Публикации по теме 'deep-learning'
Работа с машинами жидкого состояния, часть 1 (квантовые вычисления)
Динамическое обучение машин жидкого состояния (arXiv)
Автор: Павитра Коралалаге , Педро Мачадо , Джейсон Смит , Исибор Кеннеди Ихианле , Салису Вада Яхая , Андреас Ойконому , Ахмад Лотфи .
Аннотация: Spiking Neural Networks (SNN) появились как многообещающее решение в области искусственных нейронных сетей (ANN), привлекая внимание исследователей благодаря их способности имитировать человеческий мозг и обрабатывать сложную информацию с поразительной скоростью и точностью. Это..
Мультиклассовая классификация изображений с использованием Alexnet Deep Learning Network, реализованная в Keras API
Введение
Компьютер - потрясающая машина (без сомнения), и я действительно очарован тем фактом, что компьютеры могут изучать и классифицировать изображения. Классификация изображений имеет свои преимущества и применяется по-разному, например, мы можем купить дозатор корма для домашних животных в зависимости от того, какой вид (кошка или собака) к нему приближается. Я знаю, что это странная идея, что они в конечном итоге съедят всю пищу, но система может управляться по времени и может..
10 обязательных к прочтению исследовательских работ для разработчиков глубокого обучения
Как разработчик глубокого обучения, быть в курсе последних научных работ имеет решающее значение для того, чтобы оставаться впереди в этой области. В этом сообщении блога мы составили список из 10 обязательных к прочтению исследовательских работ, которые оказали значительное влияние на разработку моделей глубокого обучения.
«Классификация ImageNet с глубокими свёрточными нейронными сетями» Алекса Крижевского, Ильи Суцкевера и Джеффри Хинтона (2012)
В этой статье представлена..
«Использование возможностей Rust для раскрытия потенциала машинного обучения: пошаговое руководство по…
Отказ от ответственности: этот пост был создан с использованием генеративного ИИ — отнеситесь к его содержанию с недоверием! 🔥💥. Начните создавать свои собственные с помощью Cohere .
TL;DR:
TL;DR Rustic Learning — это серия статей, посвященных использованию языка программирования Rust для задач машинного обучения. SmartCore и Linfa — две популярные библиотеки машинного обучения в Rust, ориентированные на интерпретируемость и совместимость моделей соответственно. Экосистема..
Прогресс в технологии защиты от спуфинга, часть 1 (искусственный интеллект)
SAMO: одноклассное многоцентровое обучение Speaker Attractor для защиты от спуфинга голоса (arXiv)
Автор: Сивэнь Дин , Ю Чжан , Чжияо Дуань .
Аннотация . Системы голосовой защиты от спуфинга являются важнейшим вспомогательным средством для систем автоматической проверки говорящего (ASV). Серьезную проблему вызывают невидимые атаки, усиленные передовыми технологиями синтеза речи. Наше предыдущее исследование одноклассового обучения улучшило способность к обобщению невидимых..
P(успех | действие) != P(действие | успех)
P(успех | действие) != P(действие | успех)
Просто подражать тому, как действуют «успешные» люди, недостаточно. Например, большинство богатых людей просыпаются в 6 утра, но это, вероятно, не делает их богатыми. Возможно, вам нужно сравнить статистику с менее успешными статьями, чтобы увидеть, какие действия выделяются. Спасибо!
Приглашаем спикеров и членов комитета по контенту ODSC Europe 2021
Мы рады объявить наш официальный Приглашение докладчиков для Виртуальной конференции ODSC Europe 2021 ! Сейчас мы принимаем предложения о переговорах, семинарах и тренингах. Вы можете подать заявку на выступление на ODSC Europe прямо сейчас!
Виртуальная конференция ODSC Europe 2021 пройдет полностью онлайн с 8 по 10 июня и соберет более 250 спикеров и более 6500 специалистов по данным, ученых и бизнес-профессионалов на более чем 130 сессиях.
Наши конференции основаны на..
Новые материалы
10 основных команд PIP, которые вы не должны знать
1) pip install ‹имя-пакета›
pip install pandas
^ эта команда указывает pip установить библиотеку pandas из индекса пакетов Python (PyPI) — в основном где-то в Интернете. Эта команда..
Упрощение управления графическими процессорами для специалистов по обработке и анализу данных с помощью Genv
Пошаговое руководство о том, как получить максимальную отдачу от ваших графических процессоров
Управление ресурсами графического процессора так же важно, как и управление средой Python,..
Объединить перекрывающиеся интервалы | Ржавчина
Напишите функцию, которая принимает массив произвольных интервалов, объединяет любые перекрывающиеся интервалы и возвращает новые интервалы в произвольном порядке.
Каждый интервал состоит из..
Рисование снежинки Коха на Java
Что такое снежинка Коха?
Возьмем отрезок единичной длины и назовем его E(1). Если мы удалим среднюю треть, заменив ее двумя другими сторонами равностороннего треугольника на основе..
Понимание стека MEAN — Часть 2: Express JS
В моем предыдущем блоге мы установили, что Node JS на самом деле является не веб-сервером, а платформой, на которой вы строите свой веб-сервер. Express JS — это настоящий модуль веб-сервера...
Усовершенствуйте свои электронные таблицы с помощью ChatGPT
Пересмотрите способ работы с электронными таблицами.
Растущее количество подключаемых модулей высветило мощь ChatGPT или других LLM.
Эти подключаемые модули позволяют интегрировать API..
Понимание наследования классов с помощью POCO
Цель: дальнейшая организация и создание более масштабируемого кода с помощью наследования классов.
В ООП наследование позволяет новым объектам приобретать свойства существующих объектов. Давайте..