ML 전문가를 위한 이러한 질문: 이미지에서 사물을 인식하도록 NN을 가르칠 수 있다고 알려져 있지만 사물은 정상 조립된 상태여야 하지만 깨진 것을 인식하도록 NN을 훈련할 수 있습니까? 사고 후의 자동차, 철거 중인 집, 토네이도 후의 가구와 같은 물건? 남자는 그것을 올바르게 이해합니다.
피터 코노우 : ML 전문가를 위한 이러한 질문: 이미지에서 사물을 인식하도록 NN을 가르칠 수 있다고 알려져 있지만 사물은 정상 조립된 상태여야 하지만 깨진 것을 인식하도록 NN을 훈련할 수 있습니까? 사고 후의 자동차, 철거 중인 집, 토네이도 후의 가구와 같은 물건? 남자는 그것을 올바르게 이해합니다.
모든 것이 작동합니다. 부동 시간 창을 마련해야 합니다. 고정된 숫자는 제한된 것으로 보입니다.
글쎄, 패턴이 "흘러" 찢어진 / 고르지 않은 경우 패턴이 남아 있고 테스트되는 한 분류할 가치가 없다고 생각합니다.
글쎄, 패턴이 "흘러" 찢어진 / 고르지 않은 경우 패턴이 남아 있고 테스트되는 한 분류할 가치가 없다고 생각합니다.
일반적으로 몇 분으로 그룹화됩니다. 계약
일반적으로 몇 분으로 그룹화됩니다. 계약
아는 것을 하되 OOS를 하라
보고싶다
ML 전문가를 위한 이러한 질문: 이미지에서 사물을 인식하도록 NN을 가르칠 수 있다고 알려져 있지만 사물은 정상 조립된 상태여야 하지만 깨진 것을 인식하도록 NN을 훈련할 수 있습니까? 사고 후의 자동차, 철거 중인 집, 토네이도 후의 가구와 같은 물건? 남자는 그것을 올바르게 이해합니다.
집이 망가졌든 망가지지 않았든 차이가 뭐냐, 네트워크는 배운 것을 배운다
집이 망가졌든 망가지지 않았든 무슨 차이가 있단 말인가, 네트워크는 배운 것을 배운다
철저한.)))
집은 항상 다른 방식으로 부서집니다. 집 전체와 파괴된 집 사이에는 큰 차이가 있습니다. 집 전체에 여러 기독교적 이미지가 있으면 폐허가 된 집은 무엇이든 보일 수 있습니다. 그럼에도 불구하고 사람은 그것을 쉽게 인식합니다.
사람은 이미지의 엔트로피에 쉽게 대처할 수 있지만 NS는 어떻습니까?
나는 시장 증분 확률의 분포가 가우스 CV와 지수(또는 일반적인 경우, Erlang) 배포판.
Erlang 분포는 틱 따옴표 사이의 시간 간격을 담당하며 이러한 숫자의 생성기는 다음과 같습니다.
여기서 람다는 사건의 흐름(따옴표)의 강도입니다.
Lambda=const이면 이 프로세스는 고정적이지만 시장에서는 흐름 강도가 다른 시간에 다릅니다. Lambda=f(t), 이는 전체 프로세스의 비정상성을 결정합니다.
저것. 정지된 프로세스를 선택하기 위해 전체와 동일한 자속 밀도를 갖는 VR의 개별 섹션을 고려해야 합니다.
따라서 VR을 하루 안에 몇 시간으로 나눈 다음 이 시간을 "접착"하려는 시도는 확실히 생명에 대한 권리가 있습니다.
철저한.)))
집은 항상 다른 방식으로 부서집니다. 집 전체 사이..
글쎄요, 사진 속의 고양이는 다르지만 네트워크는 고양이를 인식하고 어떻게든 개와 구별합니다 ...
패턴 인식의 원리, 컨볼루션 네트워크 , 작동 방식 등에 대해 최소한 무언가를 읽으십시오. 당신의 질문은 그다지 성숙하지 않습니다. 당신이 읽을 때 당신은 그들의 어리석음을 이해할 것입니다