Публикации по теме 'neural-networks'
Понимание тренировки смешанной точности
Смешанная точность для обучения нейронных сетей может сократить время обучения и требования к памяти, не влияя на производительность модели.
По мере развития методологий глубокого обучения все соглашались, что увеличение размера нейронной сети улучшает производительность. Однако это наносит ущерб требованиям к памяти и вычислениям, которые также необходимо увеличить для обучения модели.
Это можно увидеть, сравнив производительность предварительно обученной языковой модели Google,..
Масштабирование функций в машинном обучении
1. Что такое масштабирование функций?
Масштабирование признаков — это статистическая операция использования значений признаков для их масштабирования до меньших и аналогичных диапазонов.
Он широко используется при предварительной обработке данных перед дальнейшим проектированием признаков в машинном обучении и глубоком обучении.
2. Какие существуют методы масштабирования характеристик?
Существует 3 основных подхода, каждый из которых состоит из своих вариантов масштабирования..
Введение в Q-Learning
Представьте себя в поисках сокровищ в лабиринте. Игра выглядит следующим образом:
Вы начинаете с заданной позиции, исходного состояния. Из любого состояния вы можете идти влево, вправо, вверх или вниз или оставаться в том же месте, если вы не пересекаете территорию лабиринта. Каждое действие переводит вас в ячейку сетки (другое состояние). Теперь в одном из состояний (состояние цели) есть сундук с сокровищами. Кроме того, в лабиринте есть яма со змеями в определенных положениях /..
Как астронавты используют машинное обучение ?
1. Помощники космонавта
Тарс и Кейс из фильма «Интерстеллар» теперь настоящие. Ученые разработали подобных виртуальных помощников, которые могут заранее предсказывать ошибки и сбои в работе.
2.Обработка спутниковых данных
Спутники наблюдения генерируют огромное количество данных, которые используются для раскрытия тайн космоса. ИИ используется для группировки похожих данных вместе для соответствующих целей.
3. Системы навигации
НАСА в сотрудничестве с Intel разработало..
Нейронные сети: основа машинного обучения
Все слышат об искусственном интеллекте, читая последние технические новости и просматривая научно-фантастические фильмы. ИИ собирается произвести революцию почти во всех отраслях, но не многие точно знают, как он работает. Это не волшебство, это математика! Искусственные нейронные сети (ИНС) - это строительные блоки ИИ.
Что делает нейронная сеть?
Это один из самых важных вопросов, на который нужно ответить. Я постараюсь объяснить это как можно проще на простом примере. Допустим, вы..
Раскрытие возможностей нейронных сетей: руководство для начинающих по машинному обучению
Нейронные сети — мощный инструмент машинного обучения и искусственного интеллекта. Они созданы по образцу структуры и функций человеческого мозга и используются для таких задач, как распознавание изображений, обработка естественного языка и прогнозирование. Если вы новичок в нейронных сетях, вот руководство для начинающих, чтобы понять, как они работают.
Нейронная сеть состоит из слоев взаимосвязанных «нейронов», которые моделируются по образцу нейронов человеческого мозга. Каждый..
Разработка карты самоорганизации (часть 1)
Одной из первых искусственных нейронных сетей, которую я изучил во время учебы в университете, была нейронная сеть Кохонена, в основном известная как SOM ( Самоорганизующаяся карта ). Эта нейронная сеть была создана ученым Теуво Кохоненом в середине 80-х годов. Это довольно простая и легкая в освоении нейронная сеть с математической точки зрения, поэтому она благодарна тем инженерам со слабым математическим образованием.
Сети SOM — это неконтролируемые нейронные сети, это..
