Публикации по теме 'machine-learning'
Глубокое обучение, ключевые моменты
Введение в нейронные сети
Первым делом
Нейронные сети и глубокое обучение стоят за большей частью ИИ, который формирует нашу повседневную жизнь. Подумайте о том, как вы ежедневно взаимодействуете с этими технологиями, просто используя лучшие функции наших телефонов (распознавание лиц, автокоррекция, автозаполнение текста, предварительный просмотр голосовой почты в текст), находя то, что нам нужно в Интернете (интеллектуальный поиск в Интернете, или рекомендации по продуктам)..
Начало работы с линейной регрессией
Введение в линейную регрессию
Линейная регрессия — это простая, но мощная прогностическая модель, предназначенная для изучения связи между входными переменными и целевой переменной. Чтобы полностью понять, что это такое и как это работает, нам придется немного вернуться в прошлое.
Помните это уравнение из средней школы?
y = mx + b
источник: Математика — это весело
Это простое уравнение используется для рисования линии на сетке. Давайте разберем его дальше, чтобы понять..
Как хранить данные обратного вызова ROS в свойствах класса?
Я пытаюсь сохранить данные обратного вызова из темы ROS под названием /scan в свойствах (лазере) класса, который я создал.
Я получил такую ошибку:
"No public field laser exists for class robotics.ros.Subscriber.
Error in MobileRobot/Callback_Laser (line 14) obj.laser = [message.Ranges];
Error in @(varargin)robot.Callback_Laser(varargin{:})
Error in robotics.ros.internal.onNewMessageCallback (line 44) feval(callbackFcn, source, message, userData{:});
Предупреждение: при оценке..
Работа с квазиизометрией, часть 3 (машинное обучение)
Квазиизометрии для некоторых прямоугольных групп Кокстера (arXiv)
Автор : Александра Эдлетцбергер
Аннотация: Мы строим JSJ-дерево цилиндров Tc для конечно представленных одноконцевых двумерных прямоугольных групп Кокстера (RACG), расщепляющихся на двуконечные подгруппы, в терминах определяющего графа группы, обобщая визуальную конструкцию формулой Дэни и Томас даны для гиперболических RACG. Кроме того, мы доказываем, что Tc имеет двусторонние стабилизаторы ребер тогда и только..
Путешествие филиппинца в науку о данных
«Когда кажется, что ничего не помогает, я иду и смотрю на каменотеса, отбивающего свой камень, может быть, сто раз, и в нем не появляется ни единой трещины. Но при сто первом ударе оно расколется надвое, и я знаю, что это сделал не тот удар, а все, что было до него».
-Джейкоб Риис
Начал изучать Python на второй неделе октября, обновил свои знания по алгебре, исчислению, вероятности и статистике, которые уже выучил в колледже и аспирантуре. В среднем всего 4 часа обучения за..
TLDR, что случилось с ИИ на этой неделе?
Поскольку в наши дни отслеживание всех событий — это работа на полную ставку, я решил собрать некоторые из самых интересных событий, которые я видел за последнюю неделю или две. По большей части я делаю это для себя, просто чтобы через несколько месяцев было на что оглянуться и посмотреть, есть ли какие-то модели или возможности, о которых я забыл из-за всей этой суеты. Это, вероятно, не будет регулярным, если мы действительно не сможем поддерживать темпы разработки, которые у нас были в..
Работа с многоуровневым ранжированием, часть 1 (машинное обучение)
Об обучаемости многоуровневого ранжирования (arXiv)
Автор: Винод Раман , Уник Субеди , Амбудж Тевари .
Аннотация: Ранжирование по нескольким меткам является центральной задачей машинного обучения с широко распространенными приложениями для веб-поиска, новостей, рекомендательных систем и т. д. Однако самый фундаментальный вопрос обучаемости в условиях ранжирования с несколькими метками остается без ответа. В этой статье мы характеризуем обучаемость задач ранжирования с..