Publikime mbi temën 'deep-learning'


Rrjeti nervor: Thelbi i Rrjetit Neural Artificial
Mësimi i Makinerisë, Mësimi i Thellë Rrjeti nervor: Thelbi i Rrjetit Neural Artificial Çfarë është në të vërtetë rrjeti nervor artificial Truri i njeriut përbëhet nga miliarda neurone të lidhura me njëri-tjetrin dhe secili neuron po kalon një sinjal tek tjetri përmes lidhjes. Kjo bën që njerëzit të kenë një veprim specifik për të kryer. Për shembull, ju dëshironi të arrini xhepin tuaj për të kapur telefonin tuaj, atëherë do të ketë një sinjal që do të dërgohet në trurin tuaj dhe..
Një shembull delikat i përhapjes së pasme — Pjesa 2: Bazat
Prezantimi Në "pjesën e parë" të këtyre serive artikujsh, ne detajuam bazat e teorisë bazë të përhapjes së pasme dhe bëmë një zbatim të thjeshtë duke përfshirë mbledhjen, zbritjen dhe renditjen topologjike. Në këtë artikull, ne do të shqyrtojmë më tej shumëzimin, ndarjen, fuqizimin dhe disa funksione të njohura të aktivizimit. Meqenëse gjërat teorike i kemi hequr nga rruga në artikullin e mëparshëm, të cilin unë do t'ju rekomandoja ta lexoni fillimisht "këtu", ne do të zhytemi..
Gabimi në qasjen tonë: Çfarë po bëni gabim gjatë zbatimit të Rrjetit Neural Recurrent-LSTM!
Fillova të gërmoj në fushën e Mësimit të Makinerisë disa muaj më parë dhe pasi bëra disa projekte, mendova me vete, "kjo nuk është vërtet e vështirë". Kjo ishte derisa u ndesha me mësimin e thellë. Një fushë krejtësisht e re studimi, Deep Learning kërkon një sasi të madhe njohurish matematikore dhe analitike. Krijimi i një rrjeti nervor është në thelb i barabartë me krijimin e një truri njerëzor! Teksa po përgatitesha të merresha me Neural Nets, kuptova se ishte kaq dërrmuese. Ka..
Përdorimi i Manifoldeve Hessian për Mësimin e Makinerisë pjesa 1
Teorema në zhdukje të grupeve të koomologjisë L2 në manifoldet Hessian (arXiv) Autori: "Shinya Akagawa" Abstrakt : Ne tregojmë teorema të zhdukura të grupeve L2-kohomologjike të tipit Kodaira-Nakano në manifoldet e plota Hessian. Ne marrim teorema të mëtejshme zhdukëse të grupeve L2-kohomologjike L2Hp,q(Ω) në një kon të rregullt konveks Ω me metrikën Cheng-Yau për p›q. 2. Një qasje optimale e transportit ndaj ekuacioneve Monge-Ampère në manifoldet kompakte Hessian (arXiv)..
Puna me koeficientin Rayleigh në pjesën 9 të Mësimit të Makinerisë
Optimizimi Riemannian mbi produktet tensore të manifoldeve Grassmann: Aplikime në koeficientët e përgjithësuar të Rayleigh (arXiv) Autori: O. Curtef , G. Dirr , U. Helmke Abstrakt: Ne prezantojmë një koeficient të përgjithësuar Rayleigh në produktin tensor të Grassmannians që mundëson një qasje të unifikuar ndaj detyrave të njohura të optimizimit nga fusha të ndryshme të algjebrës lineare numerike, siç janë përafrimet më të mira të nivelit të ulët të tensorëve (kompresimi i të..
Shërbimi i një modeli të klasifikimit të imazhit me shërbimin Tensorflow
Mësoni të përdorni shërbimin Tensorflow për të krijuar një shërbim në internet për t'i shërbyer modelit tuaj Tensorflow Kjo është pjesa e dytë e një serie blogje që do të mbulojë trajnimin e modelit Tensorflow, Shërbimin Tensorflow dhe performancën e tij. "Në postimin e mëparshëm", ne morëm një qasje të orientuar drejt objektit për të trajnuar një model të klasifikuesit të imazhit dhe e eksportuam atë si SavedModel. Unë rekomandoj ta kaloni atë përpara këtij postimi pasi do të përdorim të..
Precision vs Recall. Çfarë ju thonë në të vërtetë?
Kuptoni idenë pas Precisionit dhe Kujtimit Nëse do të pyesni ndonjë shkencëtar të dhënash ose inxhinier të mësimit të makinerive për temën më të lehtë dhe më konfuze që mësuan - një nga gjërat e para që do t'i vinte në mendje do të ishte Precision vs Recall. Nga njëra anë , kjo temë është me të vërtetë konfuze dhe unë vetë kalova shumë kohë duke u përpjekur të kuptoj ndryshimin dhe më e rëndësishmja, çfarë ju thonë këto dy terma. Nga ana tjetër, tema është shumë e thjeshtë dhe..