Публикации по теме 'machine-learning'
Когда роботы становятся творческими: как искусственный интеллект революционизирует искусство и музыку
Вы когда-нибудь слышали, чтобы роботы были творческими? Это может показаться странным, но это правда! Роботы могут использовать нечто, называемое искусственным интеллектом, или сокращенно ИИ, для создания музыки и искусства. В этом посте мы рассмотрим, как ИИ меняет наши представления о творчестве.
ИИ можно использовать разными способами для создания искусства. Один из способов — это то, что называется генеративным искусством. Генеративное искусство — это искусство, созданное..
Линейная регрессия в CSharp
Я расскажу, как обучать модель линейной регрессии в TensorFlow.NET от SciSharp.
Что такое линейная регрессия?
Линейная регрессия — это линейный подход к моделированию связи между скалярным откликом (или зависимой переменной) и одной или несколькими независимыми переменными (или независимыми переменными).
Рассмотрим случай одной интересующей переменной y и одной переменной-предиктора x. Переменные-предикторы называются по-разному: ковариаты, входные данные, признаки; прогнозируемую..
Прогнозирование жанра песни с помощью обработки естественного языка
В одних жанрах одни тексты песен встречаются чаще, чем другие?
Мне всегда было любопытно, как количественно определить значение или взаимосвязь между словами. В конце концов, я привык обрабатывать числа или кодировать переменные как числа и вводить их в статистические модели и модели машинного обучения. Поэтому я выбрал изучение обработки естественного языка (NLP), среди других тем машинного обучения в моем классе Python, чтобы узнать.
Мне и моим товарищам по команде было интересно..
Объяснение байесовской вероятности
Простейшее возможное объяснение байесовской вероятности
Введение
Байесовская вероятность
Байесовская вероятность — это способ представления степени уверенности в том, что событие произойдет, основанное как на прошлых данных, так и на личном суждении. Он назван в честь преподобного Томаса Байеса, который разработал теорему для…
Базы данных нейронных графов
Что нового в Graph ML?
Базы данных нейронных графов
Новая веха в управлении графическими данными
Мы представляем концепцию баз данных нейронных графов как следующий шаг в развитии баз данных графов. Разработанный для больших неполных графов и оперативного вывода об отсутствующих ребрах с использованием обучения представлению графа, нейронный анализ поддерживает высокую выразительность и поддерживает сложные логические запросы, аналогичные стандартным языкам запросов графов.
Этот..
Как создать ИИ, который нас не уничтожит
Как создать ИИ, который нас не уничтожит
Трудно найти дискуссию о безопасности ИИ , которая бы не фокусировалась на контроле. Логика в том, что если мы не будем контролировать это, случится что-то плохое.
Для меня это звучит как настоящее безумие из реальной жизни. Действительно ли мы думаем, что законы , управляющие структуры или человеческие цели будут иметь значение для сверхразумной машины? Вы также можете сказать мне, что миром правят муравьи.
Нам нужно внимательнее..
Работа с задачей о рюкзаке, часть 2 (информатика)
Возможный метод решения SDP-релаксации квадратичной задачи о рюкзаке (arXiv)
Автор: Тяньюнь Тан , Ким-Чуан То .
Аннотация: В этой статье мы рассматриваем SDP-релаксацию квадратичной задачи о рюкзаке (QKP). После использования факторизации Бюрера-Монтейро мы получаем невыпуклую задачу оптимизации, допустимая область которой является алгебраическим многообразием. Хотя на алгебраическом многообразии могут быть нерегулярные точки, мы доказываем, что алгебраическое многообразие является..