Публикации по теме 'deep-learning'
Понимание Debiasing Framework, часть 2 (ИИ)
MTMD: многомасштабное обучение временной памяти и эффективная система устранения смещения для прогнозирования тренда акций (arXiv)
Автор: Минцзе Ван , Мингзе Чжан , Цзяньсюн Го , Вейцзя Цзя .
Аннотация: В последнее время методы машинного обучения показали перспективность прогнозирования тренда акций. Однако изменчивый и динамичный характер фондового рынка затрудняет прямое применение методов машинного обучения. Предыдущие методы обычно используют временную информацию об..
КАИ ЕСТЬ НА ВЕБТЕКНО!
Сценарист: Фатих Сарыоглу
Наш совершенно новый клуб kAi стремительно прославился и занял место в Webtekno, главном технологическом центре Турции!
Но это еще не все — наш президент Серхан вышел на сцену и рассказал о нашем невероятном клубе и умопомрачительных проектах в области искусственного интеллекта, которыми мы будем заниматься.
Это только начало, и поверьте нам, вы не захотите пропустить ни секунды этого приключения!
Источник: kAi Sabancı, NVIDIA’nın Öğrenci Programına..
как использовать два отдельных файла для ANN?
Привет, я хотел бы использовать два отдельных файла для ANN. Один файл для обучения, а другой файл для проверки данных. Вот для одного входа.
inputs = ii';
targets = f';
inputGap = ig;
targetGap = fg;
hiddenLayerSize = j;
net = fitnet(hiddenLayerSize);
net.inputs{1}.processFcns = {'removeconstantrows','mapminmax'};
net.outputs{2}.processFcns = {'removeconstantrows','mapminmax'};
net.divideFcn = 'dividerand';
net.divideMode = 'sample';..
Глубокое обучение (часть 2)
В этой части блога я больше сосредоточусь на инструментах глубокого обучения, которые могут помочь в выполнении задач эконометрики. Начнем с рекуррентных нейронных сетей или RNN.
RNN может использоваться для анализа временных рядов. RNN принимает выходные данные уровня и передает их обратно в тот же уровень. Обычно у нас есть только один слой во всей сети, однако, поскольку процесс подачи происходит в разные периоды времени, мы можем рассматривать один слой как композицию из нескольких..
Что такое расхождение Реньи, часть 2 (оптимизация)
Адаптация нескольких источников и расхождение Реньи ( arXiv )
Автор: Ишай Мансур , Мехрияр Мори , Афшин Ростамизаде
Аннотация: в этой статье представлено новое теоретическое исследование общей проблемы адаптации из нескольких источников с использованием понятия дивергенции Реньи. Наши результаты основаны на нашей предыдущей работе [12], но значительно расширяют объем этой работы в нескольких направлениях. Мы распространяем предыдущие гарантии потерь от нескольких..
Концепции эволюционных вычислений, часть 3 (искусственный интеллект)
EvoTorch: масштабируемые эволюционные вычисления на Python (arXiv)
Автор: Нихат Энгин Токлю , Тимоти Аткинсон , Войтех Мика , Павел Лисковски , Рупеш Кумар Сривастава .
Аннотация: Эволюционные вычисления являются важным компонентом в различных областях, таких как исследования искусственного интеллекта, обучение с подкреплением, робототехника, промышленная автоматизация и/или оптимизация, инженерное проектирование и т. д. Учитывая растущие вычислительные потребности и размерность..
Интеграция Java с машинным обучением: практическое руководство по использованию фреймворков глубокого обучения
Введение
В современном мире все большее значение приобретают машинное обучение (МО) и искусственный интеллект (ИИ). Как Java-разработчик, вам может быть интересно, как вы можете интегрировать машинное обучение в свои приложения. В этом сообщении блога мы рассмотрим шаги по интеграции Java с машинным обучением с использованием популярных сред глубокого обучения, таких как Deeplearning4j и TensorFlow. Мы также предоставим примеры кода, которые помогут вам начать работу.
Глубокое..
