Публикации по теме 'deep-learning'
Насколько важны данные в машинном обучении?
Мы видим данные повсюду вокруг нас. Есть много компаний, которые генерируют большие объемы данных, которые можно использовать для различных целей машинного обучения и искусственного интеллекта соответственно. Мы видим Amazon, Facebook или Google, которые генерируют чрезвычайно большие данные.
Каждый поиск в Google может привести к созданию большого количества данных, и, добавив к этому большую базу пользователей, мы видим, что существует огромное количество данных. Таким образом, данных,..
Работа с полями нейронного излучения, часть 3 (машинное обучение)
Основы полей нейронного излучения
NeRF: Neural Radiance Fields Мы представляем метод, который обеспечивает самые современные результаты для синтеза новых видов сложных сцен путем оптимизации… www. matthewtancik.com
MEIL-NeRF: инкрементное изучение полей нейронного излучения с эффективным использованием памяти (arXiv)
Автор: Джэён Чунг , Кангеон Ли , Сунгён Байк , Кён Му Ли
Аннотация: Опираясь на возможности..
Как работает промежуточный надзор, часть 2 (машинное обучение)
Эффективная сегментация медицинских изображений с промежуточным механизмом наблюдения (arXiv)
Автор: Ди Юань , Цзюнян Чен , Чжэнхуа Сюй , Томас Лукасевич , Чжиган Фу , Гуйчжи Сюй .
Аннотация: Поскольку путь расширения U-Net может игнорировать характеристики небольших целей, предлагается промежуточный механизм наблюдения. Исходная маска также вводится в сеть как метка для промежуточного вывода. Тем не менее, U-Net в основном занимается сегментацией, а извлеченные признаки также..
Освоение функций потерь в машинном обучении для регрессии: полное руководство по оптимизации…
Введение:
Функция потерь является важным компонентом алгоритмов машинного обучения и статистических моделей. Его роль заключается в измерении несоответствия между прогнозируемым выходом модели и фактическим выходом, что позволяет нам количественно оценить производительность модели и повысить ее точность. Различные функции потерь используются в зависимости от типа решаемой проблемы и анализируемых данных, и их необходимо тщательно выбирать, чтобы гарантировать, что они отражают конкретные..
Как нужно и НЕ изучать машинное обучение!
«Решить, чего не делать, так же важно, как решить, что делать». - Стиву Джобсу , умершему в 2011 году, сегодня исполнилось бы 64 года.
Итак, после долгого анализа и понимания, я решил написать что-нибудь стоящее о Как изучать машинное обучение и как НЕ изучать машинное обучение. . Я постараюсь сделать этот блог максимально простым и объяснить, что такое машинное обучение для новичков. Давайте сразу перейдем к содержанию!
Оглавление:
Вступление. Мотивация. Почему..
Обзор трансферного обучения без формул
Перенос обучения – научиться учиться
В последние годы трансферному обучению уделяется много внимания, поэтому я хотел немного написать об этом. На Саммите новой экономики Японии, состоявшемся в 2018 году, он упоминался вместе с Генеративно-состязательными сетями (GAN) и другими во время темы о том, за какими технологиями следует следить, в дискуссии с профессором Ютакой Мацуо из Токийского университета Йосуке Окада. из ABEJA и Коичиро Йошида из CrowdWorks. Ожидается, что в будущем..
Визуальный ответ на вопрос - подходы, основанные на внимании и слиянии
Нынешняя эпоха отмечена возобновлением интереса к различным проблемам искусственного интеллекта, охватывающим несколько дисциплин, таких как компьютерное зрение, обработка естественного языка, представление знаний. Чтобы проблема была отмечена как сложная задача искусственного интеллекта, она должна иметь следующие компоненты:
Сфера мультимодальных рассуждений , где знания предметной области из различных областей, таких как CV, NLP, могут быть интегрированы для получения лучших..
Новые материалы
Ускоренный курс по жадным алгоритмам
Дай мне, дай мне, дай мне
Аудитория
Эта статья предназначена для инженеров, достаточно хорошо разбирающихся в программировании, структурах данных и алгоритмах. Он в основном основан на..
Изучайте Java (Урок 2: Комментарии)
Как и зачем использовать комментарии в java с примерами
Введение:
Комментарии — это строки текста в программе Java, которые игнорируются компилятором и используются для добавления..
Async Await в Swift: легкое управление параллелизмом
Введение в запуск асинхронного кода
Асинхронный код выполняет несколько операций одновременно. Параллелизм необходим при выполнении тяжелых вычислений или сетевых запросов. Однако это может..
Очистить файлы Program .cache в Ubuntu 20.10
Очистите кеш за несколько простых шагов!
GNU / Linux реализовал эффективное управление хранилищем для своих пользователей. Но заметили ли вы, что в вашей системе Linux заканчивается место,..
Использование Node.js для чтения действительно больших файлов (часть 1)
В этом сообщении в блоге есть интересный источник вдохновения. На прошлой неделе кто-то на одном из моих каналов в Slack опубликовал тестовое задание, которое он получил на должность..
Введение в градиентный спуск и обратное распространение
Введение в градиентный спуск и обратное распространение
Как машинное обучение?
Машинное обучение ( ML ) - это исследование компьютерных алгоритмов, которые автоматически улучшаются по..
Шаблон CQRS — C#
Этот архитектурный шаблон в основном говорит о том, что мы можем использовать одну модель для операций чтения, а другую — для операций записи. Звучит хорошо, но реализовать его может быть..