Публикации по теме 'deep-learning'
Понимание автоэнкодеров — Часть IX: Обучение автоэнкодера
Наконец-то мы подошли к последней части автокодировщика! Здесь мы покажем, как объединить кодер и декодер в классе ауоэнкодера. Затем мы возьмем автоэнкодер и обучим его на наборе данных mnist.
Помните, что полный скрипт Python можно найти в моем репозитории GitHub .
Сначала давайте посмотрим, как мы можем создать автокодировщик, используя кодировщик и декодер, определенные в частях VII и VIII .
# combining encoder and decoder to make autoencoder
class Autoencoder(nn.Module):..
Моделирование модели глубокого обучения очистки фона - Часть I
Эта серия статей посвящена тому, чтобы дать представление о том, как построить модель глубокого обучения для выполнения задачи удаления фона с портретных изображений .
В первой части статьи основное внимание будет уделено следующему:
Описание поставленной задачи. Как глубокое обучение оказалось хорошим выбором для этой задачи. Краткое введение в глубокую нейронную сеть. Обзор выбранной нами архитектуры модели очистки фона.
Вступление
Вычитание переднего / заднего плана -..
Как работают коды AG (DSA)
1. Изометрия — двойные флаги кодов AG (arXiv)
Автор: Мария Брас-Аморос , Иван Дуурсма , Ыджин Хонг
Аннотация: рассмотрите полный флаг {0}=C0‹C1‹⋯‹Cn=Fn одноточечных кодов AG длины n над конечным полем F. Коды определяются вычислением функций с полюсами в данной точке Q в точках P1,...,Pn, отличных от Q. Флаг обладает свойством изометричности, если данный флаг и соответствующий ему дуальный флаг совпадают с точностью до изометрии. Для нескольких кривых, включая проективную..
Переидентификация человека с помощью k-обратного кодирования
Повторная идентификация человека с помощью k-обратного кодирования относится к методу, используемому в области компьютерного зрения и машинного обучения, особенно в контексте задач повторной идентификации человека (повторной идентификации). Повторная идентификация человека — это задача сопоставления изображений или видео одного и того же человека в разных ракурсах камеры или в разные моменты времени. Он находит применение в системах наблюдения, безопасности и слежения.
Проблема с..
Работа с внимательным нейронным процессом, часть 2 (машинное обучение)
Внимательные нейронные процессы и пакетная байесовская оптимизация для масштабируемой калибровки цифровых двойников с физикой (arXiv)
Автор: Анкуш Чакрабарти , Гордон Вичерн , Кристофер Лафман .
Аннотация: Модели динамических систем, основанные на физике, образуют критически важные компоненты цифровых двойников искусственной среды. Эти цифровые двойники позволяют проектировать энергоэффективную инфраструктуру, но должны быть правильно откалиброваны, чтобы точно отражать поведение..
Работа с синтетическими данными, часть 1 (инженерия данных)
Оценка крупномасштабных синтетических данных для исправления грамматических ошибок ( arXiv)
Автор : Ваня Баннихатти Кумар
Аннотация: исправление грамматических ошибок (GEC) в основном зависит от наличия высокого качества большого количества синтетических параллельных данных грамматически правильных и ошибочных пар предложений. Качество синтетических данных оценивается по тому, насколько хорошо работает система GEC при ее предварительном обучении. Но это не дает..
Лучшие варианты использования распознавания действий в 2023 году, часть 1 (машинное обучение)
Меньше образцов, больше знаний: эффективное распознавание действий с помощью восстановления элементов кадра (arXiv)
Автор: Гарри Ченг , Янъян Го , Лицян Не , Чжиюн Ченг , Мохан Канканхалли .
Аннотация: Обучение эффективной модели распознавания действий на видео создает серьезные вычислительные проблемы, особенно в условиях ограниченного бюджета ресурсов. Текущие методы в первую очередь направлены либо на уменьшение размера модели, либо на использование предварительно обученных..
Новые материалы
Коллекции публикаций по глубокому обучению
Последние пару месяцев я создавал коллекции последних академических публикаций по различным подполям глубокого обучения в моем блоге https://amundtveit.com - эта публикация дает обзор 25..
Представляем: Pepita
Фреймворк JavaScript с открытым исходным кодом
Я знаю, что недостатка в фреймворках JavaScript нет. Но я просто не мог остановиться. Я хотел написать что-то сам, со своими собственными..
Советы по коду Laravel #2
1-) Найти
// You can specify the columns you need
// in when you use the find method on a model
User::find(‘id’, [‘email’,’name’]);
// You can increment or decrement
// a field in..
Работа с временными рядами спутниковых изображений, часть 3 (аналитика данных)
Анализ временных рядов спутниковых изображений для данных наблюдений за большой Землей (arXiv)
Автор: Рольф Симоэс , Жильберто Камара , Жильберто Кейрос , Фелипе Соуза , Педро Р. Андраде ,..
3 способа решить квадратное уравнение (3-й мой любимый) -
1. Методом факторизации —
2. Используя квадратичную формулу —
3. Заполнив квадрат —
Давайте поймем это, решив это простое уравнение:
Мы пытаемся сделать LHS,..
Создание VR-миров с A-Frame
Виртуальная реальность (и дополненная реальность) стали главными модными терминами в образовательных технологиях. С недорогими VR-гарнитурами, такими как Google Cardboard , и использованием..
Демистификация рекурсии
КОДЕКС
Демистификация рекурсии
Упрощенная концепция ошеломляющей
О чем весь этот шум?
Рекурсия, кажется, единственная тема, от которой у каждого начинающего студента-информатика..