JavaScript для глубокого обучения 2021 TensorFlow js Ббк

Часть IV • Резюме и заключительное слово
входные и выходные данные в виде тензоров, и формы входных/выходных тензоров 
слоев были совместимы. Полученная последовательность слоев — модель — про­
изводит дифференцируемое геометрическое преобразование, способное обучиться 
отображать входные данные в выходные, лишь бы их взаимосвязь не была слишком 
сложной относительно разрешающих возможностей модели. При такой парадигме 
спектр возможностей неограничен. В этом разделе мы приведем несколько при­
меров, дабы вдохновить вас выйти за рамки простейших задач классификации 
и регрессии, которым мы уделяли основное внимание в этой книге.
Мы отсортировали варианты по типам входных и выходных данных. Учтите, 
что довольно многие из них слегка выходят за пределы возможного. И хотя при 
достаточном объеме обучающих данных можно обучить модель для решения лю­
бой из этих задач, она вряд ли будет хорошо обобщаться на данные, отличные от 
обучающих.
z
z
Отображение вектора в вектор.
•
Прогнозы в сфере здравоохранения
(Predictive healthcare) — отображение ме­
дицинских карт пациентов в предсказанные результаты лечения.
•
Поведенческий таргетинг
(Behavioral targeting) — отображение множества 
атрибутов веб­сайта в поведение пользователей на этом сайте (включая про­
смотры страниц, щелчки на ссылках и другие действия).
•
Контроль качества продукции
(Product quality control) — отображение мно­
жества атрибутов произведенного товара в прогноз его успешности на рынке 
(продаж и доходов в различных областях рынка).
z
z
Отображение изображения в вектор.
•
ИИ для медицинских снимков
(Medical image AI) — отображение медицинских 
снимков (например, рентгеновских) в результаты обследования.
•
Автоматическое управление автомобилем
(Automatic vehicle steering) — ото­
бражение изображений с камер автомобиля в сигналы управления им, напри­
мер поворот руля.
•
Виртуальный диетолог
(Diet helper) — отображение изображений еды и раз­
личных блюд в прогноз их влияния на здоровье (например, предсказание ко­
личества калорий или предупреждение о возможной аллергической реакции).
•
Рекомендации косметики
(Cosmetic product recommendation) — на основании 
селфи пользователя предоставление рекомендаций по косметике.
z
z
Отображение данных временных рядов в вектор.
•
Нейрокомпьютерные интерфейсы
(Brain­computer interfaces) — отображение 
сигналов электроэнцефалограмм (ЭЭГ) в намерения пользователя.
•
Поведенческий таргетинг
— отображение истории покупок (например, книг 
или фильмов) в вероятности покупки других товаров в будущем.
•
Предсказание землетрясений и повторных толчков
— отображение последо­
вательностей данных с сейсмографов в прогнозы вероятности землетрясений 
и повторных толчков.

---