Публикации по теме 'machine-learning'


Какой алгоритм машинного обучения будет продолжать использоваться в 2118 году?
Итак, какие ответы приходили вам в голову? Случайный лес, SVM, K означает, Knn или даже Deep Learning и его варианты? Теперь некоторые из вас могут посмеяться и сказать, как, черт возьми, вы можете предсказывать так далеко вперед, предсказывать вещи на 100 лет вперед - это безумие. Что заставляет вас сказать, что регрессия продолжит использоваться в 2118 году? Ответ - эффект Линди . Да, эвристика, которую я использую, чтобы предсказать это, - это эффект Линди. Хорошо,..
Локально-линейное вложение (LLE) | Сбор данных
Читать без платного доступа Локально-линейное вложение (LLE) - это метод уменьшения нелинейной размерности, предложенный Сэмом Т. Роуисом и Лоуренсом К. Саулом в 2000 году в их статье Уменьшение нелинейной размерности с помощью локально-линейного вложения . Эта статья основана на нескольких источниках, упомянутых в разделе ссылок. Проект Дженнифер Чу помог мне лучше понять LLE. Алгоритмы машинного обучения используют функции, которым они обучены, для прогнозирования..
Информационный бюллетень Heartbeat Vol. 68
Персонализация Core ML 3 на устройстве, код машинного обучения в комплекте с Dart, внутренняя структура искусственного интеллекта Apple, обновления ARCore, NLP на iOS и многое другое НОВОСТИ Обучение на устройстве Core ML 3: k-Nearest Neighbours Эксперт по Core ML Маттейс Холлеманс с последними новостями в своем превосходном глубоком погружении в особенности персонализации Core ML 3 на устройстве. В этом посте он показывает, как создать настраиваемый классификатор изображений..
Предсказание исхода игр НБА с помощью машинного обучения
Как мы использовали (и вы тоже можете) машинное обучение, чтобы лучше понять роль статистики в спорте. Принимая решение о заключительном проекте для нашего класса по аналитике больших данных, мои партнеры Джек Рознер, Джексон Джоффе и я стремились объединить интерес к спорту с принципами, которые изучались в течение семестра. После нескольких дней обсуждения мы остановились на проекте, цель которого - предсказать исход игр НБА. При реализации нашей цели мы сочли полезным разбить проект на..
Как распознать поддельные изображения, созданные искусственным интеллектом
В 2014 году исследователь машинного обучения Ян Гудфеллоу представил идею генеративных состязательных сетей или GAN. Генеративные , потому что они выводят такие вещи, как изображения, а не прогнозы относительно входных данных (например, хот-дог или нет ); Состязательные сети , потому что они используют две нейронные сети, конкурирующие друг с другом в игре в кошки-мышки , как кассир и фальшивомонетчик: одна пытается обмануть другую, заставляя думать, что она может генерировать..
Дорожная карта для завоевания компьютерного зрения
Как начать работу с компьютерным зрением Стало традицией писать блоги, в которых даются рекомендации по машинному обучению ace. Мне было трудно найти такую ​​дорожную карту и список дел для компьютерного зрения. Как энтузиаст и консультант в области компьютерного зрения, я обнаружил, что множество людей спрашивают о конкретной дорожной карте (с точки зрения навыков, курсов и т. Д.) Для понимания компьютерного зрения. Следующий блог пытается служить этой цели. Следует отметить, что это..
Объясняемый ИИ (xAI)
В современных подходах входные данные и информация о классе могут быть обучены с высокой производительностью и протестированы с новыми входными данными. Однако эта модель зависит от размера набора данных, качества набора данных, набора гиперпараметров, используемых в моделях глубокого обучения, функций активации и алгоритмов оптимизации. Уровни в глубокой сети позволяют машине распознавать то, что мы предоставляем. Нижние уровни предоставляют информацию о более общем аспекте ввода...