Публикации по теме 'deep-neural-networks'


День 8: Углубленное изучение выпрямителей: превосходство в производительности на уровне человека в классификации ImageNet…
[6 февраля, 2015  ] Как инициализировать сети с глубокой активацией ReLU, чтобы градиенты не исчезали и не взрывались TL-DR Инициализация — это не шутки, и она сильно зависит от используемой вами функции активации. Неправильная инициализация может привести к исчезновению или взрыву градиентов, что, в свою очередь, может замедлить или даже остановить конвергенцию. В этой статье предлагается эвристика инициализации, которая позволяет стабильно обучать активированные ReLU глубокие..
Демистификация глубокого обучения
Модели машинного обучения помогают современному обществу от распознавания изображений до рекомендаций на веб-сайтах, от веб-поиска до помощи людям в быстрой навигации. Они становятся все более популярными и являются обязательными в смартфонах, камерах, автомобилях и т. д. Традиционные алгоритмы машинного обучения были ограничены в своей способности обрабатывать необработанные данные. В течение многих десятилетий разработка алгоритмов машинного обучения требовала ручного кодирования и..
Малые глубокие нейронные сети: их преимущества и дизайн
Обсуждение: ICML TinyML 2017 Я хотел бы поблагодарить Маника Варму, Венкатеша Салиграму и Пратека Джайна за приглашение выступить на ICML TinyML Workshop в этом году. Они организовали отличную серию лекций об эффективном машинном обучении с ограниченными ресурсами, и это было действительно забавное мероприятие. Они также были достаточно любезны, чтобы записать наш разговор: Слайды доступны здесь:..
Могут ли машины учиться и предсказывать? — Обучение глубокой нейронной сети с использованием Pytorch для набора данных Iris.
Используя программу Python, обучите глубокую нейронную сеть для набора данных Iris и предскажите класс растения Iris. В этом быстро меняющемся мире, где Машины обучаются и используются для прогнозирования результатов, количество приложений, в которых используется искусственный интеллект, быстро увеличивается. Этот пост проведет вас через обучение глубокой нейронной сети для одного из известных/базовых наборов данных — IRIS DATASET . Наконец, сеть сможет предсказывать виды ирисов на..
Размер элемента или размер матрицы веса: о чем вам следует беспокоиться в объекте на основе DNN…
Разрешение ограничения камеры, необходимое конечному приложению, с точки зрения наименьшего размера и расстояния, на котором она должна быть обнаружена и отслежена с помощью детекторов объектов или трекера на основе DNN. Например, вы можете обнаружить объект размером 1,5 м x 0,5 м (человек) только на расстоянии 10 метров при входном разрешении 300x300 или на расстоянии около 20 метров при входном разрешении 600x600. Или, если вы хотите обнаружить очень маленький объект в 10 см, например,..
Повышение производительности моделей глубокого обучения и глубокая настройка сети (часть 6)
Повышение производительности моделей глубокого обучения и глубокая настройка сети (часть 6) После того, как наши модели отлажены, мы можем сосредоточиться на емкости модели и настройке. В этом разделе мы обсудим, как улучшить производительность сети глубокого обучения и как настроить гиперпараметры глубокого обучения. Серия из 6 частей «Как начать проект глубокого обучения?» состоит из: · Часть 1: Начать проект Deep Learning . · Часть 2: Создание набора данных Deep Learning ...
Физические нейронные сети Cornell & NTT: «Радикальная альтернатива для реализации глубоких нейронных…
Глубокие нейронные сети (DNN) уже предоставляют лучшие решения для многих сложных проблем в распознавании изображений, распознавании речи и обработке естественного языка. Теперь DNN выходят на физическую арену. DNN и физические процессы имеют множество структурных сходств, таких как иерархия, приблизительная симметрия, избыточность и нелинейность, что указывает на потенциал DNN для эффективной работы с данными из физического мира. В статье Глубокие физические нейронные сети на основе..