Публикации по теме 'machine-learning'


Разница между выпуклой и невыпуклой функцией стоимости; что это значит, когда функция стоимости…
В машинном обучении функция стоимости — это функция, которая измеряет ошибку между прогнозируемыми и фактическими значениями. Цель состоит в том, чтобы свести к минимуму эту ошибку, чтобы улучшить производительность модели. Функция стоимости называется выпуклой, если она имеет форму чаши с единственной точкой минимума. С другой стороны, невыпуклая функция стоимости имеет несколько точек локального минимума, и глобальный минимум может быть нелегко определить. Когда функция стоимости..
Матрица путаницы в машинном обучении
Обычно в контролируемом обучении матрица путаницы представляет собой матрицу (таблицу), которую можно использовать для измерения производительности при классификации машинного обучения. Это своего рода матрица (таблица), которая помогает вам обобщить, описать или оценить производительность модели классификации на наборе тестовых данных, для которых известны истинные значения. Каждый столбец матрицы путаницы представляет экземпляры реального класса, а каждая строка представляет..
Оценка расстояния (веб-камера) с одной камерой 📷 OpenCV-python
Итак, как же мы можем определить расстояние от камеры объекта в режиме реального времени с помощью веб-камеры с приличной точностью, не требуя вообще никакого дополнительного оборудования, такого как стереокамера или датчик глубины?* В этом сообщении в блоге будет рассказано о реализации простого алгоритма, называемого сходством треугольника, для обнаружения объектов мы сохраним его простым, просто используя обнаружение лиц OpenCV. Демонстрационное видео для оценки расстояния..
Обнаружение маски лица с помощью CNN и моделей трансферного обучения (какой подход лучше?)
Введение: CNN (Convolutional Neuron Network) — нейронная сеть с глубоким обучением. Он особенно эффективен для поиска шаблонов на изображениях для выполнения различных задач, таких как классификация изображений, обнаружение объектов и сегментация. Структурно CNN состоит из сверточного слоя, слоя пула и полносвязного слоя. Эти слои выполняют операции фильтрации для изучения и извлечения пространственных иерархий объектов из необработанных входных данных и выполнения различных..
Роль машинного обучения больших данных и искусственного интеллекта в оценке рисков: нормативно-правовые аспекты
Введение Большие данные — это совокупность больших и сложных наборов данных, которые слишком велики для управления с помощью традиционных инструментов обработки данных. Это относится к наборам данных, которые слишком велики и сложны для обработки традиционными инструментами обработки данных. Машинное обучение (ML) — это область искусственного интеллекта (ИИ), которая…
Будущее искусственного интеллекта: чего ожидать
Искусственный интеллект (ИИ) добился значительного прогресса в последние годы и готов изменить многие отрасли и аспекты повседневной жизни в будущем. Вот некоторые из событий, которые мы можем ожидать в будущем ИИ: Достижения в области обработки естественного языка. Обработка естественного языка (NLP) — это способность ИИ понимать человеческий язык и реагировать на него. В будущем мы можем ожидать, что НЛП станет более изощренным, что позволит ИИ понимать сложные языковые модели,..
Приложения 2D-диффузии в реальных сценариях, часть 2 (машинное обучение)
Генерация 3D-изображений с использованием 2D-диффузионных моделей (arXiv) Автор: Цзяньфэн Сян , Цзяолун Ян , Бинбинь Хуан , Синь Тонг . Аннотация: В этой статье мы представляем новый метод генерации 3D-изображений, который использует 2D-модели диффузии. Мы формулируем задачу генерации 3D-изображения как генерацию набора многоракурсных 2D-изображений, а далее — последовательный безусловно-условный процесс генерации многоракурсного изображения. Это позволяет нам использовать..