Публикации по теме 'convolutional-neural-net'
Сверточные нейронные сети
Во-первых, для описания сверточной нейронной сети мы должны понять, что такое нейронная сеть. Мы будем использовать общий пример для нейронных сетей — распознавание чисел.
Как получается, что мы можем распознать серию строк как числа? Как наш мозг сопоставляет их с 4?
Что, если бы вы захотели запрограммировать что-то, способное распознавать число в изображении 28*28? Что-то подобное может стать удивительно сложным.
По сравнению с классическим машинным обучением, глубокое обучение..
АНАЛИЗ МЕДИЦИНСКИХ ИЗОБРАЖЕНИЙ С ПОМОЩЬЮ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА ДЛЯ ОБНАРУЖЕНИЯ БОЛЕЗНИ ПАРКИНСОНА
ВВЕДЕНИЕ . Болезнь Паркинсона - это прогрессирующее неврологическое заболевание, которое необходимо контролировать, прежде чем уязвимость к болезни возрастет. Раннее выявление болезни важно для предотвращения этой проблемы. Для решения этой проблемы используется метод анализа медицинских изображений. Медицинская визуализация - это процесс, с помощью которого искусственный интеллект используется для обнаружения заболевания и получения точного результата, который помогает врачу ускорить..
Объяснение встраивания слов, LSTM и CNN
TL;DR
Это дополнение к моему посту Предсказание цены с сентиментом и без него . В нем представлен краткий обзор вложений слов, сетей долговременной памяти и сверточных нейронных сетей.
Вложения слов
Традиционные методы встраивания на основе частоты для создания текстовых представлений, такие как TF-IDF и векторизация подсчета, создают разреженные представления, которые не отражают отношения между словами. Разреженные представления могут привести к очень многомерным пространствам, что..
Глубокое компьютерное зрение для обнаружения фрагментов тантала и ниобия в высокоэнтропийных сплавах
"Компьютерное зрение"
Глубокое компьютерное зрение для обнаружения фрагментов тантала и ниобия в сплавах с высокой энтропией
Deep Computer Vision может выполнять задачи обнаружения объектов и классификации изображений. В задачах классификации изображений конкретная система получает некоторое входное изображение, и система знает о некотором заранее определенном наборе категорий или меток. Существует некоторый фиксированный набор меток категорий, и задача компьютера - посмотреть на..
Удаление сверточных нейронных сетей
Машинное обучение - это новое модное слово в разных отраслях, джин 21 века. Он обещает все, от замены человеческого труда в кропотливой черной работе до предоставления высокоуровневых идей и анализа для принятия решений. Магия еще больше усиливается в сочетании с Интернетом вещей (IoT) и потенциально может создать мир, в котором наша среда является продолжением нашего мозга и разумно реагирует на наши прихоти и желания.
Однако чем мощнее джинн, тем больше требуется волшебная лампа для его..
Сверточные нейронные сети: почему они так хороши для обучения, связанного с изображениями?
Сверточные нейронные сети: почему они так хороши для обучения, связанного с изображениями?
Краткое объяснение того, почему сегодня CNN почти всегда используются для задач компьютерного зрения.
Через несколько лет после своего развития CNN уже выиграла свой первый конкурс распознавания изображений (2011), а в следующем, 2012 году, четыре победителя конкурса распознавания изображений использовали CNN в качестве базовой архитектуры! И даже сейчас CNN по-прежнему является королевой..
Начало работы с глубоким обучением - подробное руководство с бесплатными ресурсами
Добро пожаловать в мою третью статью, в которой я расскажу, как начал работать с Deep Learning. Я надеюсь, что вы узнаете кое-что из моего учебного путешествия.
Это часть 3 из моей серии из трех частей, посвященной началу работы с Python, машинному обучению и глубокому обучению.
Если вы не читали мою первую статью из текущей серии, то вот она. Он называется Начало работы с Python для машинного и глубокого обучения .
Если вы не читали мою вторую статью из текущей серии,..