Ребята описывали довольно интересное решение, связанное с представлением транзакций в виде «псевдокартинки» и последующим применением сверточной нейронной сети.
Тоже такую идеи хотел реализовать.
Схожая идея, про которую недавно упоминал Siraj Raval — это использование гугловской wavenet для прогнозирования цены акций.
Спасибо за возможность задать вопрос!
Мой вопрос: Каким вы видите будущее компьютерного зрения? Наблюдая за развитием машинного обучения, какие перспективы вы видите?
Спасибо!
Большое спасибо за замечательные статьи!
Возник вопрос: когда и как лучше добавлять метку к картинке?
В прошлой статье — было добавление после первой свёртки как дополнительный канал.
Можно ли добавлять её в самом конце:
...
flatten_img_features = Flatten()(x)
с = concatenate([flatten_img_features, flatten_lbl])
d = Dense(1, activation='sigmoid')(с)
Тоже такую идеи хотел реализовать.
Схожая идея, про которую недавно упоминал Siraj Raval — это использование гугловской wavenet для прогнозирования цены акций.
Отличная работа! Спасибо!
Большое спасибо за ответы!
Мой вопрос: Каким вы видите будущее компьютерного зрения? Наблюдая за развитием машинного обучения, какие перспективы вы видите?
Спасибо!
У меня получалось, что лосс дискриминатора всегда лучше лосса генератора.
Разумеется, сделать железного робота было бы крайне интересно, но для этого одного энтузиазма не достаточно.
Возник вопрос: когда и как лучше добавлять метку к картинке?
В прошлой статье — было добавление после первой свёртки как дополнительный канал.
Можно ли добавлять её в самом конце:
import catboost as…? :)
ПерерасширениеПереобучение (overfit)