Публикации по теме 'neural-networks'


Машинное обучение 101 Все алгоритмы в python (нейронная сеть, прямое и обратное распространение от…
Машинное обучение 101 Все алгоритмы в питоне (нейронная сеть прямого и обратного распространения с нуля) Делаем задания профессора Эндрю на популярном курсе машинного обучения Coursera на Python. В этом блоге я расскажу вам о выполнении самых популярных заданий курса машинного обучения, доступных в Интернете, представленных профессором Эндрю Нг. Мы собираемся построить алгоритм нейронной сети с нуля для выполнения мультиклассовой классификации. Если вы не читали мои предыдущие..
Создайте нейронную сеть с нуля - часть 2
Мягкое введение в серию нейронных сетей (GINNS) - часть 2 Введение В этом посте мы собираемся построить Perceptron для And Logic Gate, эту модель, которую мы собираемся построить с нуля, используя python и numpy. Я предполагаю, что вы прочитали серию «Нежное введение в нейронные сети» - часть 1 »и что вы уже знакомы с основными концепциями нейронных сетей. Если вы новичок в этой теме, я настоятельно рекомендую вам начать с части 1. Вы все еще здесь? Отлично, этот пост будет..
LSTM Cell - с лупой!
Привет! Сегодня мы поговорим о стиле QnA для сетей LSTM. Мотивация для этого опять же, как я часто видел, когда люди читают о LSTM, у них больше вопросов, чем ответов. Итак, здесь я попытаюсь дать суть сетей LSTM в сравнении с FFN (Feed Forward Network или обычная NN). Итак, приступим. В. Чем LSTM отличается от ячейки FFN (или ячейки сети прямого распространения, или узла в скрытом слое с FFN)? ›Принципиальное различие между ячейкой LSTM и ячейкой FFN состоит в том, что сама ячейка..
AlexNet: CNN, изменившая компьютерное зрение
Авторы этой статьи обучили одну из крупнейших нейронных сетей своего времени и достигли лучших результатов на подмножестве ImageNet - ILSVRC-2010 и ILSVRC-2012. Это краткое изложение указанной статьи. Основные моменты: 60 миллионов параметров (60 000 000) Функция активации ReLU Перекрывающееся объединение Увеличение данных Выбывать Нормализация местного ответа По пути, аналогичному описанному в документе , мы пойдем по маршруту, рассказывающему о наборе данных,..
Архитектура классификации на основе CNN для классификации изображений
полный код, набор данных и окончательная модель представлены на github . Введение Цель этого проекта — классифицировать различные типы диаграмм с помощью сверточной нейронной сети (CNN). Набор данных состоит из изображений различных диаграмм, таких как линейные диаграммы, гистограммы и диаграммы рассеяния. Цель состоит в том, чтобы обучить модель, которая сможет классифицировать тип диаграммы по данному изображению. Предварительная обработка данных Набор данных был..
Перемотайте назад!! 5 главных историй мира ИИ в 2022 году
1. Соучредитель и председатель Coursera Эндрю Нг прогнозирует следующие 10 лет ИИ . Эндрю Нг, основатель Landing AI и DeepLearning AI, сопредседатель и соучредитель Coursera и адъюнкт-профессор Стэнфордского университета, предсказал переход к ИИ, ориентированному на данные. В интервью VentureBeat Нг сказал, что основное внимание в области искусственного интеллекта в течение последнего десятилетия уделялось большим данным. Через десять лет он предсказывает переход к ИИ,..
Средняя абсолютная ошибка — Другая широко используемая потеря регрессии.
Шаг за шагом внедряем градиенты В этом посте мы поговорим о средней абсолютной ошибке и градиентах. Это также используется в регрессионных потерях. Вы можете скачать Jupyter Notebook здесь . Вернуться к предыдущему сообщению Вернуться к первому сообщению 4.2 Что такое средняя абсолютная ошибка и как вычислить ее градиенты? Предположим, у нас есть истинные значения, и прогнозируемые значения, Затем средняя абсолютная ошибка рассчитывается следующим образом:..