Laktawan sa pangunahing nilalaman

Mga kontribusyon

Ipinapakita ang mga post na may label neural network

Paano lumikha ng musika gamit ang artipisyal na katalinuhan at pag-aaral ng makina

Alamin upang lumikha ng musika na may artipisyal na katalinuhan! Ang umuulit na mga network ng neural para sa paglikha ng musika!
MAESTRO at Wave2Midi2Wave dataset Matapos ang pagtingin sa mga mapagkukunang ito, natagpuan ko ang isang dokumento sa pananaliksik na nagpapakilala sa isang bagong dataset na tinatawag na MAESTRO (na nakatayo para sa MIDI at Audio na na-edit para sa Synchronous Tracks at Organization). Dinisenyo din niya ang bagong arkitektura ng Wave2Midi2Wave, na karaniwang pinagsasama ang tatlong mga algorithm ng state-of-the-art at sinanay ang mga ito sa isang file ng MAESTRO data.
Ang MIDI ay karaniwang isang pamantayang pang-teknikal na kasama ang maraming mga protocol para sa mga computer na may iba't ibang uri ng mga audio device. Ito ay kapaki-pakinabang sapagkat ang impormasyong ipinadala ay may kasamang impormasyon sa tono, pitch, bilis, at tempo.
Ang pangunahing kadahilanan na napakahalaga ng bagong dataset na ito ay naglalaman ito ng mas maraming data kaysa sa anumang nakaraang nakaraang dataset. Upang mailagay ito sa pananaw, ang file ng data ng MAESTRO ay naglalaman ng 172 na oras ng audio at MIDI transkrip. Ang MAPS data file ay naglalaman lamang ng 17,9 ...

Orange 3 neural network

Multilayer perceptron (MLP) algorithm na may pabalik na pagpapalaganap.
Mga Input Data: input data fileProcessor: mga pamamaraan ng preprocessingMga output Estudyante: algorithm ng pag-aaral ng multilayerModel: sanay na modeloNeural Network Ang Widget ay gumagamit ng Skearn Multi-layer perceptron algorithm na maaaring magturo ng mga non-linear na mga modelo pati na rin ang linear.

Ang pangalan kung saan lilitaw ito sa iba pang mga widget. Ang default na pangalan ay "Neural Network". Itakda ang mga parameter ng modelo: Ang mga neuron sa nakatagong layer: Tinukoy bilang elemento ng i-th ay kumakatawan sa bilang ng mga neuron sa nakatagong layer ng i-th. Hal. Ang isang 3-layer na neural network ay maaaring matukoy bilang 2, 3, 2. Mga Nakatagong Layer Aktibidad sa Pag-activate: Pagkakakilanlan: hindi pinag-iingat na pag-activate, kapaki-pakinabang para sa pagpapatupad ng isang linear na bottleneck. -BFGS-B: optimizer sa pamilyang Quasi-NewtonianSGD: stochastic gradient descentAdam: stochastic optimizer batay sa ...

Turuan ang neural network upang makilala sa pagitan ng mga pusa o aso

Alamin neural network upang makilala sa pagitan ng pusa o aso poses. Sanayin ang neural network sa ito isang simpleng halimbawa sa isang web browser at isang webcam. Subukan ang pag-uuri ng imahe gamit ang Extraction sa MobileNet. Sa halimbawa sa ibaba, maaari mong subaybayan ang tagumpay ng panghuhula.