ग्राफ रेगुलराइजेसन प्रविधिमा प्रयोग गरिएको ग्राफ कसले निर्माण गर्छ, ग्राफ समावेश गर्दछ जहाँ नोडहरूले डेटा बिन्दुहरू र किनारहरूले डेटा बिन्दुहरू बीचको सम्बन्धलाई प्रतिनिधित्व गर्दछ?
शुक्रवार, ०१ अप्रिल २०० 05
by ankarb
ग्राफ रेगुलराइजेसन मेसिन लर्निङमा एउटा आधारभूत प्रविधि हो जसमा नोडहरूले डेटा पोइन्टहरू र किनारहरूले डेटा पोइन्टहरू बीचको सम्बन्धलाई प्रतिनिधित्व गर्ने ग्राफ निर्माण गर्ने समावेश गर्दछ। TensorFlow सँग न्युरल स्ट्रक्चर्ड लर्निङ (NSL) को सन्दर्भमा, ग्राफलाई डेटा पोइन्टहरू तिनीहरूको समानता वा सम्बन्धको आधारमा कसरी जोडिन्छन् भनेर परिभाषित गरेर बनाइन्छ। द
- मा प्रकाशित कृत्रिम खुफिया, EITC/AI/TFF टेन्सरफ्लो फंडामेंटलहरू, टेन्सरफ्लोको साथ न्युरल स्ट्रक्चर्ड लर्निंग, न्यूरल संरचित लर्निंग फ्रेमवर्क ओभरभ्यू
अन्तर्गत ट्याग गरिएको:
कृत्रिम खुफिया, डाटा प्रतिनिधित्व, ग्राफ नियमितीकरण, मिसिन प्रशिक्षण, न्यूरल नेटवर्कहरू, अर्ध-पर्यवेक्षित शिक्षा
अर्ध-पर्यवेक्षित शिक्षाका केही उदाहरणहरू के हुन्?
मंगलबार, ० February फेब्रुअरी २००
by Patricia Manuelita Izquierdo Sarmiento
सेमी-पर्यवेक्षित सिकाइ एक मेसिन लर्निङ प्रतिमान हो जुन पर्यवेक्षित सिकाइ (जहाँ सबै डेटा लेबल गरिएको छ) र अनसुपराइज्ड सिकाइ (जहाँ कुनै डेटा लेबल गरिएको छैन) बीचमा पर्दछ। अर्ध-पर्यवेक्षित शिक्षामा, एल्गोरिदमले लेबल गरिएको डाटाको सानो मात्रा र लेबल नगरिएको डाटाको ठूलो मात्राको संयोजनबाट सिक्छ। प्राप्त गर्दा यो दृष्टिकोण विशेष गरी उपयोगी छ
अन्तर्गत ट्याग गरिएको:
कृत्रिम खुफिया, छवि वर्गीकरण, मिसिन प्रशिक्षण, स्यूडो-लेबलिङ, अर्ध-पर्यवेक्षित शिक्षा, लेबल नगरिएको डाटा