В современном мире мы можем столкнуться с огромным количеством фейковых новостей и информации. Людям, которые становятся все ближе и ближе друг к другу благодаря Интернету и социальным сетям, нетрудно поверить в ложные новости и обмануть себя. Пытаясь улучшить свои знания в области науки о данных и машинного обучения, сегодня я занимаюсь проектом Pyhton по машинному обучению, который действительно простой, но, с другой стороны, очень простой. Это поможет мне и вам понять основы..

Автор: Дмытро Мишкин , Иржи Матас Глубокие нейронные сети точны и быстры в выводах, но их трудно обучить с использованием таких методов, как обратное распространение ошибки, использование сигмовидной (или тангенциальной) нелинейности в полностью связанных слоях, если кто-то ошибается с инициализацией весов или предварительной обработкой этих данных. нелинейности могут насытить и полностью остановить обучение, потери при обучении будут постоянными и никогда не уменьшатся. Инициализация..

С точки зрения науки о данных. TL; DR: Какой у вас самый дикий список желаний для программного инструмента? Сходите с ума, спросите себя, а что, если я захочу взять то и это и объединить / сравнить / составить их вместе с минимальными усилиями? Скорее всего, кто-то другой, эксперт в предметной области, уже придумал хороший способ решить эту проблему. Возможно, им пришлось заключить это в причудливую структуру программного обеспечения, которая изначально не интуитивно понятна и имеет..

Распознавание эмоций речи Люди обладают естественной способностью использовать все свои доступные органы чувств для максимального понимания полученного сообщения. Эмоциональное обнаружение естественно для людей, но для машин это очень сложная задача. В этом посте мы построим очень простой распознаватель эмоций на основе речевых данных с использованием глубокой нейронной сети. Итак, в основном мы собираемся сделать следующее: Предварительные условия Должен быть установлен..