Публикации по теме 'neural-networks'


Краткое введение в градиентный спуск
В этой статье вы сможете понять интуицию градиентного спуска, стохастического градиентного спуска, пакетного градиентного спуска. Градиентный спуск - это алгоритм оптимизации, используемый для поиска значений параметров (коэффициентов) функции (f), которая минимизирует функцию стоимости (стоимость). Градиентный спуск лучше всего использовать, когда параметры нельзя вычислить аналитически (например, с помощью линейной алгебры) и их нужно искать с помощью алгоритма оптимизации...
Анализ главных компонентов для уменьшения размерности
Машинное обучение - это область, в которой данные считаются благом для отрасли. В машинном обучении слишком много данных иногда может привести к плохим результатам. В какой-то момент наличие большего количества функций (размеров) в ваших данных может снизить качество вашей модели. Этот термин известен как проклятие размерности в науке о данных. Что такое уменьшение размерности? С ростом индустрии данных и пользователей Интернета каждый день генерируется огромное количество..
Сигналы и колдовство
Создание процедурной музыки -prt.4: извлечение функций Чем больше я узнаю о машинном обучении, тем больше понимаю, что алгоритмы - не самая сложная часть. Если вы не планируете академическую деятельность, все основные алгоритмы уже реализованы на нескольких языках и в библиотеках. Самое сложное - либо получить, либо создать хорошие наборы данных. Для создания хороших наборов данных вам потребуется уметь извлекать ключевые метрики (функции), которые можно использовать для прогнозирования..
BERT - это слово: прогнозирование цен на акции с помощью языковых моделей
Авторы проекта: Марк Баббе, Кори Нгуен, Вон Ли и Хэнни Нуилати Источник: https://www.huffingtonpost.com/entry/the-future-of-machine-learning-in-finance_us_58d55c99e4b06c3d3d3e6d42 Введение Машинное обучение и нейронные сети продолжают революционизировать отрасли по всему миру, и финансовая отрасль не исключение. В нашем классном проекте мы решили реализовать нейронную сеть в надежде понять, как информация в формах SEC 8-K может быть использована для прогнозирования общего..
Почему работают нейронные сети?
Вот этот фермер. Его коровы перестали давать молоко, поэтому он привлекает на помощь группу ученых из местного университета. Команда прибывает на ферму, и психологи, математики, физики и биологи начинают собирать страницы данных, измерять и наблюдать за каждым движением коровы. Один за другим ученые уходят, говоря фермеру, что им нужно время, чтобы проанализировать свои данные. Наконец-то остался один ученый, физик. Он подходит к фермеру: «У меня есть решение, - говорит он, -..
Невероятно быстрая сегментация видеообъектов с помощью Pixel-Wise Metric Learning
В нынешнюю эпоху Интернета записывается и распространяется неизмеримое количество мультимедийных данных. Среди них видео - один из самых распространенных и богатых способов обработки, хотя и один из самых дорогих в обработке. Таким образом, алгоритмы для быстрой и точной обработки видео становятся критически важными для реальных приложений. Сегментация видеообъектов, то есть классификация набора пикселей видеопоследовательности на интересующий объект (ы) и фон, входит в число задач,..
Обратное распространение шаг за шагом
Прелесть алгоритмов машинного обучения в том, что они могут настраиваться во время обучения в соответствии с заданной стратегией оптимизации. Вообще говоря, стратегии оптимизации направлены на минимизацию ошибки, обусловленной разницей между реальной целью и результатом алгоритма. Для каждой итерации обучения алгоритм будет вычислять эту ошибку и повторно откалибровать свой параметр, чтобы на следующей итерации ошибка была уменьшена. Нейронные сети, типичные алгоритмы, используемые в..