Публикации по теме 'deep-learning'
Неделя 4 — Topify
На этой неделе мы обсудили, какой алгоритм глубокого обучения нам следует использовать. Мы провели исследование различных подобных проектов. Но было не так много проектов, которые использовали Deep Learning для решения этой проблемы.
После нашей встречи с ТА мы поняли, что дело в том, что, несмотря на то, что наш набор данных сбалансирован с соотношением 4: 1, у нас мало образцов для топового класса треков. Поэтому мы решили изучить примеры N-Shot Learning.
Zero-Shot Learning был..
Как работают марковские случайные поля, часть 1 (машинное обучение)
Уникальность марковских случайных полей с множественными зависимостями (arXiv)
Автор : Дорота Кепа-Максимович , Юрий Козицкий .
Аннотация: Изучаются марковские случайные поля на счетном множестве V. Они канонически задаются спецификацией γ, для которой структура зависимости определяется предварительной модификацией (he)e∈E — непротиворечивым семейством функций he:Se→[0,+∞), где S — стандартная борелевская пространства, а E — бесконечный набор конечных e⊂V. Разные e могут содержать..
На прошлой неделе в AI
Каждую неделю моя команда в Invector Labs публикует информационный бюллетень, чтобы отслеживать самые последние разработки в области исследований и технологий искусственного интеллекта. Вы можете найти выпуск за эту неделю ниже. Вы можете подписаться на него ниже. Пожалуйста, наши ребята очень много работали над этим:
От редакции: Справедливость в искусственном интеллекте
Одно из величайших преимуществ искусственного интеллекта (ИИ) заключается в том, что он может давать..
Сила машинного обучения: взгляд на его преимущества, применимость и критерии использования
В быстро развивающейся области технологий одним из ключевых столпов, получивших огромную популярность и признание, является машинное обучение (ML). Под более широким понятием искусственного интеллекта (ИИ) машинное обучение означает вычислительную способность машин учиться на данных и улучшать свою производительность без явного программирования (1).
Основы машинного обучения
Машинное обучение, неотъемлемая часть искусственного интеллекта, использует сочетание статистических и..
От новичка до профессионала: как использовать ядра Kaggle для улучшения своих навыков работы с данными
Kaggle — известное онлайн-сообщество специалистов по данным и энтузиастов машинного обучения. Он предоставляет пользователям платформу для обмена, анализа и совместной работы над данными, а также для участия в конкурсах. Kaggle Kernels — одна из самых популярных функций платформы, которая позволяет пользователям создавать, запускать и обмениваться кодом в веб-среде. В этой статье мы обсудим, как использовать ядра Kaggle для создания и запуска кода, а также делиться своей работой с другими...
Проверка объекта с глубоким изучением двоичных хеш-кодов
В последнее время глубокое обучение (DL) и особенно сверточные нейронные сети (CNN) значительно продвинулись в классификации изображений. Есть некоторые известные наборы данных, точность которых может легко достигать 90% (mnist, cifar10,…). Но большинство методов имеют дело с фиксированным количеством категорий в обучающей выборке. Для системы, которой обычно необходимо добавлять новые категории для классификации, трудно сохранить ту же точность без повторного обучения всех данных с самого..
Потери в ОД
Функции активации являются важнейшим компонентом искусственных нейронных сетей. Они привносят в модели нелинейность, позволяя им фиксировать сложные взаимосвязи в данных. В этой статье мы рассмотрим различные нелинейные функции активации, обычно используемые в нейронных сетях, их свойства и случаи их использования.
1. Логистическая или сигмовидная активация.
Функция активации сигмовидной кишки определяется как:
\[ \text{сигмоида}(z) = \frac{1}{1 + e^{-z}} \]
- Диапазон : (0, 1)..
