Публикации по теме 'neural-networks'


Почему вам следует делать карьеру в области машинного обучения?
Прежде чем углубиться в тему, почему вам следует начать карьеру в области машинного обучения, давайте взглянем на некоторые статистические данные и факты: По прогнозам, мировой рынок машинного обучения вырастет с 7,3 млрд долларов в 2020 году до 30,6 млрд долларов в 2024 году. Инженеры по машинному обучению, специалисты по обработке данных и инженеры по большим данным входят в число самых перспективных вакансий в LinkedIn. Журнал Analytics India Magazine сообщил, что в 2017 году в..
Google и Northwestern U представили доказуемо эффективные алгоритмы обучения для нейронных сетей
Эмпирический успех глубоких нейронных сетей (ГНС) вдохновил сообщество исследователей машинного обучения на проведение теоретических исследований таких аспектов ГНС, как обучение, оптимизация и обобщение. Одной из важных смежных областей исследований является изучение того, как разработать доказуемые алгоритмы обучения с эффективным временем и выборкой для нейронных сетей — задача, которая остается нерешенной даже в простейшем случае нейронных сетей с прямой связью глубины 2. Чтобы..
Машинное обучение: простая нейронная сеть
Искусственные нейронные сети (ИНС) или просто нейронные сети, по сути, представляют собой вычислительные системы, состоящие из сильно взаимосвязанных компонентов, которые фиксируют и представляют сложные отношения ввода-вывода. По сути, ИНС - это грубая попытка имитировать функциональность биологических нейронных сетей. Обычно нейронные сети состоят из нескольких уровней «нейронов» или узлов, а также существует множество вариаций и комбинаций ИНС, таких как сверточные нейронные сети (CNN)..
НАЧАЛО РАБОТЫ С TENSORFLOW
ВВЕДЕНИЕ Алгоритмы обучения могут быть довольно сложными, и сегодня такие среды программирования, как TensorFlow, PyTorch, Caffe и многие другие, могут сэкономить вам много времени. Одним из лучших инструментов для реализации этих алгоритмов является TensorFlow . Это комплексная платформа с открытым исходным кодом для машинного обучения, разработанная исследователями и инженерами Google для проведения машинного обучения и исследований глубоких нейронных сетей. Он имеет..
Расширенная классификация звуков окружающей среды с помощью CNN
Расширенная классификация звуков окружающей среды с помощью CNN Сквозная классификация звуков окружающей среды с использованием 1D CNN Это резюме исследования - лишь одно из многих, которые еженедельно распространяются в информационном бюллетене для ученых по искусственному интеллекту. Чтобы начать получать еженедельную рассылку , зарегистрируйтесь здесь . Сверточные нейронные сети (CNN) очень полезны в задачах распознавания и классификации изображений. Однако в последнее..
Изучение машинного обучения (и искусственного интеллекта): часть 2 из n
Изучение машинного обучения (и искусственного интеллекта): часть 2 из n Предыстория : я определенно не эксперт и не имею формального образования в области машинного обучения (ML) или искусственного интеллекта (AI), но я очарован и заинтригован этими технологиями. Последние несколько лет я изучаю их и самостоятельно создаю приложения. В этой серии публикаций я расскажу, что я знаю, как я достиг того, что я есть, как я использовал их в своих проектах, и намечу курс на будущее с..
Начало работы с Magenta.js
В мае 2018 года Google объявил о выпуске Magenta.js, JavaScript API для своих моделей машинного обучения музыки и искусства Magenta. Я узнал об этом через несколько месяцев и сразу захотел поиграть. Особый интерес для меня вызвали модели, использующие рекуррентные нейронные сети для создания музыки. Начиная Я решил сделать что-нибудь маленькое, приложение, которое берет музыку, над которой я работал некоторое время назад, и импровизирует мелодию на ее основе. Прекрасная..