Публикации по теме 'neural-networks'


Лучшие фреймворки для глубокого обучения №3
Привет, народ, Глубокое обучение — это подмножество машинного обучения, которое включает искусственные нейронные сети в процесс обучения. Это может быть контролируемым, полуконтролируемым или неконтролируемым. Внедрение моделей глубокого обучения в Python упрощается благодаря встроенным фреймворкам. Это упрощает создание сложных нейронных сетей (NN), помогая сократить время кодирования, необходимое для создания NN с нуля. Давайте рассмотрим третье место среди лучших фреймворков для..
Сегодня здесь мы собираемся построить проект машинного обучения, используя регрессионный метод прогнозирования GOLD…
ЭХ!!! Сегодня здесь мы собираемся построить проект машинного обучения, используя метод регрессии для прогнозирования ЦЕНЫ НА ЗОЛОТО, используя уже определенные значения данных…. Давайте, ребята, давайте посмотрим, как это, ИМПОРТ НЕОБХОДИМЫХ БИБЛИОТЕК:: Операторы import (или include), обнаруженные в исходном коде, который вы разрабатываете, — это ваш способ сообщить компилятору, где найти библиотеки, которые вы хотели бы «одолжить» уже разработанному исходному коду. Вам..
Обучение компьютера распознаванию вашего почерка
Учебник непрофессионала по искусственным нейронным сетям Посмотрите на картинку ниже и попытайтесь определить, что это такое: Можно было бы сказать, что это жираф, несмотря на то, что он был странно толстым. Мы мгновенно распознаем образы и предметы, даже если эти образы представлены в форме, сильно отличающейся от того, что мы видели раньше. Мы делаем это с помощью 80 или более миллиардов нейронов в человеческом мозгу, работающих вместе для передачи информации. Замечательная..
Изучение методов распознавания жестового языка с помощью машинного обучения
Понимание распознавания индийского языка жестов и его методов с упором на современный иерархический подход нейронной сети В этом посте мы собираемся исследовать сферу распознавания языка жестов и его применения в реальном мире. Мы собираемся обсудить подходы, принятые в исследовательской работе по распознаванию индийского жестового языка, и попытаемся понять достоинства и недостатки этих методов с практической точки зрения. Итак, приступим! Пожалуйста, обратитесь к приведенной..
Серия "Нежное введение в нейронные сети" - часть 1
Краткое введение в серию нейронных сетей (GINNS). Вступление Нейронные сети и глубокое обучение являются важными темами в компьютерных науках и в технологической отрасли, в настоящее время они обеспечивают лучшие решения многих проблем в распознавании изображений, распознавании речи и обработке естественного языка. В последнее время было опубликовано множество статей, посвященных ИИ, который может научиться рисовать, строить 3D-модели, создавать пользовательские интерфейсы..
Сети Хопфилда бесполезны. Вот почему вам следует их изучить.
Сети Хопфилда были изобретены в 1982 году J.J. Хопфилда , и к тому времени было собрано несколько различных моделей нейронных сетей, что позволило повысить производительность и надежность по сравнению с ними. Насколько мне известно, они в основном вводятся и упоминаются в учебниках, когда речь идет о машинах Больцмана и сетях глубокого убеждения, поскольку они построены на работе Хопфилда. Тем не менее, они обеспечивают настолько иную и альтернативную точку зрения на системы..
Катаясь в глубине: CNN
Введение в сверточные нейронные сети Зачем нам нужен CNN? Предположим, у вас есть набор данных о кошках и собаках, и вы хотите построить модель, которая может распознавать и классифицировать их по невидимому изображению кошки или собаки. Первым шагом является извлечение признаков , т. е. выбор лучших характеристик ваших изображений, таких как цвет, края объекта, расположение пикселей и т. д. Второй шаг - это классификация на кошек и собаки, использующие извлеченные признаки...