Թեմայի վերաբերյալ հրապարակումներ 'machine-learning'
Ինչպես են օգտագործվում երկկողմանի գրաֆիկները մաս 2 (Գծապատկերների ուսուցում)
Համայնքի արդյունավետ որոնում մեծ վերագրվող երկմաս գրաֆիկների վրա (arXiv)
Հեղինակ՝ Zongyu Xu , Yihao Zhang , Long Yuan , Yuwen Qian , Zi Chen , Mingliang Zhou , Qin Mao , Weibin Pan
Համայնքի որոնումը երկմաս գրաֆիկների վրա վերջերս զգալի հետաքրքրություն է առաջացրել: Շատ կիրառություններում, ինչպիսիք են էլեկտրոնային առևտրի օգտատեր-տարրերի երկկողմանի գրաֆիկը, ֆիլմերի վարկանիշային կայքում հաճախորդ-ֆիլմի երկակողմ գրաֆիկը, հանգույցները հակված են ունենալ ատրիբուտներ, մինչդեռ նախկին..
Ժամանակային շարքի տվյալների վիճակագրական մոդելավորում Մաս 2. Հետախուզական տվյալների վերլուծություն
Տվյալների պատկերացում
Ժամանակային շարքի տվյալների վիճակագրական մոդելավորում Մաս 2. Հետախուզական տվյալների վերլուծություն
Հոդվածների այս շարքում S&P 500 շուկայական ինդեքսը վերլուծվում է հանրաճանաչ վիճակագրական մոդելի միջոցով՝ SARIMA (Սեզոնային ավտոռեգեսիվ ինտեգրված շարժվող միջին) և GARCH (Ընդհանրացված ավտոմատ ռեգրեսիվ պայմանական հետերոսկեդաստիկություն):
Առաջին մասում այս հոդվածաշարում օգտագործված տվյալները՝ S&P 500 Prices (որը նշված է որպես spx փոխադարձաբար), հանվել է yfinance..
TF-DF. Ամենաարագ և ամենաուժեղ մոդելը սկսնակների համար
Նուրբ ներածություն TensorFlow Decision Forest-ին
Այս հոդվածը նպատակ ունի օգնելու տվյալների գիտնականներին՝ հասկանալու TensorFlow Decision Forest-ի առաջնահերթությունը որպես մոդելի ստեղծման հիմնական ընտրություն:
Ի՞նչ է TensorFlow որոշման անտառը (TF-DF):
Թողարկվել է 2021 թվականին, TF-DF-ը, որը կրճատվել է TensorFlow Decision Forests-ի համար, գրադարան է, որը հնարավորություն է տալիս վարժեցնել, կատարել և մեկնաբանել տարբեր որոշումների անտառային մոդելներ, ինչպիսիք են Random Forest կամ Gradient..
Ստոխաստիկ գործընթացների խորը ուսումնասիրություն մաս 4 (Արհեստական բանականություն)
1. AFD-ի տեսակները նոսր ներկայացումներն ընդդեմ Կարհունեն-Լովի ընդարձակման՝ քայքայվող ստոխաստիկ գործընթացների համար ( arXiv )
Հեղինակ. AFD տեսակների նոսր ներկայացումներն ընդդեմ Կարհունեն-Լովի ընդարձակման՝ ստոխաստիկ գործընթացների քայքայման համար
Վերացական . Այս հոդվածը ներկայացնում է հարմարվողական Ֆուրիեի տարրալուծման (AFD) տիպի մեթոդները՝ շեշտը դնելով նրանց վրա, որոնք կարող են կիրառվել պատահական գործընթացների և պատահական դաշտերի վրա, հիմնականում ներառյալ ստոխաստիկ հարմարվողական..
Բնական լեզվի մշակման համար հատկանիշի վեկտորի ձևավորում:
Մեքենայի ուսուցման ցանկացած նախագծի համար հիմնական խնդիրն է նախապես մշակել տվյալները՝ նախքան դրանք նեյրոնային ցանցին մատակարարելը: Եթե վերցնենք Computer Vision-ի օրինակը, ապա գորշ գույնի պատկերը վերածվում է 2D զանգվածի: Համակարգիչները գործ ունեն թվերի հետ, և այդ պատճառով մենք պատկերը վերածում ենք 2D զանգվածի: Այսպիսով, անհրաժեշտ է, որ տվյալները, որոնք այս դեպքում նախադասություններ են, վերածենք թվերի, դա այն է, ինչ մենք կսովորենք այս հոդվածում:
Հոդվածի հիմնական շարժառիթը Տեքստի..
Երկրի կենսապահովման ծախսերի ազդեցությունը զարգացման մակարդակի վրա | Վերլուծություն — ML
Բարև ձեզ, ես ձեզ կպատմեմ այն աշխատանքի մասին, որը ես ստեղծել եմ և ինքս եմ վերլուծել տվյալների հավաքածուն:
Նշում
Այս տվյալները վերցված են https://www.numbeo.com/cost-of-living/ -ից: Շնորհակալություն numbeo.com-ին ամեն ինչի համար: Այս տվյալները ներառում են երկրների կենսական արժեքները:
Ինչ կարող եք ակնկալել:
Տվյալների մաքրում և խմբագրում Արտաքին կետերի հայտնաբերում և հեռացում Տվյալների պատկերացում և վերլուծություն Մեքենայի ուսուցում
Մենք ներմուծում ենք այն գրադարանները,..
Դու չես անցնի. Գենդալֆի հետևում գտնվող կախարդանքները
Այս հոդվածը ի սկզբանե տեղադրվել է մեր ընկերության կայքում : Lakera-ի ծրագրավորող հարթակը թույլ է տալիս ML թիմերին առաքել համակարգչային տեսողության մոդելներ, որոնք անվտանգ չեն:
Սփոյլերի ահազանգ. ստորև բերված հոդվածը պարունակում է իրական գաղտնաբառերից մի քանիսը: Եթե ցանկանում եք նախ փորձել Գենդալֆին, գնացեք այստեղ :
Գենդալֆը գերել է աշխարհը և օգնել շատերին ավելի լավ հասկանալ լեզվական մեծ մոդելների (LLMs) խոցելիությունը: Այն նաև ցույց է տվել, որ իսկապես կարող են տեղադրվել..
Նոր նյութեր
Օգտագործելով Fetch Vs Axios.Js-ը՝ HTTP հարցումներ կատարելու համար
JavaScript-ը կարող է ցանցային հարցումներ ուղարկել սերվեր և բեռնել նոր տեղեկատվություն, երբ դա անհրաժեշտ լինի: Օրինակ, մենք կարող ենք օգտագործել ցանցային հարցումը պատվեր ներկայացնելու,..
Տիրապետել հանգստության արվեստին. մշակողի ուղեցույց՝ ճնշման տակ ծաղկելու համար
Տիրապետել հանգստության արվեստին. մշակողի ուղեցույց՝ ճնշման տակ ծաղկելու համար
Ինչպե՞ս հանգստացնել ձեր միտքը և աշխատեցնել ձեր պրոցեսորը:
Ինչպես մնալ հանգիստ և զարգանալ ճնշման տակ...
Մեքենայի ուսուցում բանկային և ֆինանսների ոլորտում
Բարդ, խելացի անվտանգության համակարգերը և հաճախորդների սպասարկման պարզեցված ծառայությունները բիզնեսի հաջողության բանալին են: Ֆինանսական հաստատությունները, մասնավորապես, պետք է առաջ մնան կորի..
Ես AI-ին հարցրի կյանքի իմաստը, այն ինչ ասում էր, ցնցող էր:
Այն պահից ի վեր, երբ ես իմացա Արհեստական ինտելեկտի մասին, ես հիացած էի այն բանով, թե ինչպես է այն կարողանում հասկանալ մարդկային նորմալ տեքստը, և այն կարող է առաջացնել իր սեփական արձագանքը դրա..
Ինչպես սովորել կոդավորումը Python-ում վագրի պես:
Սովորելու համար ծրագրավորման նոր լեզու ընտրելը բարդ է: Անկախ նրանից, թե դուք սկսնակ եք, թե առաջադեմ, դա օգնում է իմանալ, թե ինչ թեմաներ պետք է սովորել: Ծրագրավորման լեզվի հիմունքները, դրա..
C++-ի օրական բիթ(ե) | Ամենաերկար պալինդրոմային ենթաշարը
C++ #198-ի ամենօրյա բիթ(ե), Ընդհանուր հարցազրույցի խնդիր. Ամենաերկար պալինդրոմային ենթատող:
Այսօր մենք կանդրադառնանք հարցազրույցի ընդհանուր խնդրին. Ամենաերկար palindromic substring...
Kydavra ICAReducer՝ ձեր տվյալների ծավալայինությունը նվազեցնելու համար
Ի՞նչ է ICAReducer-ը:
ICAReducer-ն աշխատում է հետևյալ կերպ. այն նվազեցնում է նրանց միջև բարձր փոխկապակցված հատկանիշները մինչև մեկ սյունակ: Բավականին նման է PCAreducer-ին, չնայած այն..