Статьи по теме neural-networks

Публикации по теме 'neural-networks'

Мягкое введение в оптимизаторы

В нейронной сети после завершения прохода пересылки мы прогнозируем некоторое выходное значение, которое отличается от фактического выходного значения, которое известно как ошибка или потеря , чтобы уменьшить эту потерю, у нас есть некоторая функция потерь, известная как оптимизаторы. Если мы хотим уменьшить потери или ошибки и хотим получить точный результат, нам нужны алгоритмы оптимизации . Нам нужно обновить веса и смещения, чтобы уменьшить потери. В этой статье я..

Противостояние системам глубокого обучения: насколько многое изменилось и сколько мы не знаем

По мере того, как компании используют ИИ в своем бизнесе, они сталкиваются с масштабными технологиями систем глубокого обучения. Это похоже на вход в темную массивную пещеру - изумление и волнение вместе со страхом, что вы понятия не имеете, во что ввязываетесь! В основном невежественный в IT Коллеге я порекомендовал блог Пако Натана [1], в котором резюмируются последние исследования Strata. Коллега - уважаемый эксперт в области бизнес-аналитики и хранилищ данных. Его реакция..

Количество параметров в нейронной сети с прямой связью

Расчет общего количества обучаемых параметров в нейронной сети с прямой связью вручную Машинное обучение сегодня решает такое большое количество сложных проблем, что это кажется волшебством. Но в машинном обучении нет никакой магии, оно имеет прочную математическую и статистическую основу. Пытаясь понять важные и несколько сложные концепции машинного обучения, мы иногда даже не задумываемся о некоторых тривиальных концепциях. Может быть, вы думаете об этом, но я знаю, что много раз..

Многопрофильная классификация земельного покрова с глубоким обучением

Пошаговое руководство по классификации многокомпонентной классификации земного покрова с использованием глубоких нейронных сетей Классификация земного покрова с несколькими метками менее изучена по сравнению с классификациями с одной меткой. Напротив, классификации с несколькими метками более реалистичны, поскольку мы всегда обнаруживаем несколько видов земного покрова на каждом изображении. Однако с помощью приложений для глубокого обучения и сверточных нейронных сетей мы можем..

Разработка классификаторов глубокой нейронной сети (NN) с учителем

Я вижу несколько больших проблем с разработкой классификаторов нейронных сетей глубокого обучения (NN) с учителем. Точность классификации зависит от качества/качества размеченных данных и топологии сети. Предварительно обученные веса могут значительно сократить время, необходимое для обучения сети. Тем не менее, проблемы могут быть устранены с сопоставлением предварительно обученных весов общедоступного домена при сопоставлении формы изображения/порядка тензоров в предварительно обученных..

Чудеса искусственных нейронных сетей

Как ИНС может победить людей в GO, но не может предсказать f(x)=x² Некоторое время назад наш профессор ИИ дал нам задание применить то, что мы узнали об искусственных нейронных сетях. Это было просто и довольно легко, если честно. Говорилось: Напишите нейронную сеть, которая предсказывает f(x)=x² . Любой из вас, кто прошел какой-либо курс по искусственному интеллекту или машинному обучению или даже написал какой-либо код ANN, знает, что предсказывать квадратную функцию легко. И..

Как TikTok от ByteDance использует машинное обучение для изучения и создания огромного набора данных о человеческих…

Конечно, TikTok — это весело. Спросите любого TikToker, и все они скажут одно и то же: «приложение потрясающее». Почему? Потому что это предоставляет множество замечательных функций как для создателей, так и для потребителей. Исследования показали нам, что 2 часа в день — это минимальное среднее значение для любого, кто использует TikTok, это намного больше, чем в любом другом доступном приложении для социальных сетей. Почему людям нравится это приложение, это связано со многими..