Публикации по теме 'transfer-learning'


Как построить работающие модели ИИ, когда у вас мало обучающих данных: ИИ как часть бизнеса…
Прицелы искусственного интеллекта (ИИ) можно обучить практически любой бизнес-проблеме, решение которой выиграет от автоматизации. Но что, если обучающих данных для вашей задачи не хватает? В этом блоге доктор Саймон Шекспир делится несколькими приемами обучения ИИ без повторного изобретения алгоритмического колеса или создания данных для обучения из воздуха. На протяжении большей части прошлого века инженеры сталкивались с тем, что у них было слишком много данных от датчиков и..
Многоуровневая классификация с использованием методов трансферного обучения
COVID-19 — это инфекционное заболевание, которое унесло тысячи жизней и заразило миллионы людей во всем мире. Используя сверточные нейронные сети и методы трансферного обучения, мы разработали высокоточную модель для определения того, инфицированы ли пациенты covid-19, каким-либо другим вирусом или ничем. Эта работа в основном посвящена использованию моделей CNN для классификации рентгеновских изображений грудной клетки для пациентов с коронавирусом, инфицированных вирусом и здоровых..
Мета-передача-обучение
1. Введение 1.1 Аннотация Сфера машинного обучения все больше адаптируется от базовых моделей, ориентированных на большие данные, к моделям, которым требуется лишь несколько точек данных для обобщения на новые задачи. Подтемы машинного обучения, такие как трансферное обучение, адаптация предметной области и метаобучение, стали видными решениями. Сегодня я буду говорить о мета-переносе-обучении или сокращенно MTL ( не путать с MtL, что означает мета-обучение ). Это начало моей..
Пусть модель машинного обучения признает, что она не знает.
Чрезмерная уверенность в обнаружении выхода за пределы распределения Известно, что модели машинного обучения хорошо обобщаются, когда все данные тестирования и данные обучения взяты из одного и того же распределения. Однако более реалистичным сценарием является то, что во время обучения в модель машинного обучения могут быть отправлены неполные знания о настоящем мире, а также нерелевантные образцы из неизвестных классов или распределений[1]. Исследования показывают, что модель ML может..
Трансферное обучение в классификации изображений: сколько обучающих данных нам действительно нужно?
Экспериментальная оценка того, как размер обучающего набора данных влияет на производительность классификатора, обученного с помощью трансферного обучения. Термин «трансферное обучение» относится к использованию знаний, полученных нейронной сетью, обученной на определенном (обычно большом) доступном наборе данных, для решения новых задач, для которых доступно несколько обучающих примеров, интеграции существующих знаний с новыми, полученными из нескольких примеров. набора данных для..
Штурм таблицы лидеров Kaggle
Используйте трансферное обучение с TensorFlow, чтобы повысить точность модели для соревнования Kaggle Dogs vs Cats. Пока я изучаю глубокое обучение, мне нравится практиковать теорию, участвуя в соревнованиях Kaggle. Ранее я создал свёрточную нейронную сеть с TensorFlow, чтобы присоединиться к соревнованию «Кошки против собак» на Kaggle. Благодаря этой сверточной нейронной сети я занял 833-е место в общедоступной таблице лидеров Kaggle. Распознавание кошек..
Новости SOTA: задачи и наборы данных
Последний информационный бюллетень StateOfTheArt AI с обновлениями и функциями для нашей исследовательской платформы с открытым исходным кодом и актуальными статьями в области машинного обучения и искусственного интеллекта. СОТА 53. Новости На этой неделе в новостях Stateoftheart AI (SOTA) мы хотели выделить нашу Карту и таксономию задач и наборов данных . На этой неделе компьютерное зрение стало популярной темой, поэтому мы рекомендуем вам изучить наши связанные наборы данных и..