Кластерная память с аппроксимацией
Наш телеграм канал - tglink.me/ai_machinelearning_big_data
Разработана память с нелинейной аппроксимацией внутри кластеров данных. Кластеры предлагается выделять методом k-средних. Аппроксимацию проводить с помощью обучения ансамбля нейронных сетей. Кластерная память протестирована на примере адаптивного фильтра для преобразования цветов изображения. По результатам компьютерных экспериментов данный вид памяти показал хорошую селективную способность к обучению. На примере адаптивного фильтра удается обучить память к изменению всей цветовой палитры изображения.
#Машинное обучение
https://habr.com/ru/post/462303/
🔗 Кластерная память с аппроксимацией
Разработана память с нелинейной аппроксимацией внутри кластеров данных. Кластеры предлагается выделять методом k-средних. Аппроксимацию проводить с помощью обуч...
Наш телеграм канал - tglink.me/ai_machinelearning_big_data
Разработана память с нелинейной аппроксимацией внутри кластеров данных. Кластеры предлагается выделять методом k-средних. Аппроксимацию проводить с помощью обучения ансамбля нейронных сетей. Кластерная память протестирована на примере адаптивного фильтра для преобразования цветов изображения. По результатам компьютерных экспериментов данный вид памяти показал хорошую селективную способность к обучению. На примере адаптивного фильтра удается обучить память к изменению всей цветовой палитры изображения.
#Машинное обучение
https://habr.com/ru/post/462303/
🔗 Кластерная память с аппроксимацией
Разработана память с нелинейной аппроксимацией внутри кластеров данных. Кластеры предлагается выделять методом k-средних. Аппроксимацию проводить с помощью обуч...
Хабр
Кластерная память с аппроксимацией
Разработана память с нелинейной аппроксимацией внутри кластеров данных. Кластеры предлагается выделять методом k-средних. Аппроксимацию проводить с помощью обучения ансамбля нейронных сетей....
Самообучающиеся системы [2009] Николенко
Книга посвящена одной из самых практически применимых, активных и быстроразвивающихся областей современной информатики, объединяющей множество методов из различных областей математики и не только математики – машинному обучению. В книге обсуждаются основы многих базовых аппаратов машинного обучения: деревья принятия решений, искусственные нейронные сети, генетические алгоритмы, байесовские классификаторы, алгоритмы кластеризации и обучение с подкреплением.
Изложение ведется увлекательным языком, книгу интересно читать, и она доступна даже не очень подготовленному читателю. Однако при этом сохраняется математическая строгость, а наиболее сложные части изложения заинтересуют и профессионалов. Книга снабжена обширной аннотированной библиографией.
Читать книгу смогут даже старшеклассники, хотя она будет представлять несомненный профессиональный интерес и для студентов всех курсов, изучающих математику и информатику, а также для специалистов и аспирантов, ведущих исследования в соответствующих областях. В этом отношении значительная часть материала монографии сможет сыграть роль углубленного учебного пособия.
Скачать:
tgmsg.ru/physics_lib
t-do.ru/physics_lib
#математика
#информатика
#машинное_обучение
#искусственный_интеллект
#математика#информатика #машинное_обучение #искусственный_интеллект #ai #ии
🔗 Physics.Math.Code – Telegram
VK: vk.com/physics_math Чат инженеров: @math_code Чат хакеров: @hack_cpp YouTube: youtube.com/c/PhysicsMathCode Заказать технические работы, программы, репетиторство: vk.com/itmentor Админ: @physicist_i
📝 Самообучающиеся системы [2009] Николенко.djvu - 💾2 235 921
Книга посвящена одной из самых практически применимых, активных и быстроразвивающихся областей современной информатики, объединяющей множество методов из различных областей математики и не только математики – машинному обучению. В книге обсуждаются основы многих базовых аппаратов машинного обучения: деревья принятия решений, искусственные нейронные сети, генетические алгоритмы, байесовские классификаторы, алгоритмы кластеризации и обучение с подкреплением.
Изложение ведется увлекательным языком, книгу интересно читать, и она доступна даже не очень подготовленному читателю. Однако при этом сохраняется математическая строгость, а наиболее сложные части изложения заинтересуют и профессионалов. Книга снабжена обширной аннотированной библиографией.
Читать книгу смогут даже старшеклассники, хотя она будет представлять несомненный профессиональный интерес и для студентов всех курсов, изучающих математику и информатику, а также для специалистов и аспирантов, ведущих исследования в соответствующих областях. В этом отношении значительная часть материала монографии сможет сыграть роль углубленного учебного пособия.
Скачать:
tgmsg.ru/physics_lib
t-do.ru/physics_lib
#математика
#информатика
#машинное_обучение
#искусственный_интеллект
#математика#информатика #машинное_обучение #искусственный_интеллект #ai #ии
🔗 Physics.Math.Code – Telegram
VK: vk.com/physics_math Чат инженеров: @math_code Чат хакеров: @hack_cpp YouTube: youtube.com/c/PhysicsMathCode Заказать технические работы, программы, репетиторство: vk.com/itmentor Админ: @physicist_i
📝 Самообучающиеся системы [2009] Николенко.djvu - 💾2 235 921