Поиск

Приглашаем всех желающих 13/10/2021 г. посетить вебинар, посвященный искусственному интеллекту, машинному обучению и решениям для их реализации от Microchip. Современные среды для глубинного обучения нейронных сетей позволяют без детального изучения предмета развернуть искусственную нейронную сеть (ANN) не только на производительных микропроцессорах и ПЛИС, но и на 32-битных микроконтроллерах. А благодаря широкому портфолио Microchip, включающему в себя диапазон компонентов от микроконтроллеров и датчиков до ПЛИС, средств скоростной передачи и хранения информации, возможно решить весь спектр задач, возникающий при обучении, верификации и развёртывании модели ANN. На вебинаре также будет продемонстрирован запуск интеллектуального приложения на 32-битном микроконтроллере серии SAMD21. Подробнее >>

Здравствуйте, помогите мне понять!Начал изучение нейронных сетей, после чего мне дали задачу - реализация прогнозной модели возникновение нарушения на производстве (python). Есть входные данные (7 чисел) ,как я понял это будет задача классификации и будет реализован метод обратного распространения. В построении структуры нейронной сети у меня вышло 7 входных нейронов, 5 нейронов в скрытом слое и 1 выходной.Помогите понять правильно ли я выбрал реализацию и еще я буду подавать пока 1 массив данных in = [1, 0, ...] (7 чисел )Что мне подавать для обучения сети, как она поймет что вычисленное ею число хорошее или плохое?

Welcome to the RLNN_ADAPTIVE_CONTROL wiki! Основная цель создания темы - презентация проекта библиотеки инструментов для конструирования искусственных нейронных сетей (ИНС) авторской архитектуры (Python). Нейронная сеть обучается адаптивно по принципу reinforcement learning, в online режиме. Нет явного разделения этапа обучения, тестирования и использования. Нейронная сеть обучается в процессе использования. Поведение нейронной сети корректируется "вознаграждением", которое может быть получено в результате связанной серии действий нейронной сети. Более подробно о деталях архитектуры можно узнать в статье Reinforcement learning neural network (RLNN) based real-time adaptive control. Для чего необходим этот инструмент? Архитектура ИНС предназначена для решения задач адаптивного управления в реальном времени. Далеко не полный список таких задач: Поведение автономных роботов Автоматическая биржевая торговля Искусственный интеллект в компьютерных играх Распознавание мошеннических транзакций ... Вторая цель - получить верификацию сообществом, конструктивную критику, новые идеи. Третья цель - возможно кому-то инструментарий пригодится.

В АО «Концерн «Созвездие» в г.Воронеж открыто новое направление по созданию прорывных технологий в области радиосвязи, основная задача которого - проведение сверхперспективных поисковых научных исследований и инженерных разработок. Приглашаем к долгосрочному сотрудничеству опытных и амбициозных соискателей на вакансию ведущего программиста на направление машинного обучения и нейронных сетей. Обязанности: Программирование перспективных систем искусственного интеллекта на основе машинного обучения, нейронных сетей для распознавания радиообразов; Разработка программ для систем распределённого искусственного интеллекта для самоорганизующихся ячеистых радиосетей на основе нейронных сетей; Разработка базы знаний по предметной области. Требования: Опыт работы непосредственно в сфере машинного обучения от 2-х лет; Опыт использования открытых фреймворков и библиотек машинного обучения (TensorFlow, Keras, Caffe2, Theano, PyTorch, Shogun и др.); Опыт интеграции и адаптации свободного open-source ПО из исходников в разрабатываемые системы; Хорошее знание Shell (bash,…), Python; Использование системы контроля версий Git. Умение работать с системами управления проектами (JIRA/Redmine/GitLab/YouTrack/ или др.). Высшее техническое образование; Стремление к профессиональному развитию; Креативность, амбициозность, высокий уровень обучаемости. Условия: Официальное трудоустройство; Удобное расположение (в центре города); Высокий уровень заработной платы от 100 тыс.руб. и премии (обсуждается по итогам собеседования); График работы: 5/2, с 8.30 до 17.30; Работа в удобном офисе на комфортном рабочем месте; Полный социальный пакет; Возможность заниматься научными исследованиями и разработками; Перспективы профессионального и карьерного роста; Обучающие семинары от ведущих поставщиков математических и радиотехнических средств моделирования, программного обеспечения; Возможность участвовать в ведущих отечественных и зарубежных тематических конференциях и семинарах.