Публикации по теме 'deep-learning'
Значение асимптотических свойств в задачах машинного обучения, часть 4
Асимптотические свойства метода синтетического управления (arXiv)
Автор: Сяомэн Чжан , Вэндунь Ван , Синью Чжан .
Аннотация: Эта статья дает новое представление об асимптотических свойствах метода синтетического управления (SCM). Мы показываем, что синтетический контрольный вес (SC) сходится к предельному весу, который минимизирует среднеквадратический риск предсказания оценки эффекта лечения, когда количество периодов предварительного лечения стремится к бесконечности, и мы также..
Работа с неявной обратной связью, часть 1 (машинное обучение)
Беспристрастное попарное обучение на основе неявной обратной связи для рекомендательных систем без предвзятого контроля отклонений (arXiv)
Автор: Ижэнь , Хунъян Тан , Цзянпэн Ронг , Сивэнь Чжу .
Аннотация: Вообще говоря, обучение модели для рекомендательных систем может быть основано на двух типах данных, а именно на явной обратной связи и неявной обратной связи. Более того, из-за его общедоступности мы видим широкое распространение неявных данных обратной связи, таких как..
Звуковые и акустические модели для диагностики COVID [Часть 3]
Ссылка на часть 1 этого тематического исследования
Ссылка на вторую часть этого тематического исследования
В последней части мы построили несколько моделей на наших данных поезда и рассчитали метрики на наших тестовых данных.
Байесовская оптимизация и Гиперопт:
Hyperopt — это инструмент, который находит лучшую модель и гиперпараметры на основе байесовской оптимизации и SMBO (последовательной глобальной оптимизации на основе моделей). По сути, при байесовской оптимизации..
Как я могу добавить больше скрытых слоев в код nftool, который я экспортировал из графического интерфейса nnstart?
Поскольку я мало что знаю о том, как реализовать сеть с помощью командной строки, я попытался использовать графический интерфейс от NNSTART и экспортировал код, чтобы попытаться выяснить, как внести нужные мне изменения. проблема в том, что я не знаю, как добавить больше слоев/нейронов, даже больше эпох.
Вот код, который я получил с первой попытки:
% Solve an Input-Output Fitting problem with a Neural Network
% Script generated by Neural Fitting app
% Created 13-Sep-2017 20:47:36
%
%..
[Обзор статьи] Операции машинного обучения: обзор, определение и архитектура
Абстрактный
Конечная цель всех проектов промышленного машинного обучения — разработать продукты машинного обучения, а затем запустить их в производство. Но очень сложно автоматизировать и внедрить продукты машинного обучения. Этот документ представляет собой руководство для исследователей и практиков машинного обучения, которые хотят автоматизировать и использовать продукты машинного обучения с помощью разработанного набора технологий.
Введение
Большое количество продуктов ML..
Агрегация рабочего района, часть 2 (машинное обучение)
Birds of a Feather Trust Together: определение того, когда следует доверять классификатору, с помощью адаптивного объединения соседей (PubMed)
Автор: Мяо Сюн , Шэнь Ли , Вэньцзе Фэн , Айлин Дэн , Джихай Чжан , Брайан Хуой .
Аннотация: Как узнать, можно ли доверять прогнозам, сделанным классификатором? Это фундаментальная проблема, которая также имеет огромную практическую применимость, особенно в критически важных областях, таких как медицина и автономное вождение...
Оптимизация вместо объяснения
Оптимизация вместо объяснения
Максимальное использование преимуществ машинного обучения без ущерба для его интеллекта
Примечание. На сайте Wired.com одновременно была опубликована редакционная версия этой статьи.
Представьте, что ваша тетя Ида находится в автономном транспортном средстве (АВ) - беспилотном автомобиле - на городской улице, закрытой для транспортных средств, управляемых людьми. Представьте себе рой щенков, падающих с эстакады, провал в грунте под автобусом,..
