www.machinelearningmastery.ru

Машинное обучение, нейронные сети, искусственный интеллект
Header decor

Home

Машинное обучение

Недавно добавленные статьи:

Нежное введение в автокорреляцию и частичную автокорреляцию

Графики автокорреляции и частичной автокорреляции широко используются при анализе и прогнозировании временных рядов. Это графики, которые графически суммируют силу взаимосвязи с наблюдением во временном ряду с наблюдениями на предыдущих временных шагах....

Ты не будешь бояться автоматов

TL; DR Грядущая опасность с искусственным интеллектом не имеет ничего общего с тем, что машины становятся слишком интеллектуальными. Это связано с машинами, наследующими невежество людей. Задний план Кому мы должны верить в масштаб изменений, которые...

Глубокое обучение за 2017 год: усиленное обучение и другие приложения

В третьей части нашего резюме по глубокому обучению за 2017 год мы обсуждаем новые открытия и открытия в области усиленного обучения и других областях. Усиленное обучение или RL также на подъеме. Этот термин относится к обучению агента в интерактивной и...

Перенос обучения с предварительно обученных моделей

Как быстро и легко решить любую проблему с классификацией изображений В этой статье вы узнаете, как использовать трансферное обучение для решения задач классификации изображений. Практический пример использования Keras и его предварительно обученных...

Методы выбора признаков в регрессионной модели

Выбор характеристик - это способ уменьшить количество признаков и, следовательно, уменьшить вычислительную сложность модели. Много раз выбор функций становится очень полезным, чтобы преодолеть проблему с переоснащением. Это помогает нам определить наименьший...

Глубокое обучение и импульсное инвестирование

В этом посте я представлю обзор моего нового рабочего документа о глубоком обучении и динамике в американских акциях. Я начинаю с краткое резюме из статьи, освещающей вопрос исследования и основные результаты, после этого я намеренно надеваю шляпу моего...

Иерархическая кластеризация временных рядов с использованием динамической деформации времени в Python

Давайте рассмотрим следующую задачу У нас есть куча равномерно распределенных временных рядов разной длины. Цель состоит в том, чтобы объединить временные ряды путем определения общих закономерностей, представленных в данных. Здесь я хотел бы представить...

Footer decor

© www.machinelearningmastery.ru | Ссылки на оригиналы и авторов сохранены. | map