#neural_network — Public Fediverse posts
Live and recent posts from across the Fediverse tagged #neural_network, aggregated by home.social.
-
[Перевод] Простая нейронная сеть на чистом C++
Ни Python, ни PyTorch, ни NumPy, … всего 260 строк кода на чистом C++ достаточно, чтобы обучить, оценить и протестировать простой двоичный классификатор, различающий рукописные цифры 0 и 1.
-
[Перевод] Простая нейронная сеть на чистом C++
Ни Python, ни PyTorch, ни NumPy, … всего 260 строк кода на чистом C++ достаточно, чтобы обучить, оценить и протестировать простой двоичный классификатор, различающий рукописные цифры 0 и 1.
-
[Перевод] Простая нейронная сеть на чистом C++
Ни Python, ни PyTorch, ни NumPy, … всего 260 строк кода на чистом C++ достаточно, чтобы обучить, оценить и протестировать простой двоичный классификатор, различающий рукописные цифры 0 и 1.
-
[Перевод] Простая нейронная сеть на чистом C++
Ни Python, ни PyTorch, ни NumPy, … всего 260 строк кода на чистом C++ достаточно, чтобы обучить, оценить и протестировать простой двоичный классификатор, различающий рукописные цифры 0 и 1.
-
Modern deep learning violated classical statistical theories by achieving exceptional generalisation despite overparameterization, raising critical questions about theoretical foundations and the underlying mechanics of neural networks.
-
Modern deep learning violated classical statistical theories by achieving exceptional generalisation despite overparameterization, raising critical questions about theoretical foundations and the underlying mechanics of neural networks.
-
Modern deep learning violated classical statistical theories by achieving exceptional generalisation despite overparameterization, raising critical questions about theoretical foundations and the underlying mechanics of neural networks.
-
Modern deep learning violated classical statistical theories by achieving exceptional generalisation despite overparameterization, raising critical questions about theoretical foundations and the underlying mechanics of neural networks.
-
Modern deep learning violated classical statistical theories by achieving exceptional generalisation despite overparameterization, raising critical questions about theoretical foundations and the underlying mechanics of neural networks.
-
Разнообразие нейронных сетей: Обзор основных задач
В этой статье вы увидите, как нейросети решают совершенно разные задачи. Мы создадим свои собственные нейросети на PyTorch и протестируем их на реальных данных: - Распознавание одежды по черно-белым картинкам - Анализ тональности текста - Классификация растений по их характеристикам
https://habr.com/ru/articles/883186/
#python #data_science #neural_network #искусственный_интеллект #машинное_обучение #pytorch #machine_learning
-
Разнообразие нейронных сетей: Обзор основных задач
В этой статье вы увидите, как нейросети решают совершенно разные задачи. Мы создадим свои собственные нейросети на PyTorch и протестируем их на реальных данных: - Распознавание одежды по черно-белым картинкам - Анализ тональности текста - Классификация растений по их характеристикам
https://habr.com/ru/articles/883186/
#python #data_science #neural_network #искусственный_интеллект #машинное_обучение #pytorch #machine_learning
-
Разнообразие нейронных сетей: Обзор основных задач
В этой статье вы увидите, как нейросети решают совершенно разные задачи. Мы создадим свои собственные нейросети на PyTorch и протестируем их на реальных данных: - Распознавание одежды по черно-белым картинкам - Анализ тональности текста - Классификация растений по их характеристикам
https://habr.com/ru/articles/883186/
#python #data_science #neural_network #искусственный_интеллект #машинное_обучение #pytorch #machine_learning
-
Разнообразие нейронных сетей: Обзор основных задач
В этой статье вы увидите, как нейросети решают совершенно разные задачи. Мы создадим свои собственные нейросети на PyTorch и протестируем их на реальных данных: - Распознавание одежды по черно-белым картинкам - Анализ тональности текста - Классификация растений по их характеристикам
https://habr.com/ru/articles/883186/
#python #data_science #neural_network #искусственный_интеллект #машинное_обучение #pytorch #machine_learning
-
[AI ⊂ TM] Машина Тьюринга и искусственный интеллект
Почему машина Тьюринга ( TM ) сегодня в теме про искусственный интеллект ( AI ) ? Ведь AI сегодня это все больше про машинное обучение ( ML ), искусственные нейронные сети ( ANN ), LLM, вычисления на CUDA и т. п. Причина в том, что никакой AI, с точки зрения математики, не превосходит по возможностям TM.
https://habr.com/ru/articles/982124/
#Turing_machine #машина_тьюринга #генетическое_программирование #генетические_алгоритмы #qlearning #reinforcementlearning #reinforecement_learning #нейронная_сеть #neural_network
-
[AI ⊂ TM] Машина Тьюринга и искусственный интеллект
Почему машина Тьюринга ( TM ) сегодня в теме про искусственный интеллект ( AI ) ? Ведь AI сегодня это все больше про машинное обучение ( ML ), искусственные нейронные сети ( ANN ), LLM, вычисления на CUDA и т. п. Причина в том, что никакой AI, с точки зрения математики, не превосходит по возможностям TM.
https://habr.com/ru/articles/982124/
#Turing_machine #машина_тьюринга #генетическое_программирование #генетические_алгоритмы #qlearning #reinforcementlearning #reinforecement_learning #нейронная_сеть #neural_network
-
[AI ⊂ TM] Машина Тьюринга и искусственный интеллект
Почему машина Тьюринга ( TM ) сегодня в теме про искусственный интеллект ( AI ) ? Ведь AI сегодня это все больше про машинное обучение ( ML ), искусственные нейронные сети ( ANN ), LLM, вычисления на CUDA и т. п. Причина в том, что никакой AI, с точки зрения математики, не превосходит по возможностям TM.
https://habr.com/ru/articles/982124/
#Turing_machine #машина_тьюринга #генетическое_программирование #генетические_алгоритмы #qlearning #reinforcementlearning #reinforecement_learning #нейронная_сеть #neural_network
-
[AI ⊂ TM] Машина Тьюринга и искусственный интеллект
Почему машина Тьюринга ( TM ) сегодня в теме про искусственный интеллект ( AI ) ? Ведь AI сегодня это все больше про машинное обучение ( ML ), искусственные нейронные сети ( ANN ), LLM, вычисления на CUDA и т. п. Причина в том, что никакой AI, с точки зрения математики, не превосходит по возможностям TM.
https://habr.com/ru/articles/982124/
#Turing_machine #машина_тьюринга #генетическое_программирование #генетические_алгоритмы #qlearning #reinforcementlearning #reinforecement_learning #нейронная_сеть #neural_network
-
Ukraine's Autonomous Killer Drones Defeat Electronic Warfare
https://spectrum.ieee.org/ukraine-killer-drones
#ycombinator #drone_war #drones #neural_network #russian_jamming #ukraine -
Ukraine's Autonomous Killer Drones Defeat Electronic Warfare
https://spectrum.ieee.org/ukraine-killer-drones
#ycombinator #drone_war #drones #neural_network #russian_jamming #ukraine -
Ukraine's Autonomous Killer Drones Defeat Electronic Warfare
https://spectrum.ieee.org/ukraine-killer-drones
#ycombinator #drone_war #drones #neural_network #russian_jamming #ukraine -
Ukraine's Autonomous Killer Drones Defeat Electronic Warfare
https://spectrum.ieee.org/ukraine-killer-drones
#ycombinator #drone_war #drones #neural_network #russian_jamming #ukraine -
Графовые сети в рекомендательных системах
Всем привет! Меня зовут Александр Тришин, я работаю DS в команде персональных рекомендаций Wildberries и занимаюсь графовыми нейросетями. Это был мой первый опыт работы с графовыми сетями, и мне пришлось погрузиться в изучение статей и проведение собственных экспериментов. В процессе я нашел много интересного и полезного, поэтому решил поделиться своими находками с вами. В результате графовая нейросеть используется в качестве кандидатной модели для увеличения exploration. В этой публикации я расскажу вам о LightGCN и не только . Вспомним, что такое сверточные графовые сети, их основные компоненты и принципы работы: подробно разберем модель на user-item графе, после перейдём к item-item графу. Затем познакомимся с моделью LightGCN: рассмотрим архитектуру, процесс обучения, недостатки (медленная сходимость и смещение в популярное) и варианты их устранения. А в конце посмотрим, как это всё применять на практике: обучим сетку на датасете Movielens-25m, замерим метрики, столкнёмся с проблемами LightGCN и вместе их решим! Ноутбук прилагается 🤓
https://habr.com/ru/companies/wildberries/articles/826422/
#recsys #datascience #data_science #lightgcn #графовые_нейросети #рекомендательные_системы #рекомендации #neuralnetworks #neural_network #wildberries
-
Графовые сети в рекомендательных системах
Всем привет! Меня зовут Александр Тришин, я работаю DS в команде персональных рекомендаций Wildberries и занимаюсь графовыми нейросетями. Это был мой первый опыт работы с графовыми сетями, и мне пришлось погрузиться в изучение статей и проведение собственных экспериментов. В процессе я нашел много интересного и полезного, поэтому решил поделиться своими находками с вами. В результате графовая нейросеть используется в качестве кандидатной модели для увеличения exploration. В этой публикации я расскажу вам о LightGCN и не только . Вспомним, что такое сверточные графовые сети, их основные компоненты и принципы работы: подробно разберем модель на user-item графе, после перейдём к item-item графу. Затем познакомимся с моделью LightGCN: рассмотрим архитектуру, процесс обучения, недостатки (медленная сходимость и смещение в популярное) и варианты их устранения. А в конце посмотрим, как это всё применять на практике: обучим сетку на датасете Movielens-25m, замерим метрики, столкнёмся с проблемами LightGCN и вместе их решим! Ноутбук прилагается 🤓
https://habr.com/ru/companies/wildberries/articles/826422/
#recsys #datascience #data_science #lightgcn #графовые_нейросети #рекомендательные_системы #рекомендации #neuralnetworks #neural_network #wildberries
-
Графовые сети в рекомендательных системах
Всем привет! Меня зовут Александр Тришин, я работаю DS в команде персональных рекомендаций Wildberries и занимаюсь графовыми нейросетями. Это был мой первый опыт работы с графовыми сетями, и мне пришлось погрузиться в изучение статей и проведение собственных экспериментов. В процессе я нашел много интересного и полезного, поэтому решил поделиться своими находками с вами. В результате графовая нейросеть используется в качестве кандидатной модели для увеличения exploration. В этой публикации я расскажу вам о LightGCN и не только . Вспомним, что такое сверточные графовые сети, их основные компоненты и принципы работы: подробно разберем модель на user-item графе, после перейдём к item-item графу. Затем познакомимся с моделью LightGCN: рассмотрим архитектуру, процесс обучения, недостатки (медленная сходимость и смещение в популярное) и варианты их устранения. А в конце посмотрим, как это всё применять на практике: обучим сетку на датасете Movielens-25m, замерим метрики, столкнёмся с проблемами LightGCN и вместе их решим! Ноутбук прилагается 🤓
https://habr.com/ru/companies/wildberries/articles/826422/
#recsys #datascience #data_science #lightgcn #графовые_нейросети #рекомендательные_системы #рекомендации #neuralnetworks #neural_network #wildberries
-
Как я написал свой первый классификатор эмоций
Всем привет! Немного о себе. Меня зовут Максим, я работаю специалистом по Machine Learning в компании SimbirSoft. Последние два года я углубленно изучал область машинного обучения и компьютерного зрения и сегодня с удовольствием поделюсь с вами опытом разработки личного пет-проекта. В этой статье я расскажу о своем пути от идеи до реализации своего первого классификатора эмоций. Мы обсудим с вами методы, инструменты и техники, которые я применял в процессе создания своего проекта. Анализ данных, выбор модели, обучение и оценка результатов – каждый этап разработки имеет свои особенности и трудности, о чем я с удовольствием поделюсь с вами. Почему меня привлекла именно эта тема? Во-первых, я уже решал аналогичную задачу на коммерческом проекте, которая включала распознавание и идентификацию лиц. Кроме того, меня заинтересовала эта задача тем, что она состоит из двух этапов: сначала детекция лица на изображении, а затем классификация эмоций, которые испытывает человек. Статья будет полезна начинающим разработчикам в области Computer Vision, а также всем, кому интересна тема машинного обучения. Вы узнаете, с какой стороны подходить к решению задач с распознаванием лиц и что можно для этого использовать (подходы, инструменты и технологии). Читать далее 😎
https://habr.com/ru/companies/simbirsoft/articles/810171/
#computer_vision #распознавание_эмоций #машинное_обучение #deep_learning #yolo #анализ_данных #pytorch #neural_network
-
Как я написал свой первый классификатор эмоций
Всем привет! Немного о себе. Меня зовут Максим, я работаю специалистом по Machine Learning в компании SimbirSoft. Последние два года я углубленно изучал область машинного обучения и компьютерного зрения и сегодня с удовольствием поделюсь с вами опытом разработки личного пет-проекта. В этой статье я расскажу о своем пути от идеи до реализации своего первого классификатора эмоций. Мы обсудим с вами методы, инструменты и техники, которые я применял в процессе создания своего проекта. Анализ данных, выбор модели, обучение и оценка результатов – каждый этап разработки имеет свои особенности и трудности, о чем я с удовольствием поделюсь с вами. Почему меня привлекла именно эта тема? Во-первых, я уже решал аналогичную задачу на коммерческом проекте, которая включала распознавание и идентификацию лиц. Кроме того, меня заинтересовала эта задача тем, что она состоит из двух этапов: сначала детекция лица на изображении, а затем классификация эмоций, которые испытывает человек. Статья будет полезна начинающим разработчикам в области Computer Vision, а также всем, кому интересна тема машинного обучения. Вы узнаете, с какой стороны подходить к решению задач с распознаванием лиц и что можно для этого использовать (подходы, инструменты и технологии). Читать далее 😎
https://habr.com/ru/companies/simbirsoft/articles/810171/
#computer_vision #распознавание_эмоций #машинное_обучение #deep_learning #yolo #анализ_данных #pytorch #neural_network
-
Как я написал свой первый классификатор эмоций
Всем привет! Немного о себе. Меня зовут Максим, я работаю специалистом по Machine Learning в компании SimbirSoft. Последние два года я углубленно изучал область машинного обучения и компьютерного зрения и сегодня с удовольствием поделюсь с вами опытом разработки личного пет-проекта. В этой статье я расскажу о своем пути от идеи до реализации своего первого классификатора эмоций. Мы обсудим с вами методы, инструменты и техники, которые я применял в процессе создания своего проекта. Анализ данных, выбор модели, обучение и оценка результатов – каждый этап разработки имеет свои особенности и трудности, о чем я с удовольствием поделюсь с вами. Почему меня привлекла именно эта тема? Во-первых, я уже решал аналогичную задачу на коммерческом проекте, которая включала распознавание и идентификацию лиц. Кроме того, меня заинтересовала эта задача тем, что она состоит из двух этапов: сначала детекция лица на изображении, а затем классификация эмоций, которые испытывает человек. Статья будет полезна начинающим разработчикам в области Computer Vision, а также всем, кому интересна тема машинного обучения. Вы узнаете, с какой стороны подходить к решению задач с распознаванием лиц и что можно для этого использовать (подходы, инструменты и технологии). Читать далее 😎
https://habr.com/ru/companies/simbirsoft/articles/810171/
#computer_vision #распознавание_эмоций #машинное_обучение #deep_learning #yolo #анализ_данных #pytorch #neural_network
-
Что скрывает под собой скрытое (латентное) пространство?
Работа с латентными пространствами Латентное пространство полезно для изучения функций данных и поиска более простых представлений данных для анализа. Как используются латентные пространства в библиотеке eXplain-NNs? Визуализация латентных пространств: Этот метод позволяет отобразить скрытые признаки или паттерны, выученные нейронной сетью, в этих латентных пространствах. Это может быть полезно для понимания, как модель организует данные и какие внутренние представления она использует для принятия решений. Анализ гомологии латентных пространств: Еще один метод, предоставляемый библиотекой eXplain-NNs, это анализ гомологии латентных пространств. Анализ гомологии используется для изучения структуры и связей между этих латентных представлений. Это помогает понять, каким образом информация организована внутри модели и влияет на ее способность принимать решения.
https://habr.com/ru/articles/807405/
#encoder #decoder #latent_diffusion #mathematics #neuralnetworks #neural_network #neuroscience #neural #ai #artificial_intelligence
-
Что скрывает под собой скрытое (латентное) пространство?
Работа с латентными пространствами Латентное пространство полезно для изучения функций данных и поиска более простых представлений данных для анализа. Как используются латентные пространства в библиотеке eXplain-NNs? Визуализация латентных пространств: Этот метод позволяет отобразить скрытые признаки или паттерны, выученные нейронной сетью, в этих латентных пространствах. Это может быть полезно для понимания, как модель организует данные и какие внутренние представления она использует для принятия решений. Анализ гомологии латентных пространств: Еще один метод, предоставляемый библиотекой eXplain-NNs, это анализ гомологии латентных пространств. Анализ гомологии используется для изучения структуры и связей между этих латентных представлений. Это помогает понять, каким образом информация организована внутри модели и влияет на ее способность принимать решения.
https://habr.com/ru/articles/807405/
#encoder #decoder #latent_diffusion #mathematics #neuralnetworks #neural_network #neuroscience #neural #ai #artificial_intelligence
-
Что скрывает под собой скрытое (латентное) пространство?
Работа с латентными пространствами Латентное пространство полезно для изучения функций данных и поиска более простых представлений данных для анализа. Как используются латентные пространства в библиотеке eXplain-NNs? Визуализация латентных пространств: Этот метод позволяет отобразить скрытые признаки или паттерны, выученные нейронной сетью, в этих латентных пространствах. Это может быть полезно для понимания, как модель организует данные и какие внутренние представления она использует для принятия решений. Анализ гомологии латентных пространств: Еще один метод, предоставляемый библиотекой eXplain-NNs, это анализ гомологии латентных пространств. Анализ гомологии используется для изучения структуры и связей между этих латентных представлений. Это помогает понять, каким образом информация организована внутри модели и влияет на ее способность принимать решения.
https://habr.com/ru/articles/807405/
#encoder #decoder #latent_diffusion #mathematics #neuralnetworks #neural_network #neuroscience #neural #ai #artificial_intelligence
-
Система: роевый интеллект, двупалатный разум и оптимизация достижения целей
Система…Как много в этом звуке... Дисклеймер: Статья вызовет больше вопросов, чем ответов и это факт. В ней проясняется концептуальная схема Системы и взаимодействия Ассистентов (нужно придумать другое слово, длинное какое-то). Читайте с осторожностью.
https://habr.com/ru/articles/797405/
#ии #саморазвитие #навыки #привычки #цели #дисциплина #образование #личностный_рост #neural_network #искусственный_интеллект
-
Система: роевый интеллект, двупалатный разум и оптимизация достижения целей
Система…Как много в этом звуке... Дисклеймер: Статья вызовет больше вопросов, чем ответов и это факт. В ней проясняется концептуальная схема Системы и взаимодействия Ассистентов (нужно придумать другое слово, длинное какое-то). Читайте с осторожностью.
https://habr.com/ru/articles/797405/
#ии #саморазвитие #навыки #привычки #цели #дисциплина #образование #личностный_рост #neural_network #искусственный_интеллект
-
We were not accepted into Google Summer of Code. So, we started our own
https://qdrant.tech/blog/qdrant-summer-of-code-24/
#ycombinator #vector_search_engine #neural_network #matching #SaaS #approximate_nearest_neighbor_search #image_search #recommender_system #vectors #knn_algorithm #hnsw #vector_search #embeddings #similarity #simaes_networks #BERT #transformer #word2vec #fasttext #qdrant -
We were not accepted into Google Summer of Code. So, we started our own
https://qdrant.tech/blog/qdrant-summer-of-code-24/
#ycombinator #vector_search_engine #neural_network #matching #SaaS #approximate_nearest_neighbor_search #image_search #recommender_system #vectors #knn_algorithm #hnsw #vector_search #embeddings #similarity #simaes_networks #BERT #transformer #word2vec #fasttext #qdrant -
We were not accepted into Google Summer of Code. So, we started our own
https://qdrant.tech/blog/qdrant-summer-of-code-24/
#ycombinator #vector_search_engine #neural_network #matching #SaaS #approximate_nearest_neighbor_search #image_search #recommender_system #vectors #knn_algorithm #hnsw #vector_search #embeddings #similarity #simaes_networks #BERT #transformer #word2vec #fasttext #qdrant -
We were not accepted into Google Summer of Code. So, we started our own
https://qdrant.tech/blog/qdrant-summer-of-code-24/
#ycombinator #vector_search_engine #neural_network #matching #SaaS #approximate_nearest_neighbor_search #image_search #recommender_system #vectors #knn_algorithm #hnsw #vector_search #embeddings #similarity #simaes_networks #BERT #transformer #word2vec #fasttext #qdrant -
Qdrant, the Vector Search Database, raised $28M in a Series A round
https://qdrant.tech/blog/series-a-funding-round/
#ycombinator #vector_search_engine #neural_network #matching #SaaS #approximate_nearest_neighbor_search #image_search #recommender_system #vectors #knn_algorithm #hnsw #vector_search #embeddings #similarity #simaes_networks #BERT #transformer #word2vec #fasttext #qdrant -
Qdrant, the Vector Search Database, raised $28M in a Series A round
https://qdrant.tech/blog/series-a-funding-round/
#ycombinator #vector_search_engine #neural_network #matching #SaaS #approximate_nearest_neighbor_search #image_search #recommender_system #vectors #knn_algorithm #hnsw #vector_search #embeddings #similarity #simaes_networks #BERT #transformer #word2vec #fasttext #qdrant -
Qdrant, the Vector Search Database, raised $28M in a Series A round
https://qdrant.tech/blog/series-a-funding-round/
#ycombinator #vector_search_engine #neural_network #matching #SaaS #approximate_nearest_neighbor_search #image_search #recommender_system #vectors #knn_algorithm #hnsw #vector_search #embeddings #similarity #simaes_networks #BERT #transformer #word2vec #fasttext #qdrant -
Growing Rat Neurons to Play Video Games [video]
https://www.youtube.com/watch?v=bEXefdbQDjw
#biology #experiment #science #neuron #neural #doom #video_game #neural_array #neuroscience #biotech #growing #growing_neurons #tissue_culture #biochem #squarespace #science_fiction #sci_fi #til #brain #learning #neural_network #computer_science #microbe #microscope #fluorescent #glow #interesting #electronics #incubator #cortical #cortex #stem_cell #cells #dna #classic #meat #food #robot #robotics #learning_model -
Growing Rat Neurons to Play Video Games [video]
https://www.youtube.com/watch?v=bEXefdbQDjw
#biology #experiment #science #neuron #neural #doom #video_game #neural_array #neuroscience #biotech #growing #growing_neurons #tissue_culture #biochem #squarespace #science_fiction #sci_fi #til #brain #learning #neural_network #computer_science #microbe #microscope #fluorescent #glow #interesting #electronics #incubator #cortical #cortex #stem_cell #cells #dna #classic #meat #food #robot #robotics #learning_model -
Growing Rat Neurons to Play Video Games [video]
https://www.youtube.com/watch?v=bEXefdbQDjw
#biology #experiment #science #neuron #neural #doom #video_game #neural_array #neuroscience #biotech #growing #growing_neurons #tissue_culture #biochem #squarespace #science_fiction #sci_fi #til #brain #learning #neural_network #computer_science #microbe #microscope #fluorescent #glow #interesting #electronics #incubator #cortical #cortex #stem_cell #cells #dna #classic #meat #food #robot #robotics #learning_model
