Maschinelles Lernen
Neuronale Netzwerke »
Mathematica 11 führt ein hochperformantes Framework für neuronale Netzwerke ein, welches sowohl Training per Prozessor oder GPU unterstützt. Das Framework kann visuelle Ebenen verarbeiten und enthält außerdem En- und Decoder, die es ermöglichen, trainierte Netzwerke nahtlos mit dem Rest der Wolfram Language interagieren zu lassen. Dabei braucht es nur wenige Zeilen Code, um Netzwerke zu erzeugen und zu trainieren, so dass ein Deep Learning mit neuronalen Netzwerken auch von Anfängern erreicht werden kann.
Maschinelles Lernen »
Mathematica Version 11 bringt neue Funktionen und Verbesserungen für den Bereich des maschinellen Lernens mit. Die neuen Funktionen erlauben es, Eigenschaften zu extrahieren, Dimensionen zu verkleinern, Daten zu gruppieren, Hyperparameter zu optimieren und verständliche Modelle zu erzeugen. Die Funktion zum Extrahieren von Eigenschaften kann genutzt werden, um Datensätze zu visualisieren oder um semantische Abstände für Distanzsuchen zu erstellen. Auch der Bereich Computer Vision wurde erheblich verbessert: Die Funktion ImageIdentify erkennt mehr als 10.000 Objekte und die Performance des Befehls Classify für das Klassifizieren von Bildern wurde gesteigert. Zusätzlich akzeptieren die Funktionen zum maschinellen Lernen in Mathematica 11 nun ein größeres Spektrum an Datentypen.