Сегодня я узнал, что ранг матрицы можно оценить на глаз!
(напомню, ранг — это количество линейно независимых строк или столбцов) 
Мол, они смотрят на это и говорят, что звание такое Хорошо! Хорошо! 3 Как же нам устоять и не попытаться обучить нейросеть этому, подумали мы? стоунеры студенты из Карнеги-Меллон? То есть взять матрицу, преобразовать ее в такую картинку и дать на вход CNN, чтобы она предсказывала ранг или сингулярность матрицы.
Посмотрите на жирного.
Это будущее оптимизации алгоритмов.
Статья Здесь и стиль, и поставленные вопросы, и список авторов, и вообще все отлично.
Например, затем они применяют тот же подход к умножению матриц и нахождению их обратных:
Затем мы используем эти данные для обучения сети с стохастический градиентный спуск при среднеквадратической ошибке (MSE) потеря за 100 эпох.Я вообще смеюсь.Некоторые качественные прогнозы невидимые данные показаны на рисунках 7 и 8. Мы обнаружили, что задача на умножение легко решается.
по нашей сетевой архитектуре, но задача инверсии гораздо сложнее, как показывает более высокие значения MSE. Заметим, что это аналогично люди изучают линейную алгебру 101 .
На десерт - слайды .
Теги: #глубокое обучение #юмор #Машинное обучение
-
Множество Причин Играть В Игры Stickman
19 Oct, 24 -
Что Было Первым: Контент Или Ссылки?
19 Oct, 24 -
Вспышка Для Всех. Весь Flash-Массив От Qsan
19 Oct, 24
