В ближайшее время расскажет про Байесовский подход к машинному обучению (Байсовский вывод, выбор модели) |
||
МЕНЮ Искусственный интеллект Поиск Регистрация на сайте Помощь проекту Архив новостей ТЕМЫ Новости ИИ Искусственный интеллект Разработка ИИГолосовой помощник Городские сумасшедшие ИИ в медицине ИИ проекты Искусственные нейросети Слежка за людьми Угроза ИИ ИИ теория Внедрение ИИКомпьютерные науки Машинное обуч. (Ошибки) Машинное обучение Машинный перевод Нейронные сети начинающим Реализация ИИ Реализация нейросетей Создание беспилотных авто Трезво про ИИ Философия ИИ Big data Работа разума и сознаниеМодель мозгаРобототехника, БПЛАТрансгуманизмОбработка текстаТеория эволюцииДополненная реальностьЖелезоКиберугрозыНаучный мирИТ индустрияРазработка ПОТеория информацииМатематикаЦифровая экономика
Генетические алгоритмы Капсульные нейросети Основы нейронных сетей Распознавание лиц Распознавание образов Распознавание речи Техническое зрение Чат-боты Авторизация |
2016-07-13 23:00 В ближайшее время расскажет про Байесовский подход к машинному обучению (Байсовский вывод, выбор модели). Будет разобрана Relevance Vector Machine — байесовская переформулировка метода опорных векторов, позволяющая получать более разреженные и качественные модели. Также планируется обсудить вещи, не связанные с машинным обучением напрямую, но имеющие много прикладных применений (напр. Laplace approximation). Будет много формул, интегрирования и дифференцирования. Если вас заинтересовало что-либо из вышеперечисленного обязательно приходите. Пока нужно решить, когда всем будет удобно собраться. На картинке слева — результат работы RBF-SVM, справа — RVM. Комментарии: |
|