Публикации по теме 'deep-learning'
Работа с маркировкой семантических ролей, часть 5 (искусственный интеллект)
Сестринская справка: увеличение данных для маркировки семантической роли кадров (arXiv)
Автор: Аюш Панчоли , Мириам Р.Л. Петрук , Свабха Сваямдипта .
Аннотация: Хотя FrameNet широко известен как богатый ресурс семантики в обработке естественного языка, основные критические замечания касаются его недостаточного охвата и относительной нехватки размеченных данных по сравнению с другими широко используемыми лексическими ресурсами, такими как PropBank и VerbNet. В данном документе..
Простая модель нейронной сети для MNIST с использованием PyTorch
В этой записной книжке мы подробно рассмотрим, как построить простую модель глубокого обучения (ИНС) для прогнозирования меток рукописных цифр с учетом их изображения. Мы будем использовать набор данных MNIST от Kaggle для обучения модели ( ссылка ). Я сделаю все возможное, чтобы все было максимально просто, и объясню шаги и процесс, которым мы следуем по мере изучения этой записной книжки. Первым шагом является проверка набора данных, формата, в котором хранятся изображения, и..
Понимание политики и вне политики в обучении с подкреплением
В обучении с подкреплением,
Есть агент А, отвечающий за взаимодействие с окружением, совершение действий и получение новых состояний. Существует агент B, отвечающий за наблюдение и обучение, обучение тому, как решать, какие действия предпринять, исходя из текущего состояния.
Если эти два агента одинаковы, это соответствует политике.
Если эти два агента различны, это не соответствует политике.
Интересный пример
Когда я смотрю, как мастер го играет против AlphaGo, а AlphaGo — это..
Новая интеграция: комета и луч
Беспрепятственное отслеживание и масштабирование рабочих процессов машинного обучения
Мы рады сообщить об еще одной отличной интеграции с Comet — Луч ! Эта интеграция позволяет специалистам по данным использовать инструменты отслеживания и визуализации экспериментов Comet с невероятной библиотекой Ray для масштабирования рабочих нагрузок машинного обучения с интенсивными вычислениями.
О Рэе
Ray — это проект с открытым исходным кодом, который позволяет легко масштабировать любую..
Работа с аффинными картами для исследования машинного обучения, часть 2
Нелокальные границы ошибок для кусочно-аффинных отображений (arXiv)
Автор : Нелокальные границы ошибки для кусочно-аффинных отображений
Аннотация: Статья посвящена подробному анализу нелокальных оценок погрешности невыпуклых кусочно-аффинных отображений. Мы улучшаем некоторые существующие результаты об оценках погрешности таких отображений и приводим совершенно новые необходимые и/или достаточные условия для того, чтобы кусочно-аффинная функция имела оценку погрешности на различных..
Как машинное обучение правит нынешним поколением !
Машинное обучение коренным образом меняет способы работы компаний в различных отраслях, от здравоохранения до финансов и электронной коммерции. Анализируя большие объемы данных и выявляя закономерности, машинное обучение может помочь предприятиям принимать более обоснованные решения, повышать эффективность и прибыльность. В этой статье мы рассмотрим, как машинное обучение ускоряет рост различных отраслей, на последних примерах и вариантах использования со всего мира.
Здравоохранение..
Поведение алгоритмов распределения, часть 2 (машинное обучение)
Инвестиции в безопасность сетей с ограниченными агентами Rational: анализ и распределенный алгоритм (arXiv)
Автор: Джейсон Хьюз , Джунтао Чен .
Аннотация: В этой статье рассматривается проблема инвестиций в безопасность сети, в которой владельцы ресурсов стремятся распределять свои ограниченные ресурсы безопасности по разнородным целям стратегически. Инвестирование в каждую цель делает ее менее уязвимой и, таким образом, снижает вероятность успешной атаки. Однако люди склонны..
Новые материалы
Уравнение множественной нелинейной регрессии с использованием панели инструментов нейронной сети
Я анализирую данные с шестью входами и одним выходом. Я обучил сеть с помощью Neural Network Toolbox. Я хочу, чтобы эта сеть предсказывала математическую модель или уравнение регрессии...
Методы выбора признаков в машинном обучении
Различные способы, которыми мы можем выбрать лучшие функции, чтобы получить оптимальное соответствие между данными и моделью машинного обучения.
Модели машинного обучения могут учиться на данных..
Что такое глубокое обучение и как происходит волшебство?
Простое краткое руководство - для всех.
Искусственный интеллект, машинное обучение, чат-боты, НЛП - все это модные словечки в наши дни. От разработчиков до аналитиков и владельцев бизнеса..
Развертывание моделей машинного обучения с использованием контейнеров тремя способами
В этой статье из нашей серии статей о декларативных MLOps я рассказываю о том, как вы можете обернуть свою модель в контейнер для обслуживания прогнозов тремя способами — как служба HTTP, через..
Кеширование во Flutter для Интернета
Как предоставить вашим клиентам самые свежие и лучшие
Яркая сторона кеширования
Кэширование отлично подходит для частой выборки больших ресурсов: библиотек, изображений или других..
Искусственный интеллект: машинное обучение
Машинное обучение — это быстро развивающаяся область компьютерных наук, которая фокусируется на обучении компьютеров обучению на основе данных без явного программирования. Его важность..
Анализ главных компонентов (PCA)
Это мой первый блог, и самая интересная тема, которую я нашел, — это анализ главных компонентов (PCA).
Что такое PCA??
Это неконтролируемая проблема машинного обучения. Ее основная цель —..