Публикации по теме 'deep-learning'
Ответ с помощью абстракций — обобщение ИИ
Скажем, мы принадлежим к компьютерному классу средней школы и решили написать компьютерную программу, которая идентифицирует собак по изображениям животных. В качестве примера возьмем черного лабрадора и выведем свод правил о том, как выглядит собака.
Мы кодируем логику, например:
если цвет животного = черный, рост = 57 см, язык = выкатывается, лай = да: вывод: собака иначе: вывод: не собака
Наша программа явно не смогла бы идентифицировать желтого лабрадора или более высокого..
Актуальные темы машинного обучения, исследовательские лаборатории ИИ в Индии, байесовские варианты использования и рабочие места
Главные темы машинного обучения 2021 года от Шеймуса Макговерна
Актуальные темы машинного обучения меняются из года в год, и в 2021 году особое внимание уделяется MLOps, машинному обучению в реальном времени и другим.
Выдающиеся лаборатории искусственного интеллекта в Индии
По всей стране лаборатории искусственного интеллекта в Индии добились больших успехов в продвижении этой области на новый уровень. Вот некоторые выдающиеся лаборатории.
6 применений байесовских..
ResNets - остаточные блоки и глубокое остаточное обучение
ResNets решает проблему снижения производительности, связанную с глубокими нейронными сетями, по мере того, как они углубляются в сеть.
Глубокое обучение использует возможности больших данных, создавая глубокие нейронные архитектуры, которые пытаются аппроксимировать функцию f (x) , которая может сопоставлять входные данные x с соответствующей меткой у. Теорема универсальной аппроксимации утверждает, что сеть прямого распространения с одним слоем может точно аппроксимировать..
Просто хочу отображать параметры прицела за период не с 0
В настоящее время время моя симуляция находится в диапазоне от 0 до 50 с, но я просто хочу получить такие параметры, как среднеквадратичное значение или выброс, между 20–35 с и 35–50 с. Я попытался изменить интервал времени и смещение времени на вкладке Вид , но график показывает совершенно неправильно, и результат также неверен.
ОТВЕЧАТЬ
Matlabsolutions.com предоставляет последнюю Помощь по домашним заданиям MatLab , Помощь по заданию MatLab для студентов, инженеров и..
Классификация фруктов с использованием глубокого обучения
Задача
В этом проекте мы будем классифицировать фрукт и отображать его имя в качестве вывода из данной фотографии фрукта в качестве ввода.
Датасет- https://www.kaggle.com/sshikamaru/fruit-recognition
Набор данных состоит из 33 выбранных различных видов фруктов. Каждая папка названа в честь фрукта и содержит более 400 изображений этого фрукта в разных ракурсах и при разном освещении. На основе данного изображения нам нужно классифицировать фрукты как одну из 33 категорий...
Рекомендательные системы, использующие глубокое обучение в PyTorch с нуля
Рекомендательные системы (RS) существуют уже давно, и недавние достижения в области глубокого обучения сделали их еще более захватывающими. Алгоритмы матричной факторизации были рабочей лошадкой RS. В этой статье я предполагаю, что вы смутно знакомы с методами на основе совместной фильтрации и имеете базовые знания об обучении нейронной сети в PyTorch.
В этом посте моя цель - показать вам, как реализовать RS в PyTorch с нуля. Теория и модель, представленные в этой статье, были..
Прогнозирование физики плавильной ванны аддитивного производства с использованием данных физического моделирования
Авторы: Цанчэн Тан, Шию Лю, Юэ Чжуан
Введение в проблему
Аддитивное производство (AM) - это относительно новый производственный процесс, который демонстрирует множество благоприятных характеристик, невозможных с помощью субтрактивных методов. Однако качество детали невозможно контролировать, если не реализовать полномасштабное физическое моделирование. Чтобы упростить физическое моделирование, мы стремимся предоставлять быстрые прогнозы физики плавильной ванны, чтобы обеспечить..
