Публикации по теме 'neural-networks'
Функция Tanh — S-образная функция, аналогичная сигмовидной функции.
Пошаговая реализация с его производной
В этом посте мы поговорим о функции активации Таня и ее производной. Форма функции Tanh очень похожа на сигмовидную, но выходной диапазон равен (-1, 1), в отличие от (0, 1) для сигмовидной.
Скачать Jupyter Notebook можно здесь .
Вернуться к предыдущему сообщению
Вернуться к первому сообщению
3.2 Что такое функция активации Tanh и ее производная?
Это определение функции Таня.
И очень легко найти производную функции Таня...
От подготовки данных до настройки параметров с помощью Tensorflow для обучения с помощью RNN
Основное внимание в этой записной книжке, чтобы вы были уверены, - это подготовка данных и настройка параметров с помощью Tensorflow.
Рекуррентные нейронные сети - это мощный инструмент для прогнозирования, когда используются данные временных рядов. Когда я впервые начал читать о них, я наткнулся на сообщение в блоге, в котором говорилось: «Лучший способ изучить RNN - это использовать их». Непосредственный переход к математической стороне RNN может быть довольно сложной задачей. Хотя..
AI каждые две недели: 10 бит с мая W3 по май W4
15 мая - Fujitsu и Nissha разрабатывают решение AI для книжных магазинов Fujitsu и Japan Publishing Co. (Nissha) вместе представляют SeleBoo, решение AI, использующее информацию о 3,5 миллионах книг и примерно 3000 книжных магазинах по всей стране. для автоматического хранения книг в зависимости от характеристик каждого книжного магазина. Персонал книжного магазина может лучше понимать тенденции покупок клиентов и соответственно обновлять книжные дисплеи.
16 мая - Sony Real..
CIFAR-100: предварительная обработка для задачи распознавания изображений
Предварительная обработка или подготовка данных популярного набора данных изображений - CIFAR-100
Распознавание изображений - это простая задача для людей, поскольку нам легко различать разные функции. Каким-то образом наш мозг бессознательно тренируется с разными или похожими типами изображений, которые помогают нам различать особенности (изображения), не прилагая особых усилий для выполнения этой задачи. Например, увидев несколько кошек, мы можем узнать почти все виды кошек, с..
Алгоритм градиентного спуска
Название: Что такое алгоритм градиентного спуска и как он работает.
Градиентный спуск - это тип алгоритма машинного обучения, который помогает нам оптимизировать нейронные сети и многие другие алгоритмы. В этой статье рассматривается, как на самом деле работает этот алгоритм, его типы и значение в реальном мире.
Краткое введение
Градиентный спуск - один из самых популярных алгоритмов оптимизации и, безусловно, самый распространенный способ оптимизации нейронных сетей. В то же время..
Нейронные сети: раскрытие потенциала сжатия скрытого пространства
И. Введение
Нейронные сети штурмом захватили мир, совершив революцию в области машинного обучения и открыв новые горизонты в области искусственного интеллекта. Эти мощные модели привели к прорывам, которые когда-то считались невозможными, например, ChatGPT, который может генерировать ответы, подобные человеческим, DALL-E, который создает потрясающие изображения из текстовых подсказок (см. заключение этого поста для примера), и AlphaGo Zero. , который освоил древнюю игру Го без..
Генеративно-состязательная сеть (GAN) простыми словами
GAN позволяет вам генерировать данные, которые выглядят как другие данные. Он изучает характеристики из образца набора данных и генерирует данные, которые будут иметь изученные атрибуты. Он не копирует набор данных, используемый при обучении, а только пытается сопоставить те данные, которые у вас есть. Это пример создания компьютерного креатива.
GAN состоит из двух компонентов — генератора и дискриминатора.
Генератор генерирует данные, в то время как дискриминатор пытается..
