обединено обучение при екстремно изместване на етикети (arXiv) Автор : Guojun Zhang , Mahdi Beitollahi , Alex Bie , Xi Chen Резюме: Нормализацията на слоя (LN) е широко разпространена техника за дълбоко обучение, особено в ерата на фундаменталните модели. Наскоро беше доказано, че LN е изненадващо ефективен при обединено обучение (FL) с не-i.i.d. данни. Защо и как точно работи обаче остава..