Статьи по теме deep-learning

Публикации по теме 'deep-learning'

МАШИННОЕ ОБУЧЕНИЕ КАК ПРИЛОЖЕНИЕ ЛИНЕЙНОЙ АЛГЕБРЫ

В этом блоге вы узнаете, почему специалистам по машинному обучению следует изучать линейную алгебру, чтобы улучшить свои практические навыки и способности. Прочитав этот блог, вы поймете, как линейная алгебра может применяться в машинном обучении. ЧТО ТАКОЕ ЛИНЕЙНАЯ АЛГЕБРА? Линейная алгебра — это изучение векторных пространств, прямых и плоскостей, а также отображений, которые используются для линейных преобразований. Первоначально он был формализован в 1800-х годах для поиска..

Резюме статьи: Глубокое остаточное обучение для распознавания изображений.

ResNets значительно повысил точность решения многих задач компьютерного зрения. Глубокое остаточное обучение для распознавания изображений было опубликовано в 2015 году. Проблема Добавление большего количества слоев приводит к насыщению точности модели, а затем к ее быстрому ухудшению и увеличению ошибок обучения - проблеме деградации. В связи с важностью глубины сети возник вопрос: Неужели изучить более качественные сети так же просто, как сложить больше слоев? Препятствием к..

Работа с алгоритмом Forward-Backward часть 3(искусственный интеллект)

Алгоритмы «вперед-назад» с двуаллельной моделью мутации-дрейфа: ортогональные полиномы и подход на основе модели слияния/урны (arXiv) Автор: Клаус Фогль , Сандра Пир , Линетт Кейтлин Микула . Аннотация: Вывод предельной вероятности конфигураций выборки аллелей с использованием обратных алгоритмов дает идентичные результаты с коалесцентной моделью Кингмана, моделью Морана и диффузионной моделью (с точностью до масштабирования по времени). Для вывода о вероятностях частот аллелей..

Новые разработки в вычислительной физике

Точная вспомогательная система Кона-Шама по плотности основного состояния твердых тел ( arXiv ) Автор: Аюб Ауина , Маттео Гатти , Сиюань Чен , Шивэй Чжан , Люсия Рейнинг Аннотация: Система Кона-Шама (KS) является вспомогательной системой, эффективный потенциал которой в большинстве случаев неизвестен. В принципе она определяется плотностью основного состояния и была найдена численно для некоторых низкоразмерных систем путем обращения уравнений КС, начиная с заданной..

Применение прогнозирования транспортных потоков, часть 5

Пространственно-временная связь с вейвлетом: прогнозирование распутанного потока трафика с помощью сети эффективного спектрального графика (arXiv) Автор: Ючэнь Фан , Яньцзюнь Цинь , Хайюн Луо , Фан Чжао , Бинбин Сюй , Чэньсин Ван , Лян Цзэн . Аннотация: Прогнозирование дорожного движения имеет решающее значение для общественной безопасности и оптимизации ресурсов, но является очень сложной задачей из-за трех аспектов: метод, который не может точно уловить..

Представляем SliceX AI: ИИ следующего поколения у вас под рукой

Автор: Суджит Рави SliceX AI — компания, специализирующаяся на искусственном интеллекте, чья миссия заключается в том, чтобы сделать искусственный интеллект нового поколения общедоступным . Мы создаем интеллектуальный механизм следующего поколения , который позволит компаниям любого размера и разработчикам по всему миру получить собственную часть ИИ нового поколения и применить ее к любой вертикали и варианту использования. С его инновационной платформой машинного обучения..

Дискриминативные и генеративные модели: дружеское введение

Искусственный интеллект — это область, которая развивается ускоренными темпами, настолько, что иногда за ней трудно угнаться! ViTs, CNN, GAN, Swin… может быть довольно сложно понять, что делают все модели и когда мы можем их использовать. Сегодня мы рассмотрим, что такое дискриминационные модели и чем они отличаются от генеративных моделей; когда мы должны их использовать и некоторые примеры. Как всегда, эти технологии достаточно глубоки; так что я не собираюсь углубляться в них..