|
rss_habr
[Перевод] DatRet: Реализация Tensorflow для табличных данныхВоскресенье, 23 Января 2023 г. 00:20 (ссылка)
Мой open-source продукт. Rete neurale per la previsione di Dati tabulari. (it.) Простая реализация архитектуры глубокой нейронной сети для табличных данных с автоматической генерацией слоев и послойным сокращением количества нейронов. С удобством использования, аналогичным классическим методам машинного обучения. В данной статье рассмотрим причину создания данной библиотеки, проведем "туториал" и сравним точность прогнозирования DatRetClassifier и DatRetRegressor с классическими методами машинного обучения. Читать далееhttps://habr.com/ru/post/712088/?utm_source=habrahabr&utm_medium=rss&utm_campaign=712088
rss_habr
[Перевод] DatRet: Реализация Tensorflow для табличных данныхВоскресенье, 23 Января 2023 г. 00:20 (ссылка)
Мой open-source продукт. Rete neurale per la previsione di Dati tabulari. (it.) Простая реализация архитектуры глубокой нейронной сети для табличных данных с автоматической генерацией слоев и послойным сокращением количества нейронов. С удобством использования, аналогичным классическим методам машинного обучения. В данной статье рассмотрим причину создания данной библиотеки, проведем "туториал" и сравним точность прогнозирования DatRetClassifier и DatRetRegressor с классическими методами машинного обучения. Читать далееhttps://habr.com/ru/post/712088/?utm_source=habrahabr&utm_medium=rss&utm_campaign=712088
rss_habr
Hydrosphere — управляем ML как сервисомЧетверг, 12 Января 2023 г. 17:09 (ссылка)
Подобно тому, как в мире разработки многокомпонентных систем применяются подходы для управления и мониторинга микросервисами на основе инструментов DevOps (для запуска и восстановления сервисов, передачи данных, наблюдения за распределенными операциями, выполнение замеров и получение операционных метрик), так же и для моделей машинного обучения становится важным обеспечить возможность их развертывания, обновления и наблюдения за метриками (точность модели, время выполнения прямого прохождения нейронной сети и другими). В обобщенном виде такие решения получили названия MLOps и в этой статье мы рассмотрим возможности платформы Hydrosphere 3.0. Читать далееhttps://habr.com/ru/post/710060/?utm_source=habrahabr&utm_medium=rss&utm_campaign=710060
rss_habr
[Перевод] UNet++: Реализация архитектуры UNet++ на TensorFlow для сегментации ядер клетокПятница, 06 Января 2023 г. 16:05 (ссылка)
Мощная архитектура для сегментации медицинских изображений. Эта архитектура, по сути, представляет собой сеть кодировщик-декодер с глубоким обучением, в которой подсети кодера и декодера соединены серией вложенных слоев. Переработанные слои направлены на сокращение семантического разрыва между картами признаков подсетей кодировщика и декодера. Читать далееhttps://habr.com/ru/post/709276/?utm_source=habrahabr&utm_medium=rss&utm_campaign=709276
rss_habr
[Перевод] UNet++: Реализация архитектуры UNet++ на TensorFlow для сегментации ядер клетокПятница, 06 Января 2023 г. 16:05 (ссылка)
Мощная архитектура для сегментации медицинских изображений. Эта архитектура, по сути, представляет собой сеть кодировщик-декодер с глубоким обучением, в которой подсети кодера и декодера соединены серией вложенных слоев. Переработанные слои направлены на сокращение семантического разрыва между картами признаков подсетей кодировщика и декодера. Читать далееhttps://habr.com/ru/post/709276/?utm_source=habrahabr&utm_medium=rss&utm_campaign=709276
rss_habr
[Перевод] Одновременная генерация структурированных табличных данных и изображений при помощи GANСреда, 05 Января 2023 г. 01:29 (ссылка)
Мы хорошо знаем GAN за успехи в создании реалистичных изображений. Не так хорошо знаем о формировании табличных данных. Однако их возможно применять при одномоментной реализации табличных данных и изображений. Зачем генерировать одновременно табличные данные и изображение? Я создал приложение coronarography.ai. На вход нейронной сети подаются структурированные данные (факторы риска развития сердечных заболеваний) и изображение ЭКГ, на выходе получаем патологию магистральных артерий сердца. Мне стало интересно проверить точность прогнозирования обученной нейронной сети на синтетических сгенерированных данных. Почему бы и нет) Проведем аугментацию выборки при помощи GAN и посмотрим точность обученной нейронной сети на синтетических данных. Для этого необходимо эти синтетические данные получить. Описание проблемы. Мы имеем структурированные данные. В них содержится информация по каждому наблюдаемому пациенту в виде наличия факторов риска развития сердечно-сосудистых заболеваний в бинарной форме. К каждому наблюдению прикреплено ЭКГ изображение. То есть одному пациенту соответствуют факторы риска и одно изображение ЭКГ, снятое до суток до выполнения инвазивной коронарографии, это данные которые прогнозирует основная обученная нейронная сеть. Нам необходимо одновременно генерировать структурированные данные (факторы риска и таргеты виде поражения артерий сердца) и картинку - ЭКГ изображение. Я в литературе не встречал подобных примеров, чтобы генерировали одновременно табличные данных и картинку. Что ж, сделаем впервые). Сгенерируем 1500000 синтетических наблюдаемых в виде табличных данных и ЭКГ изображения. Читать далееhttps://habr.com/ru/post/709130/?utm_source=habrahabr&utm_medium=rss&utm_campaign=709130
rss_habr
[Перевод] Одновременная генерация структурированных табличных данных и изображений при помощи GANСреда, 05 Января 2023 г. 01:29 (ссылка)
Мы хорошо знаем GAN за успехи в создании реалистичных изображений. Не так хорошо знаем о формировании табличных данных. Однако их возможно применять при одномоментной реализации табличных данных и изображений. Зачем генерировать одновременно табличные данные и изображение? Я создал приложение coronarography.ai. На вход нейронной сети подаются структурированные данные (факторы риска развития сердечных заболеваний) и изображение ЭКГ, на выходе получаем патологию магистральных артерий сердца. Мне стало интересно проверить точность прогнозирования обученной нейронной сети на синтетических сгенерированных данных. Почему бы и нет) Проведем аугментацию выборки при помощи GAN и посмотрим точность обученной нейронной сети на синтетических данных. Для этого необходимо эти синтетические данные получить. Описание проблемы. Мы имеем структурированные данные. В них содержится информация по каждому наблюдаемому пациенту в виде наличия факторов риска развития сердечно-сосудистых заболеваний в бинарной форме. К каждому наблюдению прикреплено ЭКГ изображение. То есть одному пациенту соответствуют факторы риска и одно изображение ЭКГ, снятое до суток до выполнения инвазивной коронарографии, это данные которые прогнозирует основная обученная нейронная сеть. Нам необходимо одновременно генерировать структурированные данные (факторы риска и таргеты виде поражения артерий сердца) и картинку - ЭКГ изображение. Я в литературе не встречал подобных примеров, чтобы генерировали одновременно табличные данных и картинку. Что ж, сделаем впервые). Сгенерируем 1500000 синтетических наблюдаемых в виде табличных данных и ЭКГ изображения. Читать далееhttps://habr.com/ru/post/709130/?utm_source=habrahabr&utm_medium=rss&utm_campaign=709130
rss_habr
[Перевод] Создание изображений с использованием генеративно-состязательных нейронных сетей (GAN) на примере ЭКГВторник, 03 Января 2023 г. 19:50 (ссылка)
Для создания изображений с помощью GAN я буду использовать Tensorflow. Генеративно-состязательная сеть (GAN) — это модель машинного обучения, в которой две нейронные сети соревнуются друг с другом, чтобы быть более точными в своих прогнозах. Как работают GAN? Первым шагом в создании GAN является определение желаемого конечного результата и сбор начального набора обучающих данных на основе этих параметров. Затем эти данные рандомизируются и передаются в генератор до тех пор, пока они не достигнут базовой точности в получении результатов. После этого сгенерированные изображения передаются в дискриминатор вместе с фактическими точками данных из исходной концепции. Дискриминатор фильтрует информацию и возвращает вероятность от 0 до 1, чтобы представить подлинность каждого изображения (1 соответствует реальному, а 0 соответствует ложному). Эти значения затем проверяются на точность и повторяются до тех пор, пока не будет достигнут желаемый результат. Зачем генерировать изображение ЭКГ? Я создал проект coronarography.ai . В нем на вход подается изображение ЭКГ, а на выходе мы получаем наличие патологии магистральных артерий сердца. Мне стало интересно проверить принципиальную возможность генерации изображений ЭКГ и сравнить полученные изображения с реальными. Читать далееhttps://habr.com/ru/post/709036/?utm_source=habrahabr&utm_medium=rss&utm_campaign=709036
rss_habr
Применение генеративно-состязательных нейронных сетей (GAN) в клинических исследованияхСуббота, 24 Декабря 2022 г. 18:31 (ссылка)
Клинические испытания новых методов лечения делятся на несколько этапов, называемых фазами. На самых ранних этапах испытаний нужно учитывать безопасность лекарственного средства или побочные эффекты, которые оно вызывает. Более поздние фазы испытаний направлены на то, чтобы проверить, лучше ли новое лечение, чем существующие. Существует 3 основных фазы клинических испытаний — фазы с 1 по 3. Испытания фазы 1 — это самые ранние фазы испытаний, а испытания фазы 3 — испытания более поздней фазы. Некоторые испытания имеют более раннюю стадию, называемую фазой 0, а некоторые испытания фазы 4 проводятся после того, как лекарство было лицензировано. Читать далееhttps://habr.com/ru/post/707494/?utm_source=habrahabr&utm_medium=rss&utm_campaign=707494
rss_habr
[recovery mode] Tensorflow: Используем трансферное обучение для классификации пневмонии и оптимизируем нашу модельПятница, 02 Декабря 2022 г. 16:43 (ссылка)
Привет, Хабр! На связи Рустем, IBM Senior DevOps Engineer & Integration Architect. Целью этой статьи является не столько получение навыков классификации изображений, а сколько понимание того, насколько легко вы можете создать соответствующую модель. Я надеюсь, вам понравится это! Читать далееhttps://habr.com/ru/post/703186/?utm_source=habrahabr&utm_medium=rss&utm_campaign=703186
rss_habr
[Перевод] Пишем кастомные CUDA-ядра на TritonСреда, 30 Ноября 2022 г. 11:01 (ссылка)
https://habr.com/ru/post/702298/?utm_source=habrahabr&utm_medium=rss&utm_campaign=702298
|
LiveInternet.Ru |
Ссылки: на главную|почта|знакомства|одноклассники|фото|открытки|тесты|чат О проекте: помощь|контакты|разместить рекламу|версия для pda |