Статьи по теме transfer-learning

Публикации по теме 'transfer-learning'

Современное состояние: обнаружение эмоций в художественных портретах

совместно с Кэти Коврлия и Ревой Санкхе «Насколько хорошо ИИ может распознавать эмоции нарисованного портрета?» С помощью нейронных сетей и глубокого обучения мы изучаем, как машинное обучение может (и может ли) классифицировать эмоции нарисованных портретов. Например, как бы вы описали эмоции Моны Лизы? Она грустная? Счастливый? Нейтральный? Посмотрим, сможет ли ИИ это понять. Фон Что такое сверточная нейронная сеть? Сверточные нейронные сети (CNN) — это нейронные..

Организации уделяют больше внимания научным и инженерным усилиям по отдельности, оставляя между ними широко открытый разрыв. В то время как орг…

Как типичный инженер-программист, я провел годы, решая реальные проблемы и создавая вокруг них крупномасштабные распределенные программные системы. До недавнего времени мы использовали детерминированные алгоритмы для автоматизации рутинных задач в компьютерном коде только для выполнения тех, скорость и масштаб которых превышает человеческие возможности. Компьютер помог нам сосредоточиться на работе, в которой он не мог подражать базовому человеческому интеллекту. Благодаря Закону Мура..

Передача обучения по модели VGG-16

Трансферное обучение всегда является хорошим выбором для нейронных сетей. Когда мы используем предварительно обученную нейронную сеть для выполнения задачи, которую мы хотим, это называется трансферным обучением. Переносное обучение всегда лучше, чем обучение новой нейронной сети. Оно делает почти все простым, быстрым и точным. Все становится удобным - от обучения до прогнозирования. Сверточные нейронные сети обучаются медленнее, чем полностью связанные слои, поэтому мы используем..

Классификатор пород собак

Перенос обучения с помощью keras Согласно Википедии, существует более 300 чистых пород собак. Кроме того, есть смешанные породы. Определение породы собак, если вы не являетесь экспертом, может быть проблемой. Вот несколько фотографий пород собак. Угадайте, какой из них: Целью этого проекта является создание приложения, позволяющего классифицировать породу собак путем загрузки изображения собаки. Первой попыткой будет использование классификатора CNN. Вот модель keras, в..

Работа с несбалансированными наборами данных

Практики машинного обучения обрабатывают данные , чтобы создать наилучшие обучающие наборы данных для своих моделей. Как правило, это означает, что данные непредвзяты, хорошо структурированы и помогут обучить модель, обеспечивающую хорошую прогностическую эффективность в реальном мире. Независимо от того, собираете ли вы данные из реального мира самостоятельно, используете существующий набор данных или используете существующую обученную модель в рамках переносного обучения , базовые..

Как я использовал трансферное обучение и ансамблевое обучение, чтобы добиться точности 90% в соревнованиях Kaggle

Категоризация изображений - это классическая задача машинного обучения, которая была ключевым фактором в исследованиях машинного обучения с момента появления глубоких нейронных сетей. Эта статья поможет вам легко решить задачу с помощью методов трансферного обучения и ансамбля. 1. Введение В этом конкурсе я должен классифицировать изображения различных типов транспортных средств, включая автомобили, велосипеды, фургоны, машины скорой помощи и т. Д. (Всего 17 категорий). Данные для..

Откройте для себя темные знания с помощью нейронных сетей - извлечение знаний

Мотивация . Основная цель любой модели машинного обучения и искусственного интеллекта определяется тем, насколько хорошо она может обобщать невидимые данные, а не насколько хорошо она работает с данными обучения. Если мы посмотрим на эту цель более внимательно, предпочтительнее иметь разные адаптации модели для целей обучения и вывода. Во время обучения нам нужны глубокие и сложные модели, чтобы обучаться на большом количестве обучающих данных, но во время вывода нам просто нужна более..