Публикации по теме 'neural-networks'


Интерпретируемые нейронные сети: классификация
В этом блоге я стремлюсь дать простую интерпретацию того, как нейронная сеть выполняет двоичную и мультиклассовую классификацию. Я объясняю, что двоичная классификация - это просто трюк, выполняемый сетью, а мультиклассовая классификация - это просто поиск оптимальных функций. Простой 2D-вариант Допустим, мы хотим выполнить двоичную классификацию, в которой выходные данные могут быть либо классом 1, либо классом 0. Изначально наши данные разделены нелинейно и выглядят примерно так:..
Обзоры IMDB - Проблема двоичной классификации [Теория]
Это моя новая серия по глубокому обучению, в которой я буду писать о реальных приложениях NN. Здесь мы подробно разберемся с каждым из них и попытаемся понять интуицию, лежащую в основе этого. Мы углубимся как в теоретические, так и в практические концепции. Если вы не прошли через мою предыдущую серию математических интуиций, лежащих в основе NN, я очень рекомендую это сделать. Мы могли бы строить концепции поверх этого. Изучите науку о данных в..
Сверточные нейронные сети - Часть 3: Свертки по объему и уровень ConvNet
Это третья часть моей серии сообщений в блоге о сверточных нейронных сетях. Вот необходимые части для этого сообщения в блоге: Часть 1. Обнаружение краев Часть 2: отступы и чередующиеся свертки Вот следующие части этой серии: Часть 4: Объединение и полностью связанный уровень Часть 5: Почему свертки ? Необходимым условием здесь является знание свертки матриц, которую я кратко объяснил в первом разделе первой части этой серии. Кроме того, сведения о функции..
Прогнозирование эффективности использования топлива с помощью искусственной нейронной сети с использованием TensorFlow 2.x
После того, как мы начали использовать только один линейный нейрон , мы продолжаем и строим нашу первую искусственную нейронную сеть (ИНС). Этот учебник основан на учебнике по регрессии от Tensorflow. В этом уроке мы используем набор данных, описывающий автомобили. Нам предоставляются такие данные, как количество цилиндров, мощность в лошадиных силах, вес и т. д. Нам нужно предсказать количество миль на галлон (MPG). Поэтому мы используем размеченные обучающие данные и реализуем..
Резюме для нейронного алгоритма художественного стиля
Эта статья резюмирует статью https://arxiv.org/pdf/1508.06576.pdf , которая имела большой успех. Многие популярные приложения, такие как Prisma, построены на основе этой концепции. До недавнего времени нейронные сети были известны своей способностью выполнять такие задачи, как классификация, регрессия, и считались логическими объектами. Творческие работы считаются областью знаний человека, но с последними разработками нейронные сети также оказывают влияние на это пространство. В этой..
Сверточные нейронные сети (CNN) и варианты использования в здравоохранении
Задний план CNN были первоначально исследованы Д.Х. Хьюбелем и Т.Н. Визеля, который изучал то, как млекопитающие визуально воспринимают мир, используя многоуровневую архитектуру нейронов. Зрительная кора млекопитающих визуализирует объекты с помощью иерархической структуры признаков, которые формулируются на основе входных стимулов (таких как ориентированные края и пространственная инвариантность). Это вдохновило на создание аналогичной системы для компьютерного зрения. Часть входного..
Распознавание естественных сцен с использованием глубокого обучения
В компьютерном зрении распознавание сцен является одной из самых сложных областей исследований. Распознавание окружающего мира с первого взгляда — одно из самых совершенных действий человеческого мозга. В то время как недавний огромный прогресс в задачах распознавания объектов связан с доступностью больших наборов данных, таких как COCO, и появлением сверточных нейронных сетей (CNN) для изучения функций высокого уровня, производительность распознавания сцен не достигла такого же уровня..