Архив рубрики: Machine Learning

Технологии машинного обучения на простом примере

Введение Шпаргалка к описанию программы Программный код Полезные ссылки Введение Машинное обучение — это алгоритм обучения, реализующий постепенное улучшение исполнения поставленной задачи. Важно знать типы и технологии машинного обучения, чтобы создать правильную среду обучения. Обучение с учителем (Supervised). Данные в виде примеров с метками подаются компьютерной программе, которая при выполнении учится приближаться к точному предсказанию отношений между примерами… Читать далее »

Введение в Unsupervised learning

Введение  Обзор методов кластеризации Пример секционной кластеризации (K-Means и K-Nearest Neighbors) Пример иерархической кластеризации (агломеративная и разделительная) Пример кластеризации на основе плотности (DBSCAN) Метод главных компонент Полезные ссылки Введение Неконтролируемое обучение (Unsupervised) — это класс методов машинного обучения (ML), используемых для поиска закономерностей в данных. Как правило, это пригодно только для задач, в которых известны… Читать далее »

Введение в Deep Q-Learning Network

Введение  Пример DQN программы Алгоритм обучения нейросети в методе DQN Полезные ссылки Введение Прежде, чем переходить к освоению Deep Q-learning Network (DQN) ознакомьтесь с методом Q-Learning. Разницу между методами Q-Learning и DQN можно проиллюстрировать следующим образом: Заменив таблицу значений Q table на нейронную сеть (Neural network, NN), мы получаем метод DQN. В DQN на вход нейросети подается текущее состояние (state, s), а на… Читать далее »

Введение в Q-Learning

Введение  Пример простой программы, демонстрирующей Q-Learning Вербальная модель Q-Learning Марковский процесс принятия решений Формальная модель Q-Learning Алгоритм обновления Q-value Выбор гиперпараметров Введение в Deep Q-Learning Полезные ссылки Введение Среди алгоритмов машинного обучения особое место занимают такие, где алгоритм учится решать поставленную задачу самостоятельно без участия человека, напрямую взаимодействуя со средой в которой он обучается. Такие алгоритмы… Читать далее »

Keras API models (Sequential, Functional, and Model Subclassing)

Введение Простейшие примеры Keras API models Исходник для тестирования Keras API models Functional API model с двумя ветвями Полезные ссылки Введение При использовании Sequential API мы создаем модель слой за слоем. Это очень просто и удобно. Но Functional API более мощный, чем Sequential API, в том смысле, что здесь разрешено ветвление или совместное использование слоев. А также у него… Читать далее »

Введение в Google Colab (Introduction to Google Colab)

Tags: Google Colab, Jupyter Notebook, iPython, ML, Cloud Введение  Jupyter-ноутбук Google Colab Полезные ссылки Введение Облачные вычисления определяются как хранение и доступ к данным и вычислительным услугам через интернет. Для создания корпоративных систем машинного обучения используют  одну из облачных платформ — Google Cloud Platform (GCP),  Amazon Web Services (AWS), Microsoft Azure,  Kubernetes, IBM Cloud и другие. Для обучения ML рекомендуется  использовать бесплатный облачный… Читать далее »

Инструменты для машинного обучения через нейросети (Machine learning via neural networks)

Введение Нейросети — один из видов машинного обучения (см. Машинное обучение для людей). Краткая вводная информация о том, что такое НС, для чего нужны и какие бывают см. в статье От регрессии к нейронным сетям. Прежде, чем переходить к профессиональному машинному обучению через нейросети, рекомендуется ознакомиться с основами построения нейронных сетей на Python (numpy) в Visual Studio. … Читать далее »

Алгоритмы регистрации облаков точек (Point cloud registration algorithms)

Tags: Point cloud registration RANSAC ICP MaskNet  TEASER++ Введение Алгоритм RANSAC для регистрации облаков точек Алгоритм итерации ближайшей точки (ICP) Выделение плоскостей в облаке точек Регистрация облаков точек через преобразование  в 2D-изображения Нейронная сеть MaskNet для маскировки  точек-выбросов 3D-регистрация облаков точек по алгоритму TEASER++ Классификация алгоритмов регистрации облаков точек Полезные ссылки Введение Регистрация облаков точек – процесс совмещения нескольких облаков… Читать далее »

Face recognition. Python, DLIB

Tags:  Верификация лица dlib Введение Верификация лица с dlib Полезные ссылки Введение В статье Распознавание лиц на основе OpenCV для C++  рассматривается подход к распознаванию на основе признаков, в качестве которых используются расстояния между характерными точками лица. Альтернативный метод распознавания лиц. Изображение каждого лица обрабатывается уже обученной сверточной нейронной сетью (см. ссылку  или  ссылку), которая выдает на… Читать далее »

Адекватность и оптимальность нейронной сети на примере распознавания поворота головы (Adequacy and optimality of the neural network for detecting head rotation)

Tags: нейронная сеть адекватность поворот головы Введение Постановка задачи Проверка нейронной сети на адекватность Выбор архитектуры сети Парадокс нейронной сети Наклон сигмоидальной функции Размер и соотношение разнотипных сигналов в обучающей выборке Линия размежевания разнотипных сигналов в обучающей выборке Обучение сети положительному (YES) и отрицательному (NO) жестам головой Анализ и выбор данных Общие выводы Программный код для… Читать далее »

Машинное обучение распознавать поворот лица (Machine learning to recognize face turn)

Tags: нейронная сеть распознавать поворот головы Введение Постановка задачи Оценка возможностей распознавать поворот лица через машинное обучение Программный код (вариант 1) Программный код (вариант 2) Адекватность и оптимальность нейронной сети для распознавания поворота головы Полезные ссылки Введение Как не зная алгоритм, а просто имея данные и ответ, получить из них алгоритм?  Альтернатива традиционному алгоритмическому подходу – нейронная… Читать далее »

Нейросеть для классификации фруктов на Python (Fruit Neural Network)

Tags:  Fruit Neural Network Python pickle Введение Гистограммы изображений Создание Pickle-файлов Структура нейросети Полезные ссылки Введение В статье Идентификация образов по цвету, текстуре и форме  рассмотрен алгоритмический подход к решению задачи распознавания фруктов. В статье Artificial Neural Network Implementation using NumPy and Classification of the Fruits360 Image Dataset  рассматривается альтернативный подход к решению подобной задачи  — с помощью нейросети… Читать далее »