Публикации по теме 'deep-learning'
Варианты использования положительной изотропной кривизны, часть 1 (машинное обучение)
Классификация компактных многообразий положительной изотропной кривизны (arXiv)
Автор : Хун Хуан
Аннотация: : Мы показываем следующий результат: Пусть (M,g0) — компактное многообразие размерности n≥12 с положительной изотропной кривизной. Тогда M диффеоморфно сферической пространственной форме, или фактор-многообразию Sn−1×R по кокомпактной дискретной подгруппе группы изометрий круглого цилиндра Sn−1×R, или связной сумме конечного числа таких многообразий. . Это расширяет..
Устранение размытости изображения с помощью сверточных автоэнкодеров (учебное пособие по проекту глубокого обучения)
Размытие — это нерезкая область изображения, вызванная движением камеры или объекта, неточной фокусировкой или использованием диафрагмы, обеспечивающей малую глубину резкости. Это приводит к уменьшению разрешения изображения, делая контуры и особенности изображения нечеткими. Таким образом, чтобы получить более четкое изображение, мы можем либо переснять ту же фотографию с предпочтительным фокусом объектива камеры, либо использовать наши знания о глубоком обучении и воспроизвести..
Что такое искусственный интеллект и как он работает на самом деле? Руководство для начинающих
Что подразумевается под термином «Искусственный интеллект»?
Искусственный интеллект – это интеллект, который помогает человеку уменьшить нагрузку или задачу. Например: беспилотные автомобили , Siri , Cortana и т. д.
Краткая история ИИ :-
1956 В конце 1956 года Джон Маккарти ввел термин ИИ, также известный как искусственный интеллект.
1969 – позже группа инженеров-программистов создала первого робота, способного выполнять различные задачи, и первый искусственный интеллект,..
Применение первой глубокой нейронной сети Эндрю Нг к набору данных Titanic Survival
Вы были потрясены первым курсом Coursera по глубокому обучению Эндрю Нг, возможно, даже проглотили его за неделю . Мы все были! Но удерживайте свои нетерпеливые пальцы от перехода на второй курс, прежде чем применять полученные знания к новому набору данных.
В этом посте рассматривается применение нейронной сети к набору данных Titanic Survival от kaggle. Это помогает читателю углубить понимание нейронных сетей вместо того, чтобы просто выполнять тщательно подобранный код Эндрю Нг...
Как работают шумоподавляющие автоэнкодеры, часть 2 (машинное обучение)
Как сконструировать энергию для изображений? Автоэнкодер шумоподавления может быть моделью на основе энергии (arXiv)
Автор : Вейли Цзэн
Аннотация: Модели на основе энергии параметризуют ненормализованную логарифмическую вероятность выборок данных, но отсутствуют указания о том, как построить «энергию». В этой статье мы предлагаем Denoising-EBM, который разлагает энергию изображения на «семантическую энергию» и «энергию текстуры». Мы определяем «семантическую энергию» в скрытом..
Классификация птиц на основе звука
Как группа польских женщин использовала глубокое обучение, акустику и орнитологию для классификации птиц
Вы когда-нибудь задумывались, как зовут птицу, которую вы только что слышали поет? Группа женщин из местного польского отделения организации Women in Machine Learning & Data Science (WiMLDS) не только подумала об этом, но и решила самостоятельно создать решение, позволяющее обнаруживать птиц. виды - в зависимости от звука, который они издают.
Этот проект был разработан как..
50 самых важных терминов науки о данных, которые вам нужно знать
Жаргон науки о данных: что все это значит?
Наука о данных — сложная область с большим количеством жаргона. В этой статье определяются 50 наиболее важных терминов науки о данных, которые вам необходимо знать.
Имея базовое понимание этих терминов, вы сможете лучше общаться с учеными данных и понимать их работу.
