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
Разработка проекта Ballerina с помощью инструмента Ballerina CLI
Обратите внимание, этот блог был написан для серии Ballerina 1.x. Вы можете узнать о последних командах на официальной странице Ballerina.
Ballerina - это последний выпуск языка..
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 ...
Что такое A11y (и почему вы должны его использовать)
Возможно, вы слышали об атрибутах W3C или ARIA, но что они на самом деле означают?
Доступность определяется как процесс разработки продуктов, устройств и сред, которые могут использовать люди..
День 76/100 Книга
День 76/100 Книга
Обучение — это непрерывный процесс с ресурсами, широко используемыми людьми, которые признают сложный путь достижения успешной цели. Хотя поначалу это может показаться..
Gmail Smart Compose: умный способ написать электронное письмо
Gmail означает почту Google, это бесплатная служба электронной почты, предоставляемая Google по всему миру. Google официально запустил Gmail в 2004 году, и в настоящее время этой услугой..
API следующего поколения: gRPC n Javascript
gRPC - быстро развивающаяся технология, которая потенциально может заменить протокол HTTP. Это быстрее, чем традиционные HTTP-вызовы, потому что он отправляет данные в двоичном формате, а не в..
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..