Публикации по теме 'neural-networks'
Неделя 3 — Topify
На этой неделе мы внесли коррективы в данные, например, увеличили количество лучших треков и обычных треков. На данный момент у нас есть 5255 лучших треков и 20558 обычных треков.
Мы использовали эти данные при обучении последовательной модели Tensorflow Keras. И мы протестировали нашу первую модель. Мы разделили наши данные на 3 части: «Обучение», «Проверка» и «Тест».
Вы можете увидеть код модели ниже;
Мы использовали «ReLu» в качестве функции активации в наших скрытых..
Воскресный брифинг D4S № 146
Воскресный брифинг D4S № 146
Еженедельный информационный бюллетень с последними разработками в области науки о данных, машинного обучения и искусственного интеллекта.
13 марта 2022 г.
Дорогие друзья! Добро пожаловать на воскресный брифинг от 13 марта.
На этой неделе у нас перерыв в ведении блога, но вы можете ознакомиться с нашими последними публикациями. В подстеке Visualization for Science у нас есть 3D Surface Plot: распределение населения США ». Мы также недавно опубликовали..
Организации уделяют больше внимания научным и инженерным усилиям по отдельности, оставляя между ними широко открытый разрыв. В то время как орг…
Как типичный инженер-программист, я провел годы, решая реальные проблемы и создавая вокруг них крупномасштабные распределенные программные системы. До недавнего времени мы использовали детерминированные алгоритмы для автоматизации рутинных задач в компьютерном коде только для выполнения тех, скорость и масштаб которых превышает человеческие возможности. Компьютер помог нам сосредоточиться на работе, в которой он не мог подражать базовому человеческому интеллекту. Благодаря Закону Мура..
Изучение темпов обучения для повышения производительности модели в Керасе
Скорость обучения - это гиперпараметр, который определяет, насколько изменить модель в ответ на оцененную ошибку каждый раз, когда обновляются веса модели. Выбор скорости обучения является сложной задачей, потому что очень маленькое значение может привести к длительному процессу обучения, который может застрять, тогда как очень большое значение может привести к слишком быстрому изучению неоптимального набора весов или нестабильному процессу обучения.
Трансферное обучение
Мы используем..
Классификация изображений: резюме CS231n Winter 2016, лекция 2, часть 1
Классификация изображений: резюме CS231n Winter 2016, лекция 2, часть 1
Прежде чем углубиться в мир классификации изображений, давайте посмотрим в словаре, что такое классификация изображений. Классификация изображений относится к задаче извлечения информационных классов из многоканального растрового изображения. Полученный в результате классификации изображений растр можно использовать для создания тематических карт. Классификация изображений — основная задача.
Предположим, что..
Почему машинное обучение для достижения искусственного интеллекта? «Потребность в машинном обучении»
Несмотря на то, что ИИ можно достичь разными способами, почему машинное обучение имеет большее преимущество перед другими? (Обязательно к прочтению для начинающих) Почему это называется машинным обучением?
Я не верю в слепое изучение вещей, поэтому мы начнем с того, почему все используют машинное обучение в ИИ для лучшего понимания.
Теперь предположим, что мы можем закодировать все свойства для идентификации фруктов, где каждая функция содержит свойства, перечисленные как в..
Машинное обучение для абсолютных новичков: ваша первая нейронная сеть за ~ 10 минут и < 20 строк…
Самое сложное в изучении чего-либо нового — это сломать эту умственную инерцию и погрузить свой ум в цикл усилий и вознаграждений. Однако включение чего-либо нового в этот цикл требует огромной практики, которая должна подпитываться постоянной мотивацией. Но благодаря нынешнему дизайну приложений для социальных сетей уровень нашего внимания резко упал, из-за чего многие из нас борются с мотивацией и вниманием. Кроме того, когда дело доходит до изучения такой огромной темы, как машинное..
