Публикации по теме 'deep-learning'


Классификация изображений с использованием обучения за несколько выстрелов
В последние годы модели на основе глубокого обучения отлично справляются с такими задачами, как обнаружение объектов и распознавание изображений . В сложных наборах данных классификации изображений, таких как ImageNet, которые содержат 1000 различных классификаций объектов, некоторые из этих моделей способны работать на человеческом уровне. Эти модели, однако, основаны на парадигме контролируемого обучения, и доступность помеченных обучающих данных оказывает существенное влияние на то,..
Эволюция нейронных сетей: вызовы и триумфы до и после 2010 г.
Введение За прошедшие годы нейронные сети претерпели значительные изменения в области искусственного интеллекта и машинного обучения. Значительная борьба и прорывы высветили этот необыкновенный путь. В этом сообщении блога мы рассмотрим проблемы с нейронными сетями, которые существовали до 2010 года и препятствовали их широкому использованию. Мы также исследуем причины всплеска популярности глубокого обучения после 2010 года, что привело к его доминированию в этой области. Итак,..
Что такое глубокое обучение? Сравнение с машинным обучением.
Что такое глубокое обучение? Сравнение с машинным обучением. Глубокое обучение — это область искусственного интеллекта и машинного обучения, основанная на архитектуре человеческого мозга. Алгоритмы глубокого обучения пытаются сделать выводы, сравнимые с тем, что сделал бы человек, постоянно оценивая данные с помощью определенной логической структуры, известной как нейронная сеть. Наиболее известными нейронными сетями являются искусственная нейронная сеть (ANN) и сверточная нейронная..
Изучение конвейеров глубокого обучения стало проще
Простое руководство о том, как использовать правильный пакет для проведения быстрых экспериментов по глубокому обучению в Python. Введение На этапе исследования проекта специалист по данным пытается найти оптимальный конвейер для своего конкретного варианта использования. В этой статье я объясню, как использовать пакет ATOM , чтобы быстро помочь вам обучить и оценить модель глубокого обучения на любом заданном наборе данных. ATOM — это пакет Python с открытым исходным кодом,..
Учебный курс по продвинутому искусственному интеллекту — Часть 8b — Введение в ИИ Внимание
Это часть 8b новой серии видео от eXacognition, состоящей из более чем 12 частей, которую меня попросили разработать в качестве вводного двухдневного буткемпа для руководителей, не являющихся разработчиками и докторами наук, на сайтах их клиентов. Они согласились выпустить большую часть презентационных видеороликов, которые я сделал в первый день, чтобы познакомить всех с ИИ и разработкой ИИ. В этих видео нет ничего слишком сложного, и содержание экрана важнее моей бессвязной речи. Не..
Недавние варианты использования Connected Graphs part3(CS)
Экстремальные и статистические свойства индексов собственных значений простых связных графов (arXiv) Автор: Сона Павликова , Даниэль Шевкович , Йозеф Сиран . Аннотация: Анализируются графы, достигающие экстремальных значений различных спектральных индексов в классе всех простых связных графов, а также в классе графов, не являющихся полными многодольными графами. Мы также представляем результаты о плотности индексов спектральной щели и ее непостоянстве по отношению к малым..
Работа с показателями Ляпунова часть 1(Chaos Theory + AI)
Показатели Ляпунова упрощены 4.3 Экспонента Ляпунова — Гипертекст по хаосу Орбиты стандартной карты, визуализированные с помощью Std Map. Описания, подобные приведенным в конце предыдущей страницы, неестественны… hypertextbook.com Ограниченный вариационный принцип показателей Ляпунова для типичных коциклов (arXiv) Автор: Реза Мохаммадпур Аннотация: в этой статье мы изучаем мультифрактальный формализм показателей Ляпунова..