Публикации по теме 'machine-learning'


Глубокое обучение для прогнозирования временных рядов: LSTM и CNN Neur
Сегодня мы будем использовать очень простую архитектуру глубокого обучения, которая часто дает самые современные результаты. Эта модель имеет всего около 700 параметров и состоит из сверток и слоев LSTM. Я намеренно сделал модель простой, но вы можете создавать аналогичные более крупные архитектуры для своих наборов данных по мере необходимости. Github_Complete_Notebook_To_Play В этом посте представлен подход глубокого обучения к прогнозированию сложных временных рядов. В прошлом мы..
Понимание аспектов излучения Хокинга, часть 2 (продвинутая космология)
Начало работы с излучением Хокинга Поправки к излучению Хокинга от первичных черных дыр астероидной массы: I. Формализм диссипативных взаимодействий в квантовой электродинамике (arXiv) Автор: Макана Сильва , Габриэль Васкес , Эмили Койву , Ариджит Дас , Кристофер Хирата Аннотация: Первичные черные дыры (ПЧД) в диапазоне масс 1017–1022 г являются подходящим кандидатом для описания всего содержания темной материи. В нижней части этого диапазона масс температура Хокинга..
Теорема Байеса стала проще
Понимание теории Байеса очень важно для алгоритмов машинного обучения и прикладной вероятности. Интуитивное представление об этой теореме очень поможет вам в решении многих реальных проблем. Давай начнем. Давайте рассмотрим пример: Предположим, у нас есть мешок с 3 красными и 5 синими шарами . Теперь в мешке 3 (красных) + 5 (синих) = 8 (всего шаров), согласны? Итак, Всего шаров = 8 Позвольте мне случайным образом выбрать два шара, а что, если я хочу сначала выбрать..
ИИ на AWS  — «Как клиенты AWS используют машинное обучение»
Вот мой опыт участия в семинаре сэра Вимала Дага , посвященном сервисам искусственного интеллекта, предоставляемым AWS. Для решений машинного обучения требуется целый ряд вспомогательных технологий. AWS предлагает самый широкий и глубокий набор инструментов для более быстрого создания эффективных решений машинного обучения — от предварительно обученных сервисов искусственного интеллекта до полностью управляемых комплексных решений машинного обучения. AWS предоставляет: Добавьте..
Упрощенная наука о пространственных данных
Инструменты для выполнения и где этому научиться Застряли за платным доступом? Прочтите здесь по моей ссылке друга На протяжении десятилетий географы, геологи, исследователи и аналитики из самых разных областей использовали местоположение как важную часть своего анализа. Но теперь мы наблюдаем, как все больше и больше специалистов по данным с другим нетрадиционным опытом работы с космическими данными (например, с маркетингом) начинают понимать, как использовать местоположение и..
Визуализация байесовских априорных точек
Вы когда-нибудь задумывались, как априорные значения влияют на вашу байесовскую модель? Выяснить! Я немного поигрался с оценкой параметров и байесовской статистикой и подумал, что мне нужно сделать небольшую визуализацию того, как предыдущие убеждения влияют на наше апостериорное распределение. В этом уроке мы рассмотрим, является ли монета честной. Мы будем визуализировать, как меняется наша оценка справедливости монеты по мере того, как мы получаем больше данных и с учетом наших..
Обучение ансамблю — простое введение
Одна из популярных концепций машинного обучения заключается в том, что вместо того, чтобы использовать одну модель для прогнозирования и работать над совершенствованием этой модели, лучше создать несколько моделей и использовать их объединенные возможности для прогнозирования. Как только концепция была установлена, появилось множество подходов к тому, как это сделать. Конечная цель каждой модели машинного обучения или, в данном случае, метода — уменьшить общую ошибку. Общая ошибка для..