Публикации по теме 'neural-networks'


Нейронные сети  — «Как обучить Deep MLP за 10 шагов» от наивного ребенка
Это мой блог, чтобы помочь всем понять шаги, связанные с обучением глубокому MLP на простом английском языке без особого вмешательства математики, статистики или кода. Я открыт для критики, пожалуйста, не стесняйтесь использовать раздел комментариев. Со мной также можно связаться по адресу [email protected]. Давайте начнем с краткого введения в то, что такое Deep MLP… Что такое Deep MLP? Deep MLP создает несколько скрытых слоев в нейронной сети. Здесь глубина относится к..
Ваш первый шаг в глубоком обучении
Распознавание рукописных цифр с использованием сверточных нейронных сетей на Python с Keras Первым шагом распознавания объектов для машинного обучения и глубокого обучения является набор данных MNIST для распознавания рукописных цифр. В этой статье вы узнаете, как разработать модель глубокого обучения, чтобы достичь практически высочайшего уровня производительности в задаче распознавания рукописных цифр MNIST в Python с использованием библиотеки глубокого обучения Keras. После изучения..
Визуализация CNN (часть 5)
В своем предпоследнем сообщении в блоге я сравнил свои первоначальные результаты по кластеру… которые, как я позже обнаружил, были совершенно неверными. Оказывается, моя модель увеличивала произвольный индекс j , пока не нашла файл с этим индексом. Поскольку одновременно работало сорок сетей, вероятность одновременной записи двух файлов с одним и тем же индексом была довольно высока. Поэтому мне пришлось выбросить эти данные и переписать код, используя уникальные индексы для каждого..
Симметричное гетерогенное трансферное обучение
Трансферное обучение - это исследовательская проблема в машинном обучении, которая фокусируется на хранении знаний, полученных при решении одной проблемы, и применении их к другой, но связанной проблеме. Его также можно применять при решении той же проблемы с использованием разных, но так или иначе связанных доменов. Давайте рассмотрим исходный и целевой домены, которые различаются представлениями пространств признаков. Мы хотели бы как-то объединить пространство, используя функциональные..
Снижение размерности - действительно ли PCA улучшает результат классификации?
Вступление Я наткнулся на пару ресурсов о методах уменьшения размерности. Эта тема, безусловно, одна из самых интересных. Приятно думать, что существуют алгоритмы, способные уменьшить количество функций, выбирая наиболее важные из них, которые по-прежнему представляют весь набор данных. Одним из преимуществ, отмеченных авторами, является то, что эти алгоритмы могут улучшить результаты задачи классификации. В этом посте я собираюсь проверить это утверждение с помощью анализа основных..
Объединение анализа главных компонентов (PCA) с искусственными нейронными сетями
Что такое анализ главных компонентов (PCA)? Анализ главных компонентов - это метод обучения без учителя, который часто используется для уменьшения размерности больших наборов данных или упрощения их сложности путем преобразования большого набора переменных в небольшой, пытаясь сохранить большую часть информации исходного набора данных. Анализ главных компонентов сокращает данные, геометрически проецируя их на более низкие измерения, которые, в свою очередь, называются основными..
Как большие девочки создают продукты машинного обучения: доклад женщин о продукте (часть I)
Что я делал, когда был в Нью-Йорке и у меня был свободный вечер? Я просмотрел Eventbritte и обнаружил, что это мероприятие организовано Squarespace Inc. и организована Женщины в продукте . Я знаю, что есть книги и статьи о передовых методах машинного обучения, но было действительно интересно увидеть процесс и образ мышления различных компаний, когда они создают продукты, основанные на машинном обучении. Вы можете увидеть представленные компании на панели с картинки, а вот спикеры:..