Publikációk a témában 'deep-learning'
Utazásom gépi tanulási gyakornokként a Prodigy InfoTechnél
Bevezetés
A Prodigy InfoTech gépi tanulási gyakornokként való gyakornoki utam izgalmas és tanulságos élmény volt. A szakmai gyakorlatom során lehetőségem nyílt olyan változatos projekteken dolgozni, amelyek a gépi tanulás területén bővítették tudásomat és készségeimet. Ebben a blogban szeretném megosztani a Prodigy InfoTech-nél szerzett gazdagító tapasztalataimat, a befejezett projektjeimet és az út során tanult felbecsülhetetlen értékű leckéket.
Prodigy InfoTech: A tanulás központja..
Agydaganat-diagnosztika számítógépes látással
Hagyományosan az orvosok mágneses rezonancia képalkotást (MRI) használnak a különféle egészségügyi állapotok, például a rák diagnosztizálására. Bizonyos esetekben azonban nem lehet pusztán a képek alapján pontos diagnózist felállítani. Például a glioblasztóma, az agyrák leggyakoribb formája olyan elemzési eljárással rendelkezik, amely magában foglalja a szövetminta eltávolítását a páciensből műtéten keresztül. Ráadásul a daganat jellemzése hetekig is eltarthat. Üdvözlünk tehát egy..
Hogyan működik az egyesített almodell tanulás, 1. rész (gépi tanulás)
Private Federated Submodel Learning keresztül Private Set Union (arXiv)
Szerző: Zhusheng Wang , Sennur Ulukus
Absztrakt : Megfontoljuk az egyesített almodell tanulás (FSL) problémáját, és olyan megközelítést javasolunk, amelyben az ügyfelek elméletileg privát módon frissíthetik a központi modellinformációkat. Megközelítésünk a privát halmazegyesítésen (PSU) alapul, amely a továbbiakban a többüzenet szimmetrikus privát információ-visszakeresésen (MM-SPIR) alapul. A szervernek..
A szűrőbuborék megoldása gépi tanulással
Az internetes világ szinte minden nap változik. Volt idő, amikor az interneten bármit meg lehetett csinálni névtelenül, de ma már minden internetes tevékenységünket elemzik és hasznosítják. Minden nap különféle webhelyeket böngészünk, hogy bizonyos információkat keressünk, és keresésünk alapján kapunk eredményeket. Mindannyian napi rendszerességgel kutakodunk és keresgélünk, de kevesen tudjuk, hogy ez milyen hatással van ránk, és hogyan változtatja meg gondolkodásunkat.
A szűrőbuborék..
Mély neurális hálózat használata a Flappy Bird játékhoz erősítő tanulással
Bevezetés a megerősítő tanulásba
A megerősített tanulás különbözik a klasszikus gépi tanulási módszerektől, például a felügyelt és a nem felügyelt tanulástól. A felügyelt tanulási algoritmus betanítási adatokat vár, amelyek tartalmazzák a bemeneteket és a hozzájuk tartozó kimeneteket. Algoritmusokat alkalmaznak a bemenetek és a kimenetek közötti leképezés létrehozására, így ha egy korábban nem látott bemenetet adnak, az a legjobb tudása szerint megjósolja a helyes kimenetet.
A..
Munkavégzés a megbízható mesterséges intelligencia 6. részével (gépi tanulás)
Digitális mérnöki átalakítás megbízható mesterséges intelligencia segítségével az ipar 4.0 felé: Feltörekvő paradigmaváltások (arXiv)
Szerző: Jingwei Huang
Absztrakt: A digitális mérnöki átalakítás kulcsfontosságú folyamat a negyedik ipari forradalom (4IR) mérnöki paradigmaváltásaiban, a mesterséges intelligencia (AI) pedig a digitális mérnöki átalakulás egyik kritikus alaptechnológiája. Ez a cikk a következő kutatási kérdéseket tárgyalja: Melyek az alapvető változások a 4IR-ben?..
Hogyan működik a Haptic Rendering 2. rész (Computer Vision + AI)
DandelionTouch: Lágy objektumok nagy pontosságú haptikus renderelése VR-ben drónraj által (arXiv)
Szerző: Alekszej Fedosejev, Ahmed Baza, Ayush Gupta, Jekaterina Dorzhieva, Riya Neelesh Gujarathi, Dzmitry Csetserukou
Absztrakt: A puha objektumok nagy pontosságú haptikus renderelésének eléréséhez nagy mobilitású virtuális környezetben egy új, DandelionTouch haptikus kijelzőt javasolunk. A tapintható aktuátorokat a drónok rajja juttatja a felhasználó keze ügyébe. A DandelionTouch..
Új anyagok
A rádiógomb ellenőrzött eseményének használata a jQueryben
Ebben a cikkben látni fogjuk, hogyan kell dolgozni a jquery választógombbal ellenőrzött eseményeivel. A választógombok HTML gombok, amelyek segítenek kiválasztani egyetlen értéket egy csoportból...
Körkörös függőségek megoldása terraformban adatforrásokkal – lépésről lépésre
Mi az a körkörös függőségek
Dolgozzunk egy egyszerű eseten, amikor az SQS-sor és az S3-vödör közötti körkörös függőség problémája van egy egymástól függő címkeérték miatt.
provider..
Miért érdemes elkezdeni a kódolást 2023-ban?
01100011 01101111 01100100 01100101 — beep boop beep boop
Világunk folyamatosan fejlődik a technológia körül, és naponta fejlesztenek új technológiákat a valós problémák megoldására. Amint..
🎙 Random Noise #2 – Örökbefogadás és hit
az analitika íratlan világának gondozása
Szeretné, hogy ezek a frissítések a postaládájába kerüljenek? Iratkozzon fel itt .
"Ha önvezető autókat gyártanak, akkor mi miért ne..
A legrosszabb politika és prediktív modellek májátültetésre jelöltek számára az Egyesült Államokban
A máj (vagy óangolul lifer) az emberi test legnehezebb belső szervére utal, amely csendesen működik a nap 24 órájában.
Mit csinál a máj? 500 feladatot hajt végre a szervezet egészségének..
5 webhely, amely 2022-ben fejleszti front-end fejlesztői készségeit
Frontendmentor.io
A tényleges projektek létrehozásával a Frontendmentor.io segítséget nyújt a front-end kódolási képességeinek fejlesztésében. A kódolást azután kezdheti meg, hogy..
Mikor kell használni a Type-t az interfészhez képest a TypeScriptben?
A TypeScript a JavaScript gépelt szuperkészlete, amely statikus gépelést ad a nyelvhez. Ez megkönnyíti a robusztus és karbantartható kód írását azáltal, hogy a hibákat a fordítási időben..