Публикации по теме 'neural-networks'
Классификация MNIST (рукописная цифра) с использованием нейронной сети с нуля
Что такое нейронная сеть?
Нейронные сети, также известные как искусственные нейронные сети (ИНС), представляют собой тип машинного обучения, лежащий в основе алгоритмов глубокого обучения. Их название и форма вдохновлены человеческим мозгом, и они повторяют способ взаимодействия биологических нейронов друг с другом. Чтобы учиться и повышать точность с течением времени, нейронные сети полагаются на обучающие данные. Однако эти алгоритмы обучения становятся эффективными инструментами в..
Структура нейронной сети: скрытые слои
Узлы нейронной сети: декодирование глубокого обучения
Структура нейронной сети: скрытые слои
В глубоком обучении скрытые слои в искусственной нейронной сети состоят из групп одинаковых узлов, которые выполняют математические преобразования.
Добро пожаловать в раздел Узлы нейронных сетей , где мы рассмотрим глубокое обучение и нейронные сети небольшими частями. Эти узлы связаны друг с другом, чтобы сформировать общее знание …
XGBoost: как глубокое обучение может заменить повышение градиента и деревья решений — часть 1
В этой статье вы узнаете о переписывании деревьев решений с использованием подхода дифференциального программирования, предложенного в документе NODE, что позволяет переформулировать эту модель аналогично нейронным сетям.
Получение этой формулировки — отличное упражнение, так как оно поднимает много общих проблем при построении и обучении пользовательских нейронных сетей:
Как избежать проблемы исчезающего градиента? Что является хорошим выбором для начальных весов? Зачем..
Прогнозирование фармацевтических продаж с использованием рекуррентной нейронной сети LSTM
Методология LSTM, представленная в конце 90-х годов, лишь недавно стала жизнеспособной и мощной техникой прогнозирования. В этой статье мы собираемся использовать LSTM RNN для набора данных временного ряда Rossman Pharmaceutical, чтобы прогнозировать продажи для реальной бизнес-задачи, взятой из Kaggle.
Этот блог охватывает следующие моменты:
1. Постановка проблемы
2. Обзор данных и исследовательский анализ данных
3. Прогнозирование с помощью алгоритма машинного..
Рукописный ввод в нейронной сети, часть 1 - концепция
Вы слышали об этих нейронных сетях. Может, в кино. Может быть, в новостной статье. На первый взгляд они звучат как нелепый научно-фантастический язык, но на самом деле это очень полезный способ разобраться в большом количестве информации и сделать с ней некоторые замечательные вещи. Вы можете заставить машины ездить сами по себе, вы можете помочь обнаружить, есть ли у кого-то рак. Вы можете помочь предсказать погоду, цены на акции, определить, что изображено на фотографии,..
Основы нейронных сетей
Нейронные сети, в последнее время называемые глубоким обучением , представляют собой набор алгоритмов, способных выполнять интенсивные вычисления, которые до недавнего времени (начало 2000-х годов) было трудновыполнимо. В настоящее время нейронные сети позволяют нам решать многие проблемы в таких областях, как:
распознавание изображений (например, лица или общие изображения) распознавание речи (т. е. транскрипция, распознавание голоса, распознавание настроения в голосе) обработка..
Wav2Vec 2.0
Глубокие нейронные сети недавно намекнули на их способность обрабатывать речь способом, более похожим на человеческий мозг, и генерировать активации, подобные активациям мозга, в ответ на те же входные данные. Однако разработка таких алгоритмов остается сложной, поскольку они требуют массивных обучающих данных…
