Publicații conexe 'deep-learning'
Cele mai bune 5 cursuri online Scikit-Learn pentru învățarea automată și știința datelor în 2023
Acestea sunt cele mai bune cursuri online pentru a învăța biblioteca Scikit Learn pentru Machine Learning și Data Science în 2023.
Bună ziua, oameni buni, dacă doriți să nu învățați biblioteca Scikit-Learn și să căutați cele mai bune resurse, cum ar fi cursuri și cursuri online, atunci ați ajuns la locul potrivit.
Anterior, am împărtășit cele cele mai bune cursuri Python , precum și cele cele mai bune cursuri pentru a învăța Data Science e și, în acest articol, voi împărtăși..
Recunoașterea gesturilor folosind Deep Learning
Recunoașterea gesturilor este un domeniu fascinant al vederii computerizate care a câștigat o atenție semnificativă în ultimii ani. Are numeroase aplicații în domenii precum jocurile, robotica, interacțiunea om-calculator și sistemele de securitate. În acest proiect, vom construi un model care poate prezice corect cinci gesturi dintr-un set de date care conține sute de videoclipuri.
Există două tipuri de arhitectură model pe care le vom folosi aici:
Rețeaua convoluțională 3D..
Cele mai recente cercetări privind filtrele Kalman partea 7
Estimarea SOC online a bateriei litiu-ion bazată pe filtrul Kalman extins adaptiv H Infinity îmbunătățit (arXiv)
Autor: Jierui Wang , Wentao Yu , Guoyang Cheng , Lin Chen
Rezumat: Pentru sistemul de management al bateriei al vehiculului electric, estimarea precisă a stării de încărcare a bateriei cu litiu-ion poate evita în mod eficient daunele structurale cauzate de supraîncărcare sau descărcare excesivă în interiorul bateriei. Având în vedere că bateria litiu-ion este un sistem..
Recomandatori în ascensiune
Recomandări în ascensiune: de la învățare superficială la învățare profundă
Rezumat
Să începem cu imaginea unei meduze ca analogie. Meduzele au o adaptabilitate destul de mare atunci când vine vorba de a-și ajusta condițiile de viață. În funcție de condițiile de mediu și de alți factori, ei pot fi văzuți trăind fie în ape puțin adânci, fie în tranșee adânci și întunecate (așa cum se arată mai sus). Poate că ei găsesc că există un beneficiu pentru ambii, un timp pentru a fi la..
Nu lăsați datele slabe să devină criptonitul sistemului dvs. de percepție
Date slabe... Cel mai periculos răufăcător, dezvoltatorii de sisteme de percepție avansată trebuie să se confrunte și să-l învingă dacă doresc să dezvolte un model de învățare profundă precis.
Cu siguranță ați avut de-a face cu ei la un moment dat, pentru că, să fim sinceri, puteți colecta toate datele din lumea reală și „ totuși nu veți obține toate datele ” de care aveți nevoie pentru a vă instrui modele de învățare profundă cu acuratețe. Dar ce poți face pentru a minimiza lipsurile..
Adaptarea domeniului — ML pentru mai multe seturi de date
„Note din industrie”
Adaptarea domeniului
Performanța învățării automate depinde de setul de date pe care este antrenat. Seturile de date sunt imperfecte, așa că problemele din date afectează modelele. Un tip de problemă este schimbarea domeniului.
Aceasta înseamnă că un model antrenat să învețe o sarcină pe un set de date, este posibil să nu poată efectua aceeași sarcină pe un set de date ușor diferit.
Să presupunem că antrenezi un model pentru a detecta câinii în locuri în aer..
Istoria rețelelor neuronale — Partea 02
Istoria rețelelor neuronale - Partea 02
În acest articol, voi continua articolul anterior, „Istoria rețelelor neuronale — Partea 01”, apoi să vorbim despre istoria rețelelor neuronale din anii 1980 până în prezent .
În 1982, a apărut un nou interes în acest domeniu. John Hopfield de la Caltech a trimis o scrisoare Academiei Naționale de Științe. Metodologia sa s-a centrat pe crearea de mașini mai eficiente folosind relații bidirecționale. În trecut, conexiunile neuronale erau..
