@alexanderdyakonov очень понятно и со вкусом объясняет что такое логистическая фукция ошибки, как её готовить и зачем она нужна
Вообще его блог можно уже издавать отдельной книгой как методичку по #ML, всем категорически рекомендую

#моделирование #математика #машинное_обучение
https://alexanderdyakonov.wordpress.com/2018/03/12/логистическая-функция-ошибки/

После выхода Большого адронного коллайдера на проектную мощность и открытия бозона Хиггса в физике наступил кризис: главная теория физики частиц — Стандартная модель — была завершена, никаких значимых отклонений от ее предсказаний обнаружено не было, и внятного ответа на вопрос, куда идти, никто не предлагал. Ученым надо было решать, где искать новую физику, новую, более общую теорию. При этом все низко висящие плоды давно были сорваны, любой серьезный эксперимент потребовал бы гигантских вложений, а кто сегодня пойдет на эти расходы вслепую, без малейшего намека на возможность успеха?

Можно попытаться сменить «фронт» и искать процессы, которые не требуют высоких энергий, но происходят очень редко. Именно поэтому российский физик Андрей Голутвин, долгие годы работавший в ЦЕРНе, и его коллеги из НИТУ «МИСиС», Яндекса и других организаций придумали экономичный проект для поисков в новом направлении. В эксперименте SHiP будут искать следы неизвестных частиц, в том числе частиц темной материи, в отфильтрованном магнитными полями, пятиметровым слоем бетона и металла потоке частиц от ускорителя SPS. Возможно, огромная светимость — большое число рождающихся частиц — позволит увидеть новую физику быстрее, чем высокие энергии на мощных ускорителях.

#физика #частицы #машинное_обучение #Yandex #ML #ох_летит_частица #ускоритель #эксперимент
https://nplus1.ru/material/2018/06/19/ship-sps

Обычно трудно понять, что происходит внутри нейронной сети. Чаще всего разработчики обращаются с ней как с чёрным ящиком, регулируя гиперпараметры (число итераций обучения, алгоритм обучения, функцию ошибки и т.д.), пытаясь найти баланс между недо- и переобучением системы.

К счастью, для одного из самых популярных и расхайпованных видов нейронных сетей — свёрточных – существует способ заглянуть внутрь чертогов разума машины и посмотреть как искусственный ̶и̶д̶и̶о̶т̶ интеллект видит входные данные, в данном случае – картинки.

Почитайте несложную статью с примерами кода, вполне доходчиво и легко для повторения
#ML #машинное_обучение #habr #AI #IT
https://habr.com/ru/post/436838/