Публикации

Основы классификации изображений с помощью PyTorch
Основы классификации изображений с помощью PyTorch За последние несколько лет было выпущено множество фреймворков глубокого обучения. Среди них PyTorch от Facebook AI Research очень уникален и получил широкое распространение благодаря своей элегантности, гибкости, скорости и простоте. Большинство фреймворков глубокого обучения либо слишком специфичны для разработки приложений без достаточной поддержки исследований, либо слишком специфичны для исследований без достаточной поддержки..
: новый инструмент искусственного интеллекта для улучшения молочного производства!
TL;DR: TL;DR: Представляем DragGAN, манипулятор на основе GAN для синтеза визуального контента с точным контролем формы, позы, контроля и выражения. Паб. исследованиями Института Макса Планка, Массачусетского технологического института, Университета Пенсильвании и Google. Подписки на информационный бюллетень AI, чтобы быть в курсе последних исследований и проектов в области искусственного интеллекта. Станьте спонсором при создании стартапа, продукта или услуги в области ИИ. Отказ..
Как глубокое обучение стало огромной силой в мире искусственного интеллекта
Алгоритмы глубокого обучения произвели революцию в приложениях компьютерного зрения, заставив машины работать для множества задач, таких как распознавание изображений, обработка естественного языка, вождение автономных транспортных средств, прогнозирование определенных событий в бизнесе и т. Д. В этой статье мы увидим, как глубокое обучение стало огромной силой в мире искусственного интеллекта. Введение в глубокое обучение На заре ИИ исследователи создали алгоритмы, основанные на наборе..
Как далеко мы продвинулись с неконтролируемой адаптацией домена, часть 7 (машинное обучение)
GeoMultiTaskNet: неконтролируемая адаптация домена дистанционного зондирования с использованием географических координат (arXiv) Автор: Валерио Марсоччи , Николя Гонтье , Анатол Гариуд , Симона Скардапане , Клеман Малле . Аннотация: Карты земного покрова являются ключевым элементом в широком спектре приложений для наблюдения за Землей (EO). Однако аннотирование больших наборов данных для разработки контролируемых систем для семантической сегментации дистанционного зондирования..
Как школьнику или студенту начать изучать искусственный интеллект и машинное обучение…
Прежде чем начать читать это, вспомните, что есть цитата «Нет ничего невозможного». Я сам, Хари Шанкар , учусь в магистратуре по искусственному интеллекту. Я рассказал о том, почему я не могу помочь другим студентам дать информацию и помочь в изучении ИИ и развеять миф о том, что ИИ ( искусственный интеллект ), МО ( машинное обучение ) не для каждого ученика. Для этого не нужно быть гуру программирования или математиком. Позвольте мне привести вам пример, чтобы найти простой..
Что мы обнаружили, классифицируя 25 тысяч изображений лиц
Недавно наша команда аннотаторов данных разметила около 25 тысяч изображений лиц, классифицировав их по возрасту, полу, цвету волос, цвету бороды и усов (если они есть) и очкам. Затем мы выпустили аннотированный набор данных бесплатно для общественности. Вы можете скачать аннотированный набор данных классификации лиц здесь . Набор данных состоит из 23032 изображений лиц. Каждое изображение было помечено двумя независимыми комментаторами. Активы для нашего набора данных..
Применение кластеризации в устранении дисбаланса целевого класса классификации   — «Пример из практики…
Когда дело доходит до задач классификации в реальных наборах данных, дисбаланс классов является скорее нормой, чем исключением. От моделей машинного обучения, используемых в области медицины, которые могут диагностировать редкие заболевания, до моделей, используемых финансовыми учреждениями в моделировании кредитных рисков для определения потенциальных неплательщиков кредита, сама природа обучающих данных, на которых основаны эти классификаторы, по своей сути несбалансирована. Очевидно, что..
Немедленное RL (обучение с подкреплением)
Правильно, то, что мы называем немедленным обучением с немедленным подкреплением. Итак, если вы помните, существует множество характеристик проблемы обучения с подкреплением, и одна из них заключается в том, что вы получаете эту оценку из окружающей среды. Потенциально это может быть отложено, поэтому я сказал, что на самом деле вы можете потерять фигуру, очень важную фигуру в середине шахматной партии, но вы получаете награду только в конце. Это не похоже на то, что последний сделанный..
Что такое машинное обучение?
В современном постоянно меняющемся мире машинное обучение стало ключевой технологией с далеко идущими последствиями. От поддержки повседневных приложений до внедрения новаторских инноваций — его влияние распространяется на различные области. Понимание основ машинного обучения становится все более важным для всех. Он позволяет людям использовать свой потенциал в различных областях, принимать решения на основе данных и активно участвовать в формировании будущего. Использование машинного..
BlazeFace: раскрытие возможностей оптимизации
BlazeFace — это легкий и хорошо работающий детектор лиц, специально предназначенный для логического вывода мобильных графических процессоров. Он был разработан в 2019 году исследователями Google для получения выводов в режиме супер-реального времени. BlazeFace отличается от своих предшественников серией хитроумных оптимизаций, которые значительно повышают его производительность. В этой статье мы углубимся в тонкости BlazeFace, проливая свет на основные оптимизации, которые вывели его на..
Использование искусственного интеллекта и машинного обучения для преодоления климатического кризиса: возможности и проблемы.
Искусственный интеллект (ИИ) может помочь нам справиться с последствиями изменения климата и смягчить их несколькими способами. Используя анализ данных, машинное обучение и другие передовые технологии, искусственный интеллект может помочь нам принимать более обоснованные решения о том, как мы используем природные ресурсы, уменьшать углеродный след и минимизировать влияние изменения климата на сообщества и экосистемы по всему миру. Возобновляемая энергия: ИИ можно использовать для..
Демистификация компьютерного зрения и давайте начнем программировать
С увеличением количества устройств с камерами и различных устройств IoT разработчики начинают понимать, что внезапно их игровые площадки не ограничиваются только веб-приложениями или настольными приложениями. Сейчас самое время намочить ноги и узнать больше о том, как можно запрограммировать компьютерное зрение и каковы ограничения. Есть два подхода к компьютерному зрению. Во-первых, алгоритмы компьютерного зрения уже разработаны и существуют, как OpenCV с открытым исходным кодом...
Широкий выбор моделей для мультиклассовых классификаций
Многие примеры из реальной жизни включают множественный выбор. Вместо «быть» или «не быть» Гамлета выбор может быть множественным, например «Да», «Нет», «Я не знаю» и «Я не хочу выбирать». Поскольку мы используем науку о данных, чтобы помочь себе в жизни, нам часто приходится предсказывать результат, который имеет несколько вариантов. Хорошо, что есть много алгоритмов для выполнения этой работы. В…
Предварительная обработка текста для задач НЛП и машинного обучения
Как только вы начинаете работать над задачей по науке о данных, вы понимаете, что ваши результаты зависят от качества данных. Начальный шаг - подготовка данных - любого проекта в области науки о данных закладывает основу для эффективной работы любого сложного алгоритма. В задачах обработки текстовых данных это означает, что любой необработанный текст необходимо тщательно предварительно обработать, прежде чем алгоритм сможет его обработать. В самых общих чертах, мы берем некоторый..
Как ускорить работу ИИ с помощью аннотации данных: 5 вопросов перед началом
ИИ становится все более интеллектуальным, поскольку для разработки таких автоматизированных машин используются лучшие исходные данные. Робототехника, дроны, беспилотные автомобили и другие приложения, основанные на компьютерном зрении, нуждаются в огромном количестве наборов данных, чтобы полностью осознавать окружающую среду и делать соответствующие прогнозы. И теперь, чтобы достичь следующего уровня точности, данные о ставках необходимы для постоянного изучения и выявления..
Создайте свою собственную информационную панель измерения и смягчения предвзятости за 5 шагов
Узнайте, как создавать информационные панели ответственного ИИ с помощью библиотек Python HolitisticAI и Streamlit. Первоначально опубликовано в Блоге Holistic AI . ИИ все больше вплетается в ткань нашей повседневной жизни. Поэтому крайне важно устранить потенциальный вред , связанный с предвзятостью в системах ИИ — это означает устранение алгоритмов, которые увековечивают дискриминацию, усиливают неравенство и приводят к несправедливым результатам. В этой статье вы..
Ридж-регрессия против регрессии Лассо
Машинное обучение | Контролируемое обучение Насколько хорош ваш ИИ? модель? С инженерной точки зрения очень важно точно определить точность модели. Однако новая построенная модель может дать точность почти 100%, и ваш инстинкт, скорее всего, подскажет вам, что что-то не так. Что-то действительно не так, но есть способы это исправить — Регрессия гребня и Регрессия Лассо . Переобучение — это то, как мы определяем проблему, предложенную выше. Переоснащение происходит, когда..
Использование Feedback() с временной задержкой
Уважаемое сообщество Matlab, Я бы ожидал такой же переходной отклик на графике в следующем коде, но переходный отклик G_y_r нестабилен, а T_CL стабилен. Единственное отличие состоит в том, что T_CL строится с помощью функции feedback(), а G_y_r строится вручную. Кто-нибудь подскажет, почему у G_y_r две внутренние задержки («Внутренние задержки (секунды): 2.5e-05 2.5e-05»), а у T_CL только одна? Кажется, что feedback() делает здесь что-то особенное? Кроме того, G_y_r имеет больше..
Краткое введение в методы-оболочки
Процесс выбора функций основан на алгоритме. Метод основан на жадном поиске . Он оценивает все возможные комбинации функций по заданному критерию оценки . И выводит комбинацию функций, обеспечивающую наиболее оптимальную производительность. Возможны три подхода. Выбор вперед
Наука о данных и торговля: две стороны одной медали
Кванты, пользующиеся большим спросом, - это просто специалисты по данным, которые применяют свои навыки в алгоритмической торговле. У специалистов по данным одна из самых сексуальных профессий 21 века. Доступность огромного количества данных и развитие искусственного интеллекта проложили путь к требованию огромного количества специалистов по данным. Гуру аналитики со всего мира предсказывают, что 2017 год будет более масштабным и многообещающим для специалистов по данным, поскольку..