Публикации по теме 'deep-learning'
Регуляризация вашей нейронной сети: методы уменьшения переобучения
Построение нейронной сети, которая фиксирует сложность данных без переобучения, является распространенной задачей. Переоснащение происходит, когда модель становится слишком сложной и фиксирует шум в данных, что приводит к плохой производительности обобщения. Методы регуляризации помогают решить эту проблему, ограничивая возможности модели и снижая риск переобучения.
Что такое регуляризация?
Регуляризация относится к методам, которые добавляют штраф к функции потерь, чтобы уменьшить..
Машинное обучение для зомби
Нейронные сети в кусках размером с укус — начало
Нейронные сети, также известные как многослойные персептроны (MLP), представляют собой сложные алгоритмы, требующие больших вычислительных мощностей и тонны данных для получения удовлетворительных результатов в разумные сроки. Тем не менее, при правильной реализации и при наличии достаточного количества правильных типов данных они могут давать результаты, с которыми до сих пор не могла сравниться ни одна другая техника машинного обучения..
Как развивается квантовая космология, часть 1 (продвинутая космология)
Начало работы с квантовой космологией
Квантовая космология: обзор В квантовой космологии квантовая физика применяется ко всей Вселенной. Пока нет уникальной версии и нет полностью… arxiv.org
Отсутствие гладкого пространства-времени в лоренцевской квантовой космологии и транспланковской физике (arXiv)
Автор: Хироки Мацуи , Синдзи Мукохяма , Ацуши Наруко .
Аннотация: В квантовой космологии мини-суперпространства недавно..
Как методы глубокого обучения могут предложить траектории динамического обучения в области образовательного программирования…
В этой серии я расскажу об основных выводах моей диссертации, которую я делаю на факультете компьютерных наук KU Leuven. В этом сообщении в блоге подробно рассматривается постановка проблемы, чтобы дать вам лучшее представление о том, почему адаптивные траектории обучения важны, а также дать некоторые подсказки о том, как к этому можно подойти.
Образовательные платформы для изучения языков программирования очень часто предлагают свои услуги довольно статично, когда траектория учащегося..
Как далеко мы продвинулись с 3D Object Detection part6 (Computer Vision + AI)
Улучшение обнаружения объектов LiDAR 3D с помощью оптимизации плотности облака точек на основе диапазона (arXiv)
Автор: Эдуардо Р. Коррал-Сото , Алаап Гранди , Янис Ю. Хе , Мриганк Рочан , Бинбин Лю .
Аннотация: В последние годы был достигнут значительный прогресс в обнаружении 3D-объектов на основе LiDAR, в основном благодаря достижениям в разработке архитектуры детекторов и доступности крупномасштабных наборов данных LiDAR. Существующие детекторы 3D-объектов, как правило, хорошо..
«Моделирование взаимосвязи между CGPA, IQ и зарплатой: подход множественной линейной регрессии…
Множественная линейная регрессия — это метод статистического моделирования, используемый для анализа связи между зависимой переменной и двумя или более независимыми переменными. Другими словами, это помогает определить, как изменения в одной или нескольких независимых переменных влияют на зависимую переменную.
Цель множественной линейной регрессии — найти линейное уравнение, которое лучше всего описывает взаимосвязь между зависимой переменной и независимыми переменными. Уравнение можно..
Как орициклы используются в области гиперболической геометрии, часть 2
Рост и узловой ток сложных собственных функций орицикла (arXiv)
Автор : Михаил Дубашинский
Аннотация: Мы изучаем собственные функции орицикла на плоскости Лобачевского. Это функции u:H=C+={z∈C:Iz›0}→C такие, что (−y2(∂2∂x2+∂2∂y2)+2iτy∂∂x)u(x+iy)=s2u(x +iy), x+iy∈C+, где τ,s∈R, τ большие и s/τ малые. Другими словами, мы изучаем собственные функции \emph{магнитного} квантового гамильтониана на гиперболической плоскости. По квазиклассическому принципу соответствия асимптотика..
Новые материалы
Обучение модели Keras с большим набором данных (пакетное обучение)
Привет народ!! В этом блоге я собираюсь обсудить очень интересную особенность Keras. При обучении любой модели глубокого обучения обязательным условием для получения хорошего результата..
Раскрытие возможностей сверточных нейронных сетей: обучение аутентификации изображений
1.0 ВВЕДЕНИЕ
В области анализа цифровых изображений насущной необходимостью стала разработка надежных методов, позволяющих отличить подлинные изображения от поддельных. С появлением сложных..
Изучение основных библиотек Python для науки о данных
В эпоху больших данных и информационной перегрузки способность извлекать значимую информацию из огромных наборов данных стала важнейшим навыком. Именно здесь в игру вступает наука о данных...
Легко загружать в React элемент HTML в виде изображения
Много раз на наших сайтах нам нужно сделать кнопку доступной для пользователей, чтобы они могли загружать содержимое страницы. Иногда нам нужно загрузить таблицу, график или, в более общем..
Запуск кластера Stable Diffusion на GCP с обслуживанием tensorflow (часть 1)
Часть 1. Настройка инфраструктуры с помощью Terraform
В первой части этого руководства, состоящего из двух частей, мы научимся создавать кластер Kubernetes, который развертывает модель Stable..
Внедрение человечности в машинное обучение
Иногда мне хочется, чтобы прогресс в кодировании был хоть немного более полезным. Если использовать баскетбол — еще одно хобби всей моей жизни — для сравнения: когда я забиваю мяч, это гораздо..
Обнаружение выражений лица и поз с помощью машинного обучения
От обнаружения лица человека до доступа к устройствам или распознавания человека с помощью камер видеонаблюдения или прогнозирования стратегий в спорте путем определения ключевых точек поз или..