Публикации по теме 'neural-networks'


Нейрона
Нейрона является дочерью моего первого проекта по генерации текстов НС Нейронная защита . После успеха с автоматической генерацией русской поэзии мы с моим другом Иваном Ямщиковым решили сосредоточиться на англоязычной версии той же архитектуры. Мы собрали в сети около 200 МБ текстов классической и современной поэзии на английском языке и попытались использовать этот набор данных для обучения, но качество онлайн-поэзии было настолько низким, что мы потратили несколько недель на..
Распознавание дорожных знаков через нейронную сеть
Создайте проект распознавания дорожных знаков Цели/этапы этого проекта следующие: Загрузите набор данных (см. ниже ссылки на набор данных проекта) Исследуйте, обобщайте и визуализируйте набор данных Проектировать, обучать и тестировать архитектуру модели Используйте модель, чтобы делать прогнозы для новых изображений Проанализируйте вероятности softmax новых изображений Подведите итоги в письменном отчете Использование мой код jupyter notebook Traffic_Sign_Classifier.ipynb..
InfoGAN - Генеративные состязательные сети, часть III
Ознакомьтесь с моими видео YouTube в сети GAN . Эта статья изначально появилась на blog.zakjost.com В Части I был представлен оригинальный документ GAN. Часть II представляет собой обзор DCGAN, который значительно улучшил производительность и стабильность GAN. В этой заключительной части будет исследован вклад InfoGAN , который применяет концепции из теории информации для преобразования некоторых шумовых терминов в скрытые коды, которые имеют систематическое предсказуемое..
Нейронная сеть с нуля
В настоящее время я прохожу курс машинного обучения в рамках моей учебной программы по информатике. Недавно у нас был проект, в котором нам нужно было построить нейронную сеть Multilayer Perceptron для классификации определенного набора данных. Хотя проект дал мне хорошее представление о том, как работает многослойный персептрон, мы смогли импортировать в Python очень мощные пакеты (отчасти то, что делает язык таким замечательным), которые не позволяли заглянуть внутрь программы. нейронная..
Глоссарий глубокого обучения: предвзятость
Активация узла нейронной сети определяется следующим: output = activation_function(dot_product(weights, inputs) + bias) Это означает, что при вычислении выхода узла входные данные умножаются на веса, а к результату добавляется значение смещения. Значение смещения позволяет смещать функцию активации влево или вправо, чтобы лучше соответствовать данным. Следовательно, изменения весов изменяют крутизну сигмовидной кривой, в то время как смещение смещает ее, сдвигая всю кривую, чтобы..
Вычисления v0.7.8
Представлен пакет ЦП Все реализации слоев перенесены в пакет cpu. Добавлен префикс «Cpu» к именам интерфейсов слоев. Инструкции и реализация уровня идентификации перемещены в соответствующие подпакеты активации. Теперь есть абстрактный базовый класс уровня активации и интерфейс. Удалена функция активацииLayers. Введены инструкции по оптимизации (аналог инструкций по слоям) Инструкции для оптимизируемых слоев теперь требуют инструкций по оптимизации. Добавлен префикс «ЦП» к именам..
Обзор нейронных сетей
Автор: Рави Патель (BTech Integrated, MPSTME, NMIMS) Под руководством Сима Шаха Введение: Нейронные сети — это подмножество машинного обучения, с помощью которого можно реализовать глубокое обучение. По сути, это архитектура глубокого обучения, с помощью которой можно использовать компьютерное зрение, распознавание речи, распознавание звука, биоинформатику и т. д. Глубокое обучение — это функция искусственного интеллекта, которая имитирует работу человеческого мозга при обработке..