Все статьи подряд / Математика / Хабр's Journal
[Most Recent Entries]
[Calendar View]
Friday, March 31st, 2023
| Time |
Event |
| 2:31a |
Соблюдаем дистанцию, как топологи За минувшие пандемийные годы кто только не прошёлся по этой картинке, обсуждая невозможность выполнения такого требования на плоскости! Теперь, когда страсти поутихли, мне бы хотелось обсудить естественное математическое развитие этой темы в форме вопроса: А где и как это возможно? Каким образом в различных топологиях можно расположить максимальное количество точек, так чтобы расстояния между любыми двумя точками было бы одинаковым? Этот пост носит пятничный характер, и не претендует на серьёзное исследование. Он будет интересен тем, кто симпатизирует математике, любит анимированные гифки, но не готов «всё бросить» и погрузиться в дифференциальную геометрию и топологическую теорию графов. Читать далее | | 11:12a |
Как математики расшифровали «код» природы и внесли свой вклад в биологию Математика не ограничивается рамками абстрактных чисел и формул. Она позволяет анализировать и моделировать самые разнообразные процессы, включая биологические, что делает ее невероятно мощным инструментом в науке. В этой статье мы более детально рассмотрим, как математические методы применяются в биологии и какие математики внесли вклад в биологию. Если вы интересуетесь процессами жизни, желаете узнать больше о вкладе математике в биологию или просто любопытны, то эта статья именно для вас. Читать далее | | 1:24p |
Часть 2. Перевод нейронной сети на базе Keras LSTM на работу с матричными операциями В первой части части я перевел обученную модель полносвязной сети на базе Keras на работу с матричными вычислениями. Модель разработана для новостного агрегатора с целью фильтрации нежелательных новостей. Но если посмотреть статью-руководство от tensorflow, можно увидеть, что одной из рекомендаций по классификации теста является использование сетей долгой краткосрочной памяти (LSTM). Забегая вперед скажу, что мне не совсем подошла данная сеть, но это, вероятно, особенность моего датасета. Полносвязная сеть с эмбеддином обладает хорошим качеством, предсказуемостью и стабильностью результатов (объяснимое переобучение, влияние архитектуры сети на качество и т.д.). Ну и немаловажно - быстро обучается, в отличие от LSTM. Но ради "академического" интереса обучим сеть c LSTM для бинароной классификации текста и переведем её также на работу только с матрицами. Это также наглядно покажет, как устроены ячейки LSTM. Читать далее | | 4:18p |
Пора забывать GridSearch — встречайте ProgressiveGridSearch. Фракталы в ML, постепенно увеличиваем разрешение Здравствуйте, меня зовут Николай Стрекопытов и я придумал как подбирать гиперпараметры бескомпромиссно лучше GridSearch’а. Нужно лишь изменить порядок вычислений. И да, это заявка на обновление индустриального стандарта - скоро вы сможете улучшить свои ML-пайплайны заменой нескольких строчек кода. Читать далее |
|