Публикации по теме 'artificial-intelligence'
Могут ли машины думать?
Cogito, ergo sum! Мы, как человеческие существа, интуитивно убеждаемся в том, что способны мыслить, а значит, и наше существование. Тем не менее, в последние десятилетия у нас был спорный спор о том, могут ли компьютеры думать. Аргумент все еще постепенно поднимается, поскольку искусственный интеллект и сложные компьютеры все больше и больше внедряются в нашу жизнь [1, 2]. Люди из нескольких дисциплин, таких как философия, информатика и математика, размышляют над этой загадкой; в то..
Обновления о скрытых марковских моделях в 2023 году, часть 5 (машинное обучение)
Быстрая адаптивная троичная сегментация: эффективная процедура декодирования скрытых марковских моделей (arXiv)
Автор: Александр Мёшинг , Хаусен Ли , Аксель Мун .
Аннотация: Скрытые модели Маркова (СММ) характеризуются ненаблюдаемой (скрытой) цепью Маркова и наблюдаемым процессом, который представляет собой зашумленную версию скрытой цепи. Декодирование исходного сигнала (то есть скрытой цепочки) из зашумленных наблюдений является одной из основных целей почти всех анализов данных..
Три функции, которые нужно знать в Python
Узнайте, как использовать функции map, filter и reduce в Python
В Python есть три функции, которые обеспечивают большую практичность и полезность при программировании. Эти три функции, которые обеспечивают функциональный стиль программирования в объектно-ориентированном языке Python, - это функции map (), filter () и reduce (). Эти функции можно не только использовать по отдельности, но и комбинировать, чтобы обеспечить еще большую полезность.
В этом руководстве мы рассмотрим эти..
Новые методы в резервуарных вычислениях, часть 1 (квантовые вычисления)
Изучение преимуществ квантовой механики для резервуарных вычислений (arXiv)
Автор: Никлас Геттинг , Фредерик Лохоф , Кристофер Гиз .
Аннотация: Квантовые резервуарные вычисления — это новая область машинного обучения с квантовыми системами. В то время как классические резервуарные вычисления оказались способной концепцией машинного обучения в реальных сложных динамических системах со многими степенями свободы, преимущества их квантового аналога еще предстоит полностью изучить...
Варианты использования доброкачественной переобучения, часть 9 (машинное обучение)
Доброкачественное переоснащение в состязательно устойчивой линейной классификации (arXiv)
Автор: Цзинхуэй Чен , Юань Цао , Цюаньцюань Гу .
Аннотация: «Безобидное переобучение», когда классификаторы запоминают зашумленные обучающие данные, но при этом достигают хороших результатов обобщения, привлекло большое внимание в сообществе машинного обучения. Чтобы объяснить это удивительное явление, в ряде работ было дано теоретическое обоснование чрезмерно параметризованной линейной..
Часовой спринт к компьютерному зрению с OpenCV в Python
Что такое OpenCV?
OpenCV — самая популярная библиотека, которая используется для обработки изображений в Python. Он используется для обнаружения и распознавания лиц, идентификации объектов, классификации действий человека в видео, отслеживания движения с помощью камеры и многого другого. Цель этого поста — познакомить вас с основами обработки цифровых изображений с использованием OpenCV в Python. Итак, начнем наше путешествие.
Что такое пиксель и изображение?
Определение..
Лучшее из Vision Transformers 2023, часть 3 (машинное обучение)
Слияние и сокращение маркеров изученных пороговых значений для Vision Transformers (arXiv)
Автор : Максим Боннаренс , Джони Дамбре
Аннотация: За последние годы трансформеры машинного зрения продемонстрировали замечательные успехи в решении широкого круга задач компьютерного зрения. Однако их высокие вычислительные затраты остаются серьезным препятствием для их практического применения. В частности, сложность моделей преобразователей квадратична по отношению к количеству входных..
