Powiązane publikacje 'deep-learning'


5 najlepszych kursów online Scikit-Learn dotyczących uczenia maszynowego i analizy danych w 2023 r
To najlepsze kursy online do nauki biblioteki Scikit do uczenia maszynowego i analizy danych w roku 2023. Witajcie, jeśli chcecie poznać bibliotekę Scikit-Learn i szukacie najlepszych zasobów, takich jak kursy i zajęcia online, to trafiliście we właściwe miejsce. Wcześniej udostępniałem „najlepsze kursy Pythona” , a także „najlepsze kursy do nauki Data Science»e , a w tym artykule zamierzam podzielić się najlepszymi kursy do nauki biblioteki Scikit-Learn, jednej z..
Rozpoznawanie gestów za pomocą głębokiego uczenia się
Rozpoznawanie gestów to fascynująca dziedzina widzenia komputerowego, która w ostatnich latach zyskała znaczną uwagę. Ma wiele zastosowań w takich obszarach, jak gry, robotyka, interakcja człowiek-komputer i systemy bezpieczeństwa. W tym projekcie zbudujemy model, który będzie w stanie poprawnie przewidzieć pięć gestów na podstawie zbioru danych zawierającego setki filmów. Istnieją dwa rodzaje architektury modelu, które będziemy tutaj stosować: Sieć splotowa 3D (Conv3D) : sploty..
Najnowsze badania nad filtrami Kalmana, część 7
Szacowanie SOC online akumulatora litowo-jonowego na podstawie ulepszonego adaptacyjnego, rozszerzonego filtra Kalmana H Infinity (arXiv) Autor: Jierui Wang , Wentao Yu , Guoyang Cheng , Lin Chen Streszczenie: W przypadku systemu zarządzania akumulatorem pojazdu elektrycznego dokładne oszacowanie stanu naładowania akumulatora litowo-jonowego może skutecznie uniknąć uszkodzeń strukturalnych spowodowanych przeładowaniem lub nadmiernym rozładowaniem wewnątrz akumulatora. Biorąc pod..
Coraz popularniejsze rekomendacje
Coraz większa liczba osób polecających: od uczenia się płytkiego do głębokiego Streszczenie Zacznijmy od obrazu meduzy jako analogii. Meduzy mają duże zdolności przystosowawcze, jeśli chodzi o dostosowywanie warunków życia. W zależności od warunków środowiskowych i innych czynników można je spotkać w płytkich wodach lub głębokich, ciemnych okopach (jak pokazano powyżej). Być może uznają, że jest to korzystne dla obu stron: czas przebywania na poziomie morza lub odwrotnie,..
Nie pozwól, aby słabe dane stały się kryptonitem Twojego systemu percepcji
Słabe dane… Najniebezpieczniejszy złoczyńca, z którym twórcy zaawansowanych systemów percepcyjnych muszą się zmierzyć i pokonać, jeśli chcą opracować dokładny model głębokiego uczenia się. Z pewnością musiałeś kiedyś sobie z nimi poradzić, bo bądźmy szczerzy, możesz zebrać wszystkie dane z prawdziwego świata, a „ nadal nie zdobędziesz wszystkich danych ”, których potrzebujesz do wyszkolenia swojego dokładne modele głębokiego uczenia się. Co jednak można zrobić, aby zminimalizować luki..
Adaptacja domeny — ML dla wielu zbiorów danych
Notatki z branży Adaptacja domeny Wydajność uczenia maszynowego zależy od zestawu danych, na którym jest ono szkolone. Zbiory danych są niedoskonałe, więc problemy w danych wpływają na modele. Jednym z rodzajów problemów jest zmiana domeny. Oznacza to, że model wyszkolony do uczenia się zadania na jednym zbiorze danych może nie być w stanie wykonać tego samego zadania na nieco innym zbiorze danych. Załóżmy, że szkolisz model do wykrywania psów na świeżym powietrzu, np. w parkach..
Historia sieci neuronowych  — „Część 02
Historia sieci neuronowych — część 02 W tym artykule będę kontynuował poprzedni artykuł, „Historia sieci neuronowych — część 01”. Następnie porozmawiajmy o historii sieci neuronowych od lat 80. XX wieku do chwili obecnej. W 1982 roku pojawiło się nowe zainteresowanie tą dziedziną. John Hopfield z Caltech dostarczył list do Narodowej Akademii Nauk. Jego metodologia skupiała się na tworzeniu bardziej wydajnych maszyn przy użyciu relacji dwukierunkowych. W przeszłości połączenia..