Статьи по теме deep-learning

Публикации по теме 'deep-learning'

Как используются асимптотические расширения, часть 3 (машинное обучение)

Верхние оценки и асимптотика функции Макдональда и суммируемость интегралов Конторовича-Лебедева(arXiv) Авторы. Якубович» Аннотация: Для функции Макдональда Kiτ(x) установлены равномерные оценки сверху и асимптотическое разложение с явным остаточным членом. Результаты могут быть применены, например, для изучения суммируемости расходящихся интегралов Конторовича-Лебедева по Джонсу. А именно, мы положительно отвечаем на вопрос (см. [6]), сходятся ли эти интегралы для четных целых..

Обучение и оценка моделей глубокого обучения (3/6)

Предыдущий ‹‹ Обучение и оценка моделей глубокого обучения (2/6) Хотя модели глубокого обучения можно использовать для любого вида машинного обучения, они особенно полезны для работы с данными, состоящими из больших массивов числовых значений, например изображений . Модели машинного обучения, работающие с изображениями, лежат в основе области искусственного интеллекта под названием компьютерное зрение , а методы глубокого обучения способствовали удивительным достижениям в этой..

Исследовательский анализ данных (часть 2)

В Части 1 исследовательского анализа данных мы обсуждали, как понимать данные с помощью чисел. В этой части мы научимся визуализировать данные, чтобы установить отношения между ними. Это можно сделать двумя способами: Первый способ : найти корреляцию между столбцами и построить тепловую карту , используя только этот столбец, связанный с графиком. 2-й способ : построить взаимосвязь между столбцами отсутствующих , непрерывными столбцами, дискретными столбцами и..

Работа с томом Малера, часть 3 (машинное обучение)

Нижняя граница малеровского объема симметричных выпуклых множеств (arXiv) Автор : Яшар Мемариан Аннотация: Целью данной статьи является представление нижней оценки малеровского объема по крайней мере четырехмерных симметричных выпуклых тел. Мы определяем вычислимую константу, зависящую от размерности, с помощью двумерной вариационной (макс-мин) процедуры и показываем, что малеровский объем каждого (по крайней мере, четырехмерного) симметричного выпуклого тела больше, чем (простая)..

Оптимизаторы мчатся к минимумам

Пошаговая реализация с анимацией для лучшего понимания Вернуться к предыдущему сообщению Вернуться к первому сообщению 2.10 Оптимизаторы стремятся к минимуму Это будет последний пост в Главе 2 — Оптимизаторы. Скачать Jupyter Notebook можно здесь . Примечание — Рекомендуем ознакомиться с предыдущими постами, в которых мы говорили о SGD , SGD с Momentum , SGD с нестеровским ускорением , Adagrad , RMSprop , Adadelta , Adam , Амсград и Адамакс . Здесь мы..

Как работает концепция Task-Agnostic part5(Machine Learning)

STAP: последовательность политик, не зависящих от задач (arXiv) Автор: Кристофер Агиа , Токи Мигимацу , Джиаджун Ву , Жаннетт Бог . Аннотация: Достижения в приобретении роботизированных навыков позволили создать универсальные библиотеки изученных навыков для последующих задач манипулирования. Однако наивное выполнение этих навыков одно за другим вряд ли увенчается успехом без учета зависимостей между действиями, преобладающими в долгосрочных планах. Мы представляем Sequencing..

Метрики оценки контролируемого обучения

В реальном машинном обучении мы столкнемся с множеством различных метрик оценки, иногда нам нужно создать свои собственные метрики оценки, основанные на проблеме, но в этой записной книжке мы увидим некоторые из наиболее часто используемых метрик оценки. В классификации чаще всего используются следующие показатели: Точность Точность Отзывать F1-счет Площадь под кривой или (площадь под кривой ROC(рабочая характеристика приемника)) AUC Потеря журнала Вышеупомянутые..