Часть 1: ResNet-18 — Архитектура, покорившая глубину

Разбор "на пальцах": Как из изображения получается предсказание? Разберем как устроена классическая сеть ResNet.

https://habr.com/ru/articles/921608/

#resnet #машинное_обучение #компьютерное_зрение #новичкам #сверточные_нейронные_сети

Три икса: новый уровень работы с большими свертками в PyTorch для обучения моделей

Привет, Хабр! Продолжим разговор про свертки в ML-обучении на C++. Мы уже обсудили, какие есть подходы к реализации сверток, — ссылку на первую часть ищите в конце статьи. Теперь поговорим, как в одном моем проекте нужно было расширить функциональность PyTorch для работы со свертками размерностью больше трех, а потом использовать их в обучении моделей. Сначала рассмотрим, какие ограничения на выбор алгоритма накладывает возможность обучения моделей, а затем изучим два подхода к реализации свертки и адаптируем их к нашей задаче.

https://habr.com/ru/companies/yadro/articles/899612/

#машинное_обучение #cuda #convolution #сверточные_нейронные_сети

Разработка библиотеки для навигации групп мобильных роботов на транспортной платформе в заранее неизвестной среде

Разработка библиотеки для навигации групп мобильных роботов на транспортной платформе в заранее неизвестной среде

https://habr.com/ru/articles/883636/

#нейронные_сети #сверточные_нейронные_сети #обучение_с_подкреплением

Сверточные нейронные сети. Создание нейросети для распознавания цифр на языке программирования Python

В современном мире искусственный интеллект и машинное обучение стремительно развиваются, меняя нашу повседневную жизнь и открывая новые горизонты в различных областях. Одной из ключевых технологий, лежащих в основе этих достижений, являются сверточные нейронные сети ( Convolutional Neural Networks, CNN ). Эти мощные алгоритмы позволяют эффективно обрабатывать и анализировать изображения, что находит применение в самых разных сферах: от медицинской диагностики до систем безопасности. CNN подходит для классификации изображений, что делает её отличным выбором для задачи распознавания рукописных цифр.

https://habr.com/ru/articles/856426/

#сверточные_нейронные_сети #распознование_текста #машинное_обучение #обработка_изображений #tensorflow #keras #нейросеть #рукописные_числа #алгоритмы_свертки #python

Сверточные нейронные сети (CNN)

Мы стараемся простым языком рассказывать про важные аспекты из мира ИИ. Полина Полунина, преподаватель НИУ ВШЭ, Сколково, Сириус и др., написала небольшой текст о сверточных нейронных сетях. Читать всем! Сверточные нейронные сети (CNN) – это класс глубоких нейронных сетей, которые обладают специализированной архитектурой для обработки данных, имеющих пространственную структуру, таких как изображения. Они широко применяются в компьютерном зрении, распознавании образов, анализе временных рядов и других задачах, где важно учитывать пространственные зависимости между данными. Основными строительными блоками CNN являются сверточные слои, пулинг-слои и полносвязанные слои. Сверточные слои состоят из фильтров (ядер), которые скользят по входным данным и вычисляют локальные признаки. Пулинг-слои уменьшают размерность данных, сохраняя важные признаки. Полносвязанные слои объединяют все признаки для принятия окончательного решения. Для обучения CNN используется метод обратного распространения ошибки, который позволяет оптимизировать веса сети с целью минимизации ошибки на обучающем наборе данных. При этом часто применяются функции активации, такие как ReLU (Rectified Linear Unit), которые помогают улучшить скорость обучения и предотвратить проблему затухания градиента. Одной из ключевых особенностей CNN является возможность извлечения иерархии признаков на разных уровнях абстракции. Более низкие слои могут выделять простые фичи, такие как грани и углы, в то время как более высокие слои могут распознавать более сложные паттерны, например, лица или объекты.

https://habr.com/ru/articles/841004/

#сверточные_сети #сверточные_нейронные_сети #программирование #машинное+обучение #ml #пулингслои #компьютерное_зрение #vr

Искусственный интеллект и прогнозирование метастазов

Использование искусственного интеллекта в различных областях деятельности человека становится все более обыденным делом. Хоть ИИ и далек от многогранности человеческого мозга, в некоторых ситуациях он все же весьма полезен. Особенно если речь идет об анализе данных. Ученые из медицинского факультета Вашингтонского университета (США) разработали алгоритм машинного обучения, способный быстро и точно прогнозировать потенциальный риск метастазирования мозга по данным биопсии пациентов с немелкоклеточным раком легких на ранней стадии. Как именно работает данный алгоритм, и насколько он эффективен? Ответы на эти вопросы мы найдем в докладе ученых.

https://habr.com/ru/companies/ua-hosting/articles/800185/

#онкология #рак_легких #метастазы #мозг #медицина #здоровье #машинное_обучение #искусственный_интеллект #алгоритмы #анализ_изображений #глубокое_обучение #сверточные_нейронные_сети