Neural Networks | Нейронные сети
11.8K subscribers
762 photos
169 videos
170 files
9.41K links
Все о машинном обучении

По всем вопросам - @notxxx1

№ 4959169263
加入频道
​Evaluating gambles using dynamics

Link: https://aip.scitation.org/doi/10.1063/1.4940236

#Statistics #Gambling

🔗 Evaluating gambles using dynamics
Gambles are random variables that model possible changes in wealth. Classic decision theory transforms money into utility through a utility function and defines the value of a gamble as the expectation value of utility changes. Utility functions aim to capture individual psychological characteristics, but their generality limits predictive power. Expectation value maximizers are defined as rational in economics, but expectation values are only meaningful in the presence of ensembles or in systems with ergodic properties, whereas decision-makers have no access to ensembles, and the variables representing wealth in the usual growth models do not have the relevant ergodic properties. Simultaneously addressing the shortcomings of utility and those of expectations, we propose to evaluate gambles by averaging wealth growth over time. No utility function is needed, but a dynamic must be specified to compute time averages. Linear and logarithmic “utility functions” appear as transformations that generate ergodic ...
​Бот генерирует учебники из статей Википедии
Всем известно, что Википедия — ценный информационный ресурс. Можно часами изучать тему, переходя от одной ссылки к другой для получения контекста по интересующему предмету. Но не всегда очевидно, как собрать весь контент по какой-либо одной общей теме. Например, как объединить все статьи по неорганической химии или истории средних веков, резюмируя самое важное? Примерно это попытались сделать Шахар Адмати и его коллеги из Бена-Гуриона в Негеве (Израиль), разработчики программы машинного обучения Wikibook-Bot.

🔗 Бот генерирует учебники из статей Википедии
Пример викиучебника (иллюстрация из научной статьи) Всем известно, что Википедия — ценный информационный ресурс. Можно часами изучать тему, переходя от одной...
​Plug-and-play differential privacy for your tensorflow code

#GoogleAI has just released a new library for training machine learning models with (differential) privacy for training data.

where you would write tf.train.GradientDescentOptimizer
instead just swap in the DPGradientDescentOptimizer

Tutorial: https://github.com/tensorflow/privacy/blob/master/tutorials/mnist_dpsgd_tutorial.py
Link: https://github.com/tensorflow/privacy

#Privacy #tensorflow

🔗 tensorflow/privacy
Library for training machine learning models with privacy for training data - tensorflow/privacy
1. Теория вероятностей и математическая статистика
Год: 2013
Автор: Семенов В.А.

2. Теория вероятностей и математическая статистика
Год издания: 2012
Автор: Турчин В.Н.

3. Теория вероятностей и математическая статистика (2-е изд.)
Год: 2010
Автор: Балдин К.В., Башлыков В.Н., Рукосуев А.В.

4. Курс теории вероятностей
Год: 2005
Автор: Гнеденко Б.В.

5. Теория вероятностей и математическая статистика
Год выпуска: 2004
Автор: Н. Ш. Кремер
https://pp.userapi.com/c852024/v852024288/85e60/opCLhhJIy7w.jpg

📝 Семенов В.А. - Теория вероятностей и математическая статистика (Учебное пособие) - 2013.pdf - 💾10 459 973

📝 Турчин В.Н. - Теория вероятностей и математическая статистика - 2012.djvu - 💾1 583 149

📝 Балдин К.В., Башлыков В.Н., Рукосуев А.В. - Теория вероятностей и математическая статистика - 2010.pdf - 💾11 360 360

📝 Гнеденко Б.В. - Курс теории вероятностей (Классический университетский учебник) - 2005.djvu - 💾4 456 874

📝 Кремер Н.Ш. Теория вероятностей и математическая статистика.djvu - 💾6 641 712