iT邦幫忙

neural network相關文章
共有 30 則文章
鐵人賽 AI & Data DAY 13

技術 14 淺層神經網路

為什麼大家到現在都這麼迷神經網路模型? 我想主因不是因為他是模擬生物而來,他有一些更扎實的數學特性。 我們前面講過各種線性模型,然後將他過渡到神經網路。 今天要...

鐵人賽 AI & Data DAY 11

技術 12 從線性模型到神經網路

我們把線性模型們都大統一了。 接下來就要進入到令人興奮的神經網路模型了! 首先,我們先來介紹著名的感知器...嗯...前面不是介紹過了? 喔喔!對喔!他長這個...

達標好文 技術 Day N+1:進一步理解『梯度下降』(Gradient Descent)

前言 在 Neural Network 的求解過程中,最重要而難懂的觀念應該是『梯度下降』(Gradient Descent)吧 ,我雖然在Day 03:Neu...

鐵人賽 AI & Machine Learning DAY 30

技術 Day 30:完結篇 -- Machine Learning 工作前景與技能

前言 當我們人生決定轉向,不能免俗的,一定要了解市場行情,免得誤入歧途,人財兩失。因此針對 Machine Learning 相關的工作進行了一番調查,除了工作...

鐵人賽 AI & Machine Learning DAY 29

技術 Day 29:機器學習的資料處理生命週期

資料處理流程(Process) 機器學習(Machine Learning)處理資料的生命週期(Life cycle) 與 Data Mining 是一致的,這...

鐵人賽 AI & Machine Learning DAY 28

技術 Day 28:小學生談『生成對抗網路』(Generative Adversarial Network,GAN)

前言 Facebook AI 大師 Yann LeCun 在接受Quora專訪時說『GAN及其變形是近十年最有趣的想法(This, and the variat...

鐵人賽 AI & Machine Learning DAY 26

技術 Day 26:自動語音識別(Automatic Speech Recognition) -- 觀念與實踐(續)

前言 上一篇我們舉了一個很簡單的範例,判斷聲音是bed、cat 或是 happy,實務上它可以應用在一些場域,例如,PowerPoint簡報時,我們可以用聲音下...

鐵人賽 AI & Machine Learning DAY 25

技術 Day 25:自動語音識別(Automatic Speech Recognition) -- 觀念與實踐

前言 Neural Networks 在影像、文字、語音等自然使用者介面(NUI)處理有突破性的發展,之前我們已經見證過影像及文字的辨識威力了,從這一篇開始,我...

鐵人賽 AI & Machine Learning DAY 24

技術 Day 24:銷售量預測(2) -- 『時間序列分析』技巧篇

前言 上一篇我們以航空公司的每月乘客人數為例,使用 LSTM 模型預測下個月的乘客數,其中牽涉到『時間序列分析』(Time Series Analysis)一些...

鐵人賽 AI & Machine Learning DAY 23

技術 Day 23:銷售量預測 -- LSTM 的另一個應用

前言 之前,我們都在影像、語言等基礎應用上打轉,這次我們要來探討一個可應用在企業運作上的實例,銷售預測主要是希望藉由過去的銷售記錄預測下一個週期的銷售量,在統計...

鐵人賽 AI & Machine Learning DAY 21

技術 Day 21:自動擷取摘要(Automatic Text Summarization)

前言 現在人身處網路時代,每天都會收到一堆LINE、Email、Facebook、Instantgram、...等等五花八門的訊息或網頁,花整天看都消化不完,只...

鐵人賽 AI & Machine Learning DAY 20

技術 Day 20:自然語言處理的一些術語介紹

前言 筆者在作上一篇時卡住很久,因為,碰到很多術語,搞得頭暈腦脹,因此本篇花點時間將心得整理起來,與同好共享。 內容大致如下: 成效衡量指標(Metrics)...

鐵人賽 AI & Machine Learning DAY 19

技術 Day 19:自然語言處理的預訓詞向量(Pre-trained Word Vectors) -- 站在巨人的肩膀上

前言 我們在『Day 09:CNN 經典模型應用』討論到CNN的預先訓練好的模型,並在後續的篇幅,直接套用這些模型在『照片主體的相似性比對』、『畫風轉換』及『物...

鐵人賽 AI & Machine Learning DAY 18

技術 Day 18: 機器翻譯(Machine Translation)

目標 今天我們要利用一個 seq2seq 模型,來作英中翻譯,它不是以傳統字典的查詢方式,而是利用 LSTM 演算法,讓機器自我學習,進而達到翻譯的功能。這個程...

鐵人賽 AI & Machine Learning DAY 17

技術 Day 17:GRU (Gated Recurrent Unit) 概念介紹與實作

前言 原來還想多介紹幾個應用,但是,一直擔心忘了另一個RNN的變形 -- GRU,所以,還是先把它處理掉,才好 focus 在應用上。另一方面,LSTM 執行速...

鐵人賽 AI & Machine Learning DAY 16

技術 Day 16:『長短期記憶網路』(LSTM) 應用 -- 情緒分析(Sentiment Analysis)

前言 現在網友都勇於發聲,網路聲量高漲,往往會引領群眾的意向,引發巨大能量,影響國家命運,例如太陽花運動、埃及茉莉花革命,因此,輿情分析已經變成顯學,如何收集網...

鐵人賽 AI & Machine Learning DAY 15

技術 Day 15:『長短期記憶網路』(Long Short Term Memory Network, LSTM)

RNN 的缺點 上篇介紹的RNN,它能夠額外考慮前面字句,來預測當前的字句,聽起來似乎已符合語言的特性了。但是,距離當前單字越遠的字句影響力會遞減,因為,下面的...

鐵人賽 AI & Machine Learning DAY 14

技術 Day 14:循環神經網路(Recurrent Neural Network, RNN)

前言 上一篇我們對『自然語言處理』(Natural Language Processing, NLP)有一個初步的認識,現在,我們再進一步認識,如何以 Neur...

鐵人賽 AI & Machine Learning DAY 13

技術 Day 13:『自然語言處理』(NLP) 概念介紹

前言 之前我們看到 Neural Network 在影像的辨識與解析的強大威力,接著,我們就要開始研究『自然語言處理』(Natural Language Pro...

鐵人賽 AI & Machine Learning DAY 12

技術 Day 12:物體偵測(Object Detection) + 影像標題(Image Captioning)

圖. 影像標題(Image Captioning),圖片來源:cs231n_2017_lecture11 Detection and Segmentation...

鐵人賽 AI & Machine Learning DAY 11

技術 Day 11:風格轉換(Style Transfer) -- 人人都可以是畢卡索

前言 收到版主通知,才知道已經熬過10天了。 言歸正傳,昨天剛好看到一個新聞『催生全球首位AI繪師Andy,美圖搶攻人工智慧卻面臨一大挑戰』,號稱花了1.99億...

鐵人賽 AI & Machine Learning DAY 10

技術 Day 10:CNN 應用 -- 找出相似的照片

前言 上一篇我們詳細介紹了 VGG 16 模型的使用方法,現在,我們就來應用它來進行照片比對,根據照片內主體的相似度(Visual Similarity)判斷,...

鐵人賽 AI & Machine Learning DAY 9

技術 Day 09:CNN 經典模型應用

ImageNet 競賽的冠軍們 ImageNet 每年舉辦的競賽(ILSVRC)這幾年產生了不少的CNN冠軍,歷屆比賽的模型演進非常精彩,簡單敘述如下: 20...

鐵人賽 AI & Machine Learning DAY 7

技術 Day 07:撰寫第一支CNN 程式 -- 比較 『阿拉伯數字』辨識力

範例程式 我們仍然作『阿拉伯數字的辨識』,比較 CNN 的作法與簡單的 Neural Network 有何不同。程式來自https://github.com/f...

鐵人賽 AI & Machine Learning DAY 6

技術 Day 06:處理影像的利器 -- 卷積神經網路(Convolutional Neural Network)

『自然使用者介面』(Natural User Interface, NUI) 這一波的人工智慧在自然使用者介面(Natural User Interface,...

鐵人賽 AI & Machine Learning DAY 5

達標好文 技術 Day 05:Keras 模型、函數及參數使用說明

前言 之後我們會討論到各種演算法及應用,使用到的函數及其參數會更多,因此,有必要先打好基礎,將 Keras 架構及習慣用法(Convention)弄清楚,以免迷...

鐵人賽 AI & Machine Learning DAY 4

技術 Day 04:關於 Keras 的一些小技巧 -- 組態、模型存檔與實驗

前言 再往下探究之前,我們輕鬆一點,先作點實驗,驗證上上篇的程式辨識準確率是否真的那麼高? 可否在應用系統上使用? 譬如,阿拉伯數字辨識率如果那麼高,我們是否可...

鐵人賽 AI & Machine Learning DAY 3

技術 Day 03:Neural Network 的概念探討

前言 上一次我們以十幾行程式完成阿拉伯數字的辨認,心情應該會小小波動一下(應該還不到小鹿亂撞的地步),如果我們以傳統的程式解法,不寫個幾百行,應該是不會罷手的,...

鐵人賽 AI & Machine Learning DAY 2

達標好文 技術 Day 02:撰寫第一支 Neural Network 程式 -- 阿拉伯數字辨識

入門 照理講,我們應該先了解『神經網路』(Neural Network)概念,再談如何寫程式,但是,概念介紹內容有點硬,為了提高學習興趣,避免一開始就搞一堆數學...

鐵人賽 AI & Machine Learning DAY 1

達標好文 技術 Day 01:以100張圖理解 Neural Network -- 觀念與實踐

寫了十幾天,今天總算鼓起勇氣參戰了。 前言 這一波人工智慧(Articial Intelligence,AI)風潮方興未艾,產學研界發表不少的具體研發成果,例如...