Публикации по теме 'machine-learning'
Понимание концепции состязательных примеров, часть 4 (машинное обучение)
Негде спрятаться: легкий неконтролируемый детектор против враждебных примеров (arXiv)
Автор: Хуэй Лю , Бо Чжао , Кехуан Чжан , Пэн Лю
Выдержка . Хотя глубокие нейронные сети (DNN) продемонстрировали впечатляющую производительность во многих задачах восприятия, они уязвимы для враждебных примеров, которые генерируются путем добавления незначительных, но злонамеренно созданных возмущений к безобидным изображениям. Обнаружение состязательности — важный метод выявления..
Основы НЛП : встраивание слов
Вложения слов — это числовые представления слов или фраз в многомерном векторном пространстве, где геометрические отношения между векторами фиксируют семантическое и синтаксическое сходство между соответствующими словами. Эти представления позволяют моделям машинного обучения понимать и обрабатывать естественный язык более осмысленным образом.
В традиционных подходах НЛП слова представлялись с помощью разреженных векторов с горячим кодированием, где каждое слово имело уникальный индекс..
Выбор функций в машинном обучении с помощью Sklearn
Многие из нас сталкиваются с ситуацией, когда мы находим набор данных, имеющий большое количество атрибутов, мы называем его набором данных высокой размерности. Основная проблема с высокой размерностью заключается в том, что некоторые атрибуты не влияют на результат (например, идентификатор человека, имя человека). Использование таких атрибутов для обучения модели может привести к проблемам, связанным с точностью и оценкой модели, но в основном, просто просматривая набор данных, мы не можем..
Принцип Златовласки: поиск идеального соответствия вашей модели машинного обучения
Балансировка сложности модели, чтобы избежать переобучения и недообучения
Введение
Машинное обучение — это мощный инструмент для прогнозирования и поиска закономерностей в данных. Однако построить точные модели не всегда просто. Одной из основных проблем машинного обучения является поиск правильного баланса между переоснащением и недообучением.
Переобучение происходит, когда модель слишком сложна и слишком близко подходит к обучающим данным, что приводит к снижению..
Классификация проектов по машинному обучению для начинающих
Классификация — одна из доминирующих проблем, которые люди решают в машинном обучении. Многие проблемы возникают в области машинного обучения, которая относится к этой области. Глубокие нейронные сети в основном решают такие проблемы, и было показано, что они работают значительно.
Мы рассмотрим четыре основных проекта по машинному обучению, которые должен решить каждый новичок, чтобы понять, как работают эти проблемы классификации. Это
Проблема классификации цветов ириса..
Передача визуальных атрибутов через аналогию с глубоким изображением
1. Введение
Вы когда-нибудь думали об обмене лицами с одним из любимых героев фильма?
Исследователи из Microsoft Research Asia и Шанхайского университета Цзяотун недавно опубликовали статью о переносе визуальных атрибутов изображений с помощью новой техники под названием Deep Image Analogy.
Чтобы продемонстрировать свою технику, они красиво поменяли местами лица Моны Лизы и Нейтри, используя аналогию с изображениями и глубокие особенности CNN. Рисунок 1 , показанный ниже,..
Пакеты R, которые использует Microsoft
Добро пожаловать! R — один из лучших языков программирования для обработки данных, поэтому давайте взглянем на некоторые пакеты R, которые на самом деле использует Microsoft! Процесс поиска этих языков заключался в том, что я заходил на их страницу карьеры, просматривал соответствующие должности и отмечал пакеты, которые они использовали:
