Публикации по теме 'neural-networks'
Создание Backpropagation, Autograd, MNIST Classifier с нуля на Python
Backpropagation (обратное распространение ошибок) - широко используемый алгоритм при обучении сетей прямого распространения. Он вычисляет градиент функции потерь по отношению к весам сети. Основная идея состоит в том, чтобы разбить большие функции на мелкие части и использовать частные производные для получения производной функции с помощью правила цепочки.
Таким образом, обучение модели в основном решает это уравнение:
И поскольку решение этой задачи может быть очень сложной,..
Обнаружение маски лица
Введение:
Коронавирусная болезнь 2019 года (COVID-19) разразилась в конце 2019 года и в 2021 году продолжает наносить ущерб миллионам граждан и предприятий. Пока мир адаптируется к пандемии и готовится вернуться к нормальной жизни, волну беспокойства среди всех лиц, особенно среди тех, кто планирует возобновить личную деятельность.
Несколько исследований показали, что ношение лицевой маски значительно снижает риск передачи вируса, а также обеспечивает чувство безопасности. Однако вручную..
Методы инициализации весов нейронной сети.
Для обучения нейронной сети необходимо указать начальное значение весов. Правильно подобранный метод инициализации поможет в обучении.
Понимание различных методов инициализации ваших весов жизненно важно для успеха вашей нейронной сети.
В глубоком обучении есть три типа инициализации веса:
1- Инициализация нуля: есть два типа матриц, которые вам нужно инициализировать.
весовые матрицы (W [1], W [2], W [3],…, W [L − 1], W [L]) (W [1], W [2], W [3],… , W [L − 1], W [L]) векторы..
Насколько широкой должна быть моя сеть?
В моей предыдущей истории я рассмотрел вопрос о том, сколько слоев нужно нейронной сети для простых задач классификации. Я изучил линейную классификацию наборов данных AND и OR, а также более сложные XOR и данные двух лун.
Используя Keras, я показал, что нам нужен один слой для классификации линейных данных, в первую очередь потому, что одной гиперплоскости достаточно, чтобы различать разные метки, а для более сложных данных нам нужно как минимум два слоя. Действительно, согласно..
Направление больших языковых моделей для вывода конкретных задач — Дизайн подсказок и мягкие подсказки
Узнайте, как проекты подсказок и программные подсказки используются для разработки и развертывания моделей SOTA.
Подсказка — это процесс предоставления обученной модели дополнительной информации для условия при прогнозировании выходных меток для задачи. Это делается с помощью запросов , которые представляют собой несколько строк инструкций, вводимых в модель для выполнения определенной задачи с несколькими примерами или без них.
В последнее время, в связи с успехом крупных..
Раскрытие потенциала науки о данных с помощью машинного обучения
Машинное обучение — это тип искусственного интеллекта, который позволяет компьютерам учиться на данных и делать прогнозы на основе этих данных. Алгоритмы машинного обучения используют различные методы, такие как деревья решений, нейронные сети и машины опорных векторов, для анализа больших наборов данных и выявления закономерностей в них. Изучая данные, алгоритмы машинного обучения можно использовать для прогнозирования и выполнения действий на основе этих прогнозов.
Как машинное обучение..
Сверточные нейронные сети: отличный способ сделать ИИ
Помимо шумихи, ИИ — это сложная развивающаяся область. Ни одна статья не могла бы воздать должное этой области; этот пост посвящен сверточным нейронным сетям.
Но сначала краткое введение в ИИ — это спектр (источник: Justin Gage ):
И многие приложения используют множество различных методов (источник: Hubspot ):
Среди всех этих методов нейронные сети (NN или искусственные нейронные сети, также известные как ANN) имеют большие перспективы, поскольку они представляют собой..
