Публикации по теме 'machine-learning'
Процесс очистки данных для машинного обучения
Очистка данных — одна из важнейших частей машинного обучения. Он играет важную роль в построении модели машинного обучения. Качество данных является важным аспектом для обучения модели машинного обучения. Неточные данные могут повлиять на результаты. Проблемы с качеством данных могут возникнуть в любой части информационных систем.
Метод, который помогает преобразовать неправильные данные в значимые данные. Машинное обучение управляется данными. Благодаря методам очистки данных..
Как далеко мы продвинулись с автономным вождением в 2023 году, часть 3 (компьютерное зрение)
Идентификация критических сценариев для автоматизированного вождения на основе спецификаций (arXiv)
Автор: Адам Молин , Эдгар А. Агилар , Деян Ничкович , Мэнцзя Чжу , Альберто Бемпорад , Хасан Эсен .
Аннотация: Чтобы протестировать автоматизированные системы вождения, мы представляем тематическое исследование для поиска критических сценариев в условиях вождения, руководствуясь формальными спецификациями. С этой целью мы разрабатываем структуру для идентификации критических..
Является ли ИИ следующей серьезной угрозой изменения климата? Мы понятия не имеем.
Раздаются ужасные предупреждения о потребностях ИИ в энергии, но новые чиповые технологии и даже сам ИИ могут помочь сдерживать потребности в дополнительной электроэнергии.
Мартин Джайлс
Индикатор скорости изменения. Другой взгляд на импульс
Кодирование индикатора известной скорости изменения в Python
Импульс имеет много углов и может быть измерен разными способами. Кроме того, на основе этой замечательной концепции можно разработать множество стратегий. В этой статье мы обсудим известный индикатор импульса, называемый скоростью изменения, а затем посмотрим, как его можно использовать в двух разных стратегиях: возврат к среднему…
Тема: 4-х функциональный трансформатор
В Feature Engineering преобразователь — это функция или набор функций, которые применяются к набору данных для извлечения или создания новых функций из исходных данных. Это можно использовать для повышения производительности модели машинного обучения, предоставляя ей более информативные или релевантные входные функции. Вот некоторые примеры преобразователей признаков:
𝐍𝐨𝐫𝐦𝐚𝐥𝐢𝐳𝐚𝐭𝐢𝐨𝐧: Преобразование объекта, чтобы иметь среднее значение 0 и стандартное отклонение 1. 𝐎𝐧𝐞-𝐡𝐨𝐭..
Ускорение моделей обнаружения объектов, привязанных к памяти: MobileNetV2_SSD — Neural Magic
TL;DR: узнайте больше о повышении производительности моделей MobileNetV2_SSD за счет обрезки и сокращения времени постобработки.
Чтение время : 3 минуты 15 секунд.
Во многих сценариях обнаружения объектов нельзя терять ни минуты. Доля секунды может означать разницу между тем, когда беспилотный автомобиль сбивает собаку, переходящую дорогу, или едва не промахивается мимо нее. И скорость, и точность имеют решающее значение. Модели MobileNetV2_SSD были созданы для случаев..
Новые исследования в области квантового машинного обучения, часть 1
Новая стохастическая модель LSTM, вдохновленная квантовым машинным обучением (arXiv)
Автор: Джозеф Линдсей , Рамтин Занд .
Аннотация: Работы в области квантового машинного обучения (QML) за последние несколько лет показывают, что алгоритмы QML могут функционировать так же хорошо, как и их классические аналоги, а в некоторых случаях даже превосходить их. Среди недавних работ многие текущие модели QML используют преимущества схем вариационного квантового алгоритма (VQA), учитывая, что..
