Публикации по тегам deep-neural-networks

Публикации по теме 'deep-neural-networks'

Обнаружение мошенничества с кредитными картами

Модели машинного обучения и методы сравнения и выборки глубоких нейронных сетей для повышения производительности В этой статье давайте проведем вас через конкурс Kaggle по обнаружению мошенничества с кредитными картами. Глубокая нейронная сеть и две модели машинного обучения будут построены для решения этой проблемы и сравнения производительности различных моделей. Кроме того, для улучшения модели будут реализованы методы выборки данных. Как обычно, разделен на 9 частей:..

IQ шизофренический

IQ шизофренический Если вам интересно, как я пришел к этому довольно шокирующему выводу, пожалуйста, продолжайте читать. Поскольку я своего рода потерянный учитель истории или «gschichdaldrukga», эта статья будет содержать некоторую историческую справку. Вчера я присутствовал на собрании, организованном Ласло, на котором обсуждалась статья Освоение игры в го с помощью глубоких нейронных сетей и поиска по дереву , написанная, среди прочего, Дэвидом Сильвером и Демисом Хассабисом. Я..

FunnelAI и Codeup спонсируют мероприятие по искусственному интеллекту

FunnelAI и Codeup спонсируют мероприятие сообщества, посвященное данным, искусственному интеллекту и машинному обучению. Наши команды призывают заинтересованных разработчиков и участников сообщества присоединиться к обсуждению в Geekdom Events Center 1 июня в 18:00. Данные обеспечивают топливо для успешного глубокого обучения. На мероприятии будет рассказано, как глубокие нейронные сети и данные создают эффективные модели. Участники обсудят, как создавать наборы данных, подводные..

Клонирование поведения с использованием глубокой нейронной сети

Этапы проекта следующие: Сбор данных с помощью симулятора. Визуализация распределения значений steering и использование методов увеличения. Нормализация набора данных и обрезка ROI изображений. Соответствующая архитектура определена и реализована в Keras . Оверфит модели уменьшен. Настройка параметров сети, например. используя Adam Optimizer для обратного распространения и MSE для отслеживания ошибок. Обучите и проверьте модель с помощью набора для обучения и проверки...

Возвращение позиции №1 в глубокой нейронной сети

Недавно компания Google объявила о своем прорыве в глубокой нейронной сети (DNN) MobileNet-V2 . Он превзошел все доступные технологии DNN с точки зрения скорости обработки, требований к памяти и низкого энергопотребления, при этом достигнув современной точности (ухудшение всего на 1,5% по сравнению с наиболее точным ResNext-101–64x4d). Моментальный снимок производительности MobileNet-V2 с современным DNN представлен ниже. Действительно, это похвальная, нетривиальная работа крутых..

Нам нужно углубиться: практическое руководство по тензорному потоку и началу

Еще со времени учебы в аспирантуре я питал побочный интерес к машинному обучению и компьютерному зрению. Когда Google выпустил свой фреймворк Tensorflow и архитектуру Inception , я решил в свободное время глубоко погрузиться в обе технологии. Модель Inception особенно интересна, потому что она прошла испытания и принесла результаты мирового уровня в широко признанном конкурсе ImageNet Large Scale Visual Recognition Challenge (ILSVRC). Он также разработан с расчетом на эффективность,..

Почему регуляризация?

В этой статье будет рассмотрена широко используемая техника, позволяющая избежать переобучения. Необходимость регуляризации? Глубокие нейронные сети имеют тенденцию переобучаться из-за своей сложности, большого количества скрытых слоев, где ошибка обучения очень мала, но ошибка тестирования может возрасти. Вы можете сослаться на эту концепцию в этой статье: Обработка смещения и отклонения? Определить численно недостаточное и избыточное соответствие?..