Публикации по теме 'deep-learning'
Знакомьтесь: Флорентин Гут
Эта запись является частью нашей серии блогов Meet the Fellow, в которой рассказывается о стипендиатах факультета, недавно присоединившихся к CDS.
Познакомьтесь с Флорентином Гутом , который этой осенью присоединится к CDS в качестве научного сотрудника факультета. В настоящее время Гут заканчивает работу над докторской диссертацией в Ecole Normale Supérieure в Париже под руководством Стефана Малла. В своем исследовании Гут пытается понять, как глубокому обучению удается..
Глубокое обучение: сила искусственных нейронных сетей
И. Введение
Представьте себе общество, в котором машины способны думать и учиться так же, как люди. Представьте себе мир, в котором компьютеры способны со сверхчеловеческой точностью ставить медицинские диагнозы, понимать и реагировать на человеческую речь, перемещаясь по неизведанным территориям. Благодаря экстраординарным возможностям глубокого обучения этот мир не так уж далек.
Разновидность машинного обучения, известная как глубокое обучение , недавно заполонила весь мир. Он..
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..
Новые материалы
Раскрытие возможностей машинного обучения: изучение вариантов использования и приложений
Введение. В последние годы машинное обучение и искусственный интеллект (ИИ) произвели революцию во многих отраслях и изменили наше взаимодействие с технологиями. Алгоритмы машинного обучения —..
Глубокое обучение с подкреплением в производстве в Zynga
СОБЫТИЯ РАЗГОВОРЫ
Глубокое обучение с подкреплением в производстве в Zynga
Патрик Халина и Мехди Бен Айед | TMLS2019
В новостях о глубоком обучении с подкреплением говорилось о многих..
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..
«Освоение наивного Байеса: от интуиции к реализации на Python»
Наивный Байес — Часть 1
Тема, которую предстоит осветить:
1.Введение
2. Интуиция
3. Математическая формулировка
4. Как наивный Байес обрабатывает «числовые данные»..
Настройка модели XGBoost в python
Что такое тюнинг?
Деревья с градиентным усилением (и многие другие модели) используют набор параметров для управления процессом обучения. Эти параметры обычно называются гиперпараметрами и..
Фокус.
Фокус.
Я считаю, что фокус — это одна из тех забавных вещей, которые приходят и уходят, часто сами по себе. Это переменчиво. Либо это? Когда я играю на гитаре, пишу песни, рисую или..
Создание нейронной сети с нуля на Python: пошаговое руководство
Нейронные сети — это тип алгоритма искусственного интеллекта, который имитирует работу человеческого мозга. Они способны изучать закономерности и отношения в больших объемах данных, что делает..