สิ่งตีพิมพ์ในหัวข้อ 'neural-networks'


การใช้ Neural Net เพื่อเลือกผู้ชนะ March Madness
บทความนี้มีข้อมูลเพิ่มเติมเกี่ยวกับการใช้งานโครงข่ายประสาทเทียมขั้นพื้นฐาน แต่ไม่ค่อยเกี่ยวกับผลลัพธ์ของการใช้ AI ในการเลือกผู้ชนะ ดังที่คุณจะเห็นในเร็วๆ นี้ การเลือกทำผลงานได้ไม่ดี และเป็นที่แน่ชัดตั้งแต่ก่อนที่ทัวร์นาเมนต์จะเริ่มต้นว่าการเลือกนั้นยังเป็นที่น่าสงสัยอีกด้วย การแข่งขันเริ่มในวันที่ 17/3/22 และสิ้นสุดในวันที่ 4/4/2022 นอกจากนี้ นี่เป็นการโจมตีครั้งแรกของฉันในการสร้างโครงข่ายประสาทเทียม และมันก็สนุกมาก! ฉันไม่ใช่ผู้เชี่ยวชาญแต่อย่างใด แต่ฉันชอบใช้คณิตศาสตร์กับกีฬา คัดสรร..
การบรรยายสรุปวันอาทิตย์ของ D4S #152
การบรรยายสรุปวันอาทิตย์ของ D4S #152 จดหมายข่าวรายสัปดาห์พร้อมการพัฒนาล่าสุดในด้านวิทยาศาสตร์ข้อมูล การเรียนรู้ของเครื่องและปัญญาประดิษฐ์​​ 24 เมษายน 2022 ​เพื่อน ๆ ที่รัก ​ ยินดีต้อนรับสู่ Sunday Briefing ฉบับวันอาทิตย์อีสเตอร์ สัปดาห์นี้เราภูมิใจที่จะประกาศโพสต์ล่าสุดในซีรีส์ G4Sci: Neighborhood Overlap และ Edge Weights ในส่วนย่อยของ V4Sci โพสต์ล่าสุดครอบคลุม "NASA Climate Spiral" ในขณะที่ "ปานกลาง" เรามีบทสรุปของ "หนังสือ 10 อันดับแรกที่เราอ่านในปี 2021"..
ความเข้าใจที่ลึกซึ้งยิ่งขึ้นเกี่ยวกับ NNets (ตอนที่ 1) - CNN
การแนะนำ Deep Learning และ AI เป็นคำที่ได้รับความนิยมในปี 2559 ภายในสิ้นปี 2560 สิ่งเหล่านี้มีบ่อยขึ้นและสับสนมากขึ้น ดังนั้นเรามาลองทำความเข้าใจทุกอย่างทีละเรื่องกันดีกว่า เราจะมาดูหัวใจของ Deep Learning เช่น Neural Networks (NNets) รูปแบบต่างๆ ของ NNet ส่วนใหญ่เข้าใจยาก และส่วนประกอบทางสถาปัตยกรรมที่สำคัญทำให้ทั้งหมดมีเสียง (ตามทฤษฎี) และดู (ตามภาพ) เหมือนกัน ขอขอบคุณ Fjodor van Veen จากสถาบัน Asimov ที่ทำให้เรานำเสนอสถาปัตยกรรม NNet ที่ได้รับความนิยมมากที่สุดได้อย่างยุติธรรม..
การพยากรณ์อนุกรมเวลาผ่านเครื่องการเรียนรู้ขั้นสูง
แนวทางการเรียนรู้ขั้นตอนเดียว เครื่องการเรียนรู้ขั้นสูง สถาปัตยกรรมโครงข่ายประสาทเทียมที่พบมากที่สุดคือโครงข่ายประสาทเทียมแบบป้อนไปข้างหน้า ข้อมูลของเครือข่ายนี้เผยแพร่ (ไหล) ในทิศทางเดียวจากเลเยอร์อินพุตไปยังเลเยอร์เอาต์พุต Extreme Learning Machine (ELM) คือโครงข่ายประสาทเทียมแบบป้อนไปข้างหน้า ซึ่งสามารถใช้สำหรับแนวทางการถดถอยและการจัดหมวดหมู่ได้ เป็นต้น น้ำหนักระหว่างเลเยอร์อินพุตและเลเยอร์ที่ซ่อนอยู่จะถูกกำหนดแบบสุ่ม..
ข้อมูลเบื้องต้นเกี่ยวกับการเรียนรู้เชิงลึกและโครงข่ายประสาทเทียม
ความรู้เบื้องต้นเกี่ยวกับการเรียนรู้เชิงลึกและโครงข่ายประสาทเทียม | Quick KT ความรู้เบื้องต้นเกี่ยวกับ Deep Learning , Neural Networks, Machine Learning quickkt.com
ภาพรวมของเครื่อง Boltzmann แบบจำกัด
การแนะนำ ตามที่สัญญาไว้ใน บล็อก ล่าสุดของฉัน วันนี้ฉันจะหารือเกี่ยวกับโครงข่ายประสาทเทียมประเภทอื่น - เครื่อง Boltzmann ที่จำกัด (RBM) เป็นเทคนิคการเรียนรู้ของเครื่องแบบไม่มีผู้ดูแล เบื้องหลัง RBM มีสูตรทางคณิตศาสตร์ที่ดูน่ากลัวอยู่ ต่อไปนี้ฉันกำลังพยายามอธิบาย RBM ที่เรียบง่ายและเข้าใจง่ายโดยไม่ต้องเจาะลึกเรื่องคณิตศาสตร์มากนัก เครื่อง Boltzmann ที่ถูกจำกัดคือโครงข่ายประสาทเทียม นี่เป็นของโมเดลอิงพลังงาน RBM อาจไม่ใช่ชื่อที่รู้จักกันดีเช่น CNN หรือ RNN แต่ได้รับความนิยมเมื่อเร็ว..
การแพร่กระจายไปข้างหน้าและการแพร่กระจายแบบย้อนกลับในโครงข่ายประสาทเทียมคืออะไร?
การขยายพันธุ์ไปข้างหน้าและการขยายพันธุ์แบบย้อนกลับในโครงข่ายประสาทเทียมคืออะไร การแพร่กระจายไปข้างหน้า: ในการแพร่กระจายไปข้างหน้า อินพุตจะถูกป้อนเข้าสู่โครงข่ายประสาทเทียม และสร้างเอาต์พุต จากนั้นเอาต์พุตนี้จะถูกเปรียบเทียบกับเอาต์พุตที่คาดไว้ และจะมีการคำนวณข้อผิดพลาด จากนั้นข้อผิดพลาดนี้จะถูกส่งกลับผ่านโครงข่ายประสาทเทียมเพื่ออัปเดตน้ำหนักและปรับปรุงความแม่นยำของเครือข่าย การแพร่กระจายแบบย้อนกลับ: ในการแพร่กระจายแบบย้อนกลับ..