Публикации по теме 'artificial-intelligence'
Анатомия умной нейронной сети
на основе возможной ложной гипотезы ...
Исходя из предположения, что на физическом, анатомическом уровне существуют различия в подключении и функционировании мозга с IQ 170 и мозга с IQ 105: можем ли мы отразить эти анатомические различия в наших алгоритмах, чтобы сделать умнее, большее способные, алгоритмы?
Если мы планируем иметь такие же умные алгоритмы, как люди, не должны ли мы использовать то, что, как мы знаем, делает человеческий мозг умнее, чем другой человеческий мозг, в..
Машинное обучение для расширенных сетей цепочек поставок
Мы во многом зависим от ИИ или искусственного интеллекта , он захватил почти каждый сектор, в котором мы работаем. Даже наши дома становятся умными с внедрением ИИ и в значительной степени сокращают человеческие усилия, делая машины способны работать как люди, но лучше. В мире не осталось ни одной отрасли, которая не внедрила бы технологию ИИ в свои процессы. Таким образом, логистика также недалеко от использования ИИ в своем процессе. Человеческие ошибки, которые не могут..
Разработки в области расширенной реальности часть2
The…Tinderverse?: возможности и проблемы безопасности пользователей в приложениях для знакомств с расширенной реальностью (XR) (arXiv)
Автор: Сарат С. Шанкер , Дуглас Зитко
Аннотация . Приложения для знакомств, такие как Tinder, объявили о планах создания метавселенной знакомств: внедрение технологий XR в процесс онлайн-знакомств для расширения взаимодействия между потенциальными сексуальными партнерами в виртуальном и физическом мирах. Хотя метавселенная знакомств все еще..
Как работает сжатие облака точек, часть 5 (машинное обучение)
Многомасштабная модель энтропии со скрытым управлением для сжатия облака точек LiDAR (arXiv)
Автор: Тинью Фан , Линяо Гао , Илин Сюй , Дун Ван , Чжу Ли .
Аннотация: Неравномерное распределение и чрезвычайно разреженный характер облака точек LiDAR (LPC) создают серьезные проблемы для его высокоэффективного сжатия. В этой статье предлагается новая сквозная, полностью факторизованная глубокая структура, которая кодирует исходный LPC в структуру октодерева и иерархически разлагает..
MLOps Notes 3.1: Обзор моделирования для проектов машинного обучения
С возвращением, все! Это Акил Тертала. В последней статье мы рассмотрели стандартные методы и проблемы, возникающие на этапе развертывания жизненного цикла машинного обучения. Теперь мы делаем еще один шаг назад и переходим на этап моделирования .
Эта часть посвящена критическим проблемам, возникающим при разработке моделей машинного обучения, таким как работа с искаженными наборами данных или интересному случаю, когда модель после развертывания работает хуже, несмотря на очень..
Делюсь лучшим советом, который я когда-либо слышал в своей жизни о науке о данных
Привет! Я Гейб, страстный аналитик данных с более чем десятилетним опытом анализа и визуализации данных.
Мое путешествие в мир науки о данных было захватывающим и преобразующим. По пути я встретил бесчисленное количество советов и мудрых крупиц, которые сформировали мое понимание и подход к этому увлекательному…
Создание приложения-классификатора простуды или язвы с использованием глубокого обучения
Я прошел последнюю версию курса FastAI Джереми Ховарда и решил создать простое приложение на основе того, что я уже узнал.
На мой взгляд, Fastai — один из лучших ресурсов для изучения глубокого обучения. Я не буду тратить много времени на то, чтобы объяснить, почему это здесь, но проверьте это: https://www.fast.ai/
Fastai — это не только курс, но и библиотека, работающая поверх Pytorch и упрощающая многие настройки, необходимые для начала обучения вашей модели.
Трансферное..
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..