Публикации по теме 'convolutional-network'


Распознавание речи с помощью глубокого обучения
Распознавание речи относится к способности машины преобразовывать произносимое слово в читаемый текст. В этом блоге я буду ссылаться на соревнование kaggle — TensorFlow Speech Recognition Challenge ( https://www.kaggle.com/c/tensorflow-speech-recognition-challenge ) организован Google Brain. Эти данные содержат 65 000 односекундных произнесений 30 коротких слов тысячами разных людей. В этом блоге я рассмотрел Создание полезных функций Архитектура модели Первая задача, которую..
Параметры сверточной сети
Традиционные подходы машинного обучения к компьютерному зрению работают с применением фильтра / ядра к изображению. Например, фильтры ниже определяют вертикальные и горизонтальные края соответственно: Некоторые фильтры по-разному взвешивают разные пиксели в ядре, чтобы добиться более сильного акцента на центральных пикселях или для инкапсуляции другого возможного шаблона. Примеры этого - фильтры Sobel и Scharr: Комбинации этих фильтров очень эффективны в детекторах..
Классификация обработки естественного языка с использованием глубокого обучения и Word2Vec
Вступление Раньше я сталкивался с алгоритмами машинного обучения для решения различных задач, таких как прогнозирование обменного курса денег или классификация изображений. Недавно мне пришлось работать над проектом классификации текстов, и я прочитал много литературы по этой теме. Случай с НЛП (обработка естественного языка) захватывающий. Когда вы начали задумываться, то поняли, что это не так просто, и до классификации остается вопрос: Как, черт возьми, алгоритм может читать..
Серия CNN, часть 2: Что подразумевается под сверткой?
В предыдущей статье мы узнали о том, как компьютеры видят и обрабатывают изображения, а также о проблемах ручного извлечения признаков и, наконец, поняли проблемы, с которыми мы сталкиваемся при классификации изображений, и пришли к выводу о подходе к изучению визуальных характеристик на основе данных, а не ручной инженерии. Эта статья продемонстрирует, как мы можем изучить визуальные функции с помощью нейронных сетей. В серии статей о нейронных сетях мы узнали о полностью связанных..
Взлом Captcha: точность проверки и точность тестирования
Это первая часть из серии «Как сделать простой взломщик капчи». Назовем это «Как не сделать простой взломщик капчи». Недавно я изучал сверточные нейронные сети, или, как Лекун назвал бы их ConvNets (нет, не CNN, на все это есть другая история). Получив краткое представление из курса Джереми Ховарда Fast.ai и курса Deeplearning.ai по специализации по глубокому обучению, вчера я подумал о том, чтобы сделать простой ввод кода для проверки своих университетских результатов. Такой же простой,..
Базовая архитектура сверточной нейронной сети (CNN)
Автор: Яш Гупта В моей последней статье, которую вы можете найти здесь , мы определили нейронные сети как основу глубокого обучения. Нейронные сети добавляют человеческий интеллект к машинам, буквально имитируя основную часть человеческого мозга (о которой вы также можете найти больше в посте Джоанны здесь , если вам интересно): нейронная сеть, которая перемещает нейроны по всему мозгу для вывода ответа на определенный стимул. Однако существует множество типов этих искусственных..
Введение в TensorFlow для искусственного интеллекта, машинного обучения и глубокого обучения: часть 3
Улучшение зрения с помощью сверточных нейронных сетей Задача классификации моды. Первоначальное обсуждение посвящено использованию нейронной сети для классификации моды. Задача включает в себя обучение глубокой нейронной сети (DNN) для классификации предметов моды на основе их изображений. Цель состоит в том, чтобы повысить точность классификации путем изучения различных подходов. Сверточные нейронные сети (CNN): CNN представлены как потенциальное решение для улучшения задачи..