Deep learning för att se ett ansikte och klassificera tecken på stroke

Robotar som håller hand

Ett användningsområde för machine learning är att kunna ge binära svar på diagnosfrågor vi vill ställa. Exempelvis, har denna bild på ett ansikte tecken på stroke, eller inte. Ja eller nej? Är den här bilden på en frisk cell eller en cancercell?

För detta skulle vi behöva en snäv AI, närmare bestämt ett upptränat neuralt nätverk, per diagnosfråga. Denna bloggpost går igenom i grova drag vad det innebär, hur det tekniska flödet ser ut, med mera. Fortsätt läsa ”Deep learning för att se ett ansikte och klassificera tecken på stroke”

GAN tränar en maskins förståelse genom att duellera sig själv

Tre timmars träning av ett GAN Generative Adversarial Network)

GAN (Generative Adversarial Network) är en teknik för att få en maskin att instruera sig själv. Att vi utvecklare inte uttryckligen berättar för den hur den lär sig och vad som utmärker kunskapen. Eftersom maskinen själv har en lite större del av ansvaret att lära sig klassificeras GAN som unsupervised machine learning, till skillnad från supervised machine learning. Fortsätt läsa ”GAN tränar en maskins förståelse genom att duellera sig själv”