Публикации по теме 'neural-networks'


Становимся зелеными, перерабатывая прогнозы!
Согласно этому исследованию , обучение одной модели глубокого обучения может генерировать до 626 155 фунтов выбросов CO2 — это примерно равно общему углеродному следу пяти автомобилей за весь срок службы! И не говоря уже о том, что обычно модели глубокого обучения запускаются несколько раз при попытке предсказать значение, то есть во время INFERENCE! Но есть ли способ уменьшить углеродный след процесса вывода? В этой записи блога мы увидели, что можно пропустить некоторые уровни..
Понимание алгоритма оптимизации AdaGrad: адаптивный подход к скорости обучения
Введение Чтобы получить точные и эффективные результаты в области глубокого обучения и машинного обучения, необходимо оптимизировать параметры модели. Был создан ряд алгоритмов оптимизации для улучшения обучения и ускорения сходимости. AdaGrad (Adaptive Gradient Algorithm) — один из таких алгоритмов, который регулирует скорость обучения для каждого параметра на основе его предыдущих градиентов. В этом эссе мы углубимся во внутреннюю работу AdaGrad, ее преимущества и возможные..
Бонсай говорит об объяснимости глубокого обучения на встрече SF
Прежде всего, благодарим Mattermark за то, что нас устроили, и Встречу по машинному обучению в SF Bay Area за приглашение Bonsai выступить на прошлой неделе. Они были дружной группой людей, и Сара Катандзаро из Canvas Ventures была силой, с которой нужно было считаться в своем разговоре о подводных камнях стартапов с машинным интеллектом. Кин Браун здесь, в Bonsai, говорил о возможности повторения и объяснения систем глубокого обучения, и я мог сказать, что все были очень..
3Blue1Brown: нейронные сети
БЕСПЛАТНОЕ ЖИВОЕ ВИДЕО 3Blue1Brown: нейронные сети Математик Грант Сандерсон, более известный на YouTube как 3blue1brown, упрощает сложную тему глубокого обучения с помощью своего уникального визуального подхода. В Нейронные сети , БЕСПЛАТНО НА ВИДЕООБРАБОТКЕ , курс номер 1 был улучшен и расширен исключительно для Мэннинга! Благодаря потрясающим визуализациям, рассказыванию историй и анимации вы узнаете, что такое нейронные сети и как они обеспечивают невероятные результаты...
Решатель собственных значений нейронной сети с Tensorflow
В этой статье представлена ​​реализация на Python алгоритма, представленного в статье Подход на основе нейронных сетей для вычисления собственных векторов и собственных значений симметричной матрицы Чжан И и Ян Фу. Введение Ниже приведен алгоритм нейронной сети, который можно использовать для нахождения наименьшего или наибольшего собственного вектора симметричной положительно определенной матрицы. Собственные векторы и результирующие собственные значения матриц используются..
Важность правильной инициализации веса в нейронных сетях для задач глубокого обучения
Инициализация веса — очень важный аспект обучения нейронных сетей, который всегда игнорируется, поскольку различные библиотеки обрабатывают его самостоятельно. Но понимание того, почему, как и когда этой концепции может помочь в достижении лучших результатов за счет использования пользовательской инициализации веса. Это влияет на то, насколько быстро нейронная сеть может сходиться во время обучения и не застревает ли она в локальных минимумах. Плохая инициализация может привести к..
Реализация рекуррентной нейронной сети
Добро пожаловать в NeeshAi ! Нам доставляет огромное удовольствие написать эту статью. Когда мы начинали несколько недель назад, я и представить себе не мог, что мы зайдем так далеко. Вы можете подумать, что это не так уж и важно; это может быть правдой, но все, что я хочу сказать, это то, что нет предела тому, что мы можем исследовать. Итак, не теряя времени, приступим. Мы уже рассмотрели основную интуицию, лежащую в основе рекуррентных нейронных сетей , в предыдущем учебнике . В..