Публикации по теме 'deep-learning'
Действительно ли искусственный интеллект настолько впечатляет?
Искусственный интеллект существует уже несколько десятилетий, но за последние несколько лет он приобрел большую популярность и внимание общественности. Машинное обучение , глубокое обучение , интеллектуальный анализ данных — все эти модные словечки продолжают появляться в СМИ. Действительно ли эта новая технология настолько впечатляет? Ну, это зависит от того, насколько вы близки с компьютерами. В этой серии мы рассмотрим ряд тем, связанных с ИИ и его приложениями . В этом введении..
Распутывающий однократный многоблочный детектор (SSD)
Введение
В этом посте я расскажу о детекторе Single Shot Multi-box Detector, который используется для задачи обнаружения объектов. Этот детектор относится к семейству одношаговых классификаторов. Следовательно, это делает его быстрым и, следовательно, полезным в приложениях реального времени. Одной из ключевых характеристик этого алгоритма является его способность прогнозировать объекты разных размеров. Давайте начнем статью с обсуждения сетевой архитектуры алгоритма, а затем мы..
Обзор фреймворков глубокого обучения
В настоящее время доступно ограниченное количество инструментов с точки зрения фреймворков глубокого обучения, поскольку они реализуют алгоритмы, которые используются в новейших приложениях, таких как компьютерное зрение и машинный перевод. Для правильного моделирования глубоких нейронных сетей необходимо правильно выбрать фреймворк. В этой статье обсуждается обзор фреймворков с открытым исходным кодом и глубокого обучения, таких как TensorFlow, CNTK, Theano, Torch, Caffe, MXnet и Neon...
Объектно-ориентированное решение проблем в Python: 12 лучших практик
Возможности объектно-ориентированного программирования Python упрощают создание модульного и многократно используемого кода. Вот 12 ключевых рекомендаций по эффективному использованию ООП для решения задач программирования:
1. Инкапсулируйте поведение в классах
Хорошо спроектированные классы инкапсулируют связанные данные и поведение в одну логическую сущность. Эта абстракция позволяет работать на более высоком уровне, не беспокоясь о деталях внутренней реализации. Например,..
Понимание массивных сетей IoT, часть 2 (IOT)
Обнаружение активности для NOMA без грантов в массивных сетях IoT (arXiv)
Автор: Мехрташ Мехраби , Мостафа Мохаммадкарими , Масуд Ардакани .
Аннотация: Недавно для массивных сетей Интернета вещей (IoT) была введена парадигма безгрантовой передачи, позволяющая сэкономить время и пропускную способность, а также передать сообщение с малой задержкой. Чтобы точно декодировать сообщение каждого устройства на базовой станции (БС), сначала необходимо идентифицировать активные устройства в..
Механизм внимания в Трансформерах
Современные передовые языковые модели основаны на архитектуре преобразователя [1]. Архитектура преобразователя, в остальном ничем не отличающаяся от MLP (многослойный персептрон), опирается на механизм внимания. Внимание предоставляет сети возможность извлекать долгосрочные отношения в заданных последовательностях слов, что имеет решающее значение для понимания естественного языка. Прежде чем приступить к основному обсуждению, я кратко объясню встраивания слов. Для простоты я представлю «..
Введение в компьютерное зрение
Компьютерное зрение — это ветвь искусственного интеллекта, которая фокусируется на извлечении полезной информации из изображений и видео. Если ИИ позволяет компьютерам думать, то компьютерное зрение позволяет им смотреть, учиться и понимать.
Компьютерное зрение устроено аналогично человеческому зрению. Люди учатся, многократно видя вещи и выявляя закономерности. Наш мозг состоит из невероятно большой сети взаимосвязанных нейронов, которые таинственным образом хранят и обрабатывают..
