Публикации по теме 'artificial-intelligence'
Работа с Рекомендацией часть 1 (AI)
На (нормализованном) дисконтированном кумулятивном приросте как метрике автономной оценки для рекомендации Top-n (arXiv)
Автор : Оливье Женен , Иван Потапов , Алексей Устименко .
Аннотация: Подходы к рекомендациям обычно оцениваются одним из двух способов: (1) с помощью (моделированного) онлайн-эксперимента, который часто рассматривается как золотой стандарт, или (2) с помощью какой-либо процедуры автономной оценки, целью которой является приближение к результату...
Приложения рекуррентных нейронных сетей, часть 3 (машинное обучение)
Архитектура рекурсивно-рекуррентной нейронной сети (R2N2) для обучения итеративным алгоритмам (arXiv)
Автор: Данимир Т. Донсевич , Александр Мицос , Юэ Го , Цяньсяо Ли , Феликс Дитрих , Мануэль Дамен , Иоаннис Г. Кеврекидис
Аннотация: метаобучение численных алгоритмов для данной задачи состоит из управляемой данными идентификации и адаптации алгоритмической структуры и связанных с ней гиперпараметров. Чтобы ограничить сложность проблемы метаобучения, можно и нужно..
Утрачено при переводе? Meta’s покрыла вас с помощью SeamlessM4T: окончательное обновление Babel Fish
Наше стремление к пониманию моделей ИИ никогда не закончится, поскольку у нас есть так много моделей, методов и наборов данных с открытым исходным кодом, доступных для всех типов потребностей ИИ. От языковых моделей до простых моделей обнаружения, которые дают двоичные результаты, которые в дальнейшем можно использовать в качестве обучающих данных для моделей машинного обучения и тому подобного.
Недавно компания Meta опубликовала новое исследование и предложила SeamlessM4T:..
Как работает Temporal Graph Learning, часть 1 (машинное обучение)
ProductGraphSleepNet: стадирование сна с использованием пространственно-временного графического обучения продукта с внимательным временным агрегированием (arXiv)
Автор: Ареф Эйнизаде , Саманэ Насири , Сепидех Хаджипур Сардуи , Гари Клиффорд
Аннотация: Классификация стадий сна играет решающую роль в понимании и диагностике патофизиологии сна. Оценка стадии сна в значительной степени зависит от визуального осмотра экспертом, что требует много времени и является субъективной..
Kubeflow: Машинное обучение в Kubernetes — Часть 1
Kubeflow: машинное обучение в Kubernetes — часть 1
Первоначально опубликовано на kubesimplify.com
Разработка и развертывание систем машинного обучения может быть проблемой из-за множества вещей, которыми вам нужно управлять. В этой статье я познакомлю вас и помогу начать работу с Kubeflow, а также пойму, как работает Kubeflow. Это первая статья из серии Kubeflow, и я постараюсь помочь вам ответить на вопрос «Почему и когда Kubeflow?» и понять архитектуру Kubeflow в сочетании с..
Обзор алгоритмов обучения с полуучителем — Часть 2
Продолжая обзор литературы по алгоритмам полууправляемого обучения, мы подошли к недооцененному многопрофильному обучению.
С. 2. Многопрофильное обучение
Обучение с несколькими представлениями относится к классу методов обучения, в которых используется соглашение между разными учащимися. Здесь предположения о совместном обучении не требуются для моделей обучения с несколькими представлениями. Вместо этого несколько методов обучения (например, деревья решений, SVM и т. д.) обучаются..
Введение в чат GPT
Используя ChatGPT или Генеративный предварительно обученный преобразователь, в котором используется искусственный интеллект, компьютеры могут имитировать человеческие обсуждения. Он создает интерактивный и интересный разговорный опыт с пользователем, используя алгоритмы машинного обучения и обработку естественного языка (NLP). Chat GPT можно использовать для обслуживания клиентов, приложений личного помощника, автоматизированной поддержки клиентов и многого другого. Понимая намерения и..
Новые материалы
Как создать диаграмму градиентной кисти с помощью D3.js
Резюме:
Из этого туториала Вы узнаете, как добавить градиентную кисть к диаграмме с областями в D3.js. Мы добавим градиент к значениям SVG и применим градиент в качестве заливки к диаграмме с..
Я хотел выучить язык программирования MVC4, но не мог выучить его раньше, потому что это выглядит сложно…
Просто начните и учитесь самостоятельно
Я хотел выучить язык программирования MVC4, но не мог выучить его раньше, потому что он кажется мне сложным, и я бросил его. Это в основном инструмент..
Лицензии с открытым исходным кодом: руководство для разработчиков и создателей
В динамичном мире разработки программного обеспечения открытый исходный код стал мощной парадигмой, способствующей сотрудничеству, инновациям и прогрессу, движимому сообществом. В основе..
Объяснение документов 02: BERT
BERT представил двухступенчатую структуру обучения: предварительное обучение и тонкая настройка.
Во время предварительного обучения модель обучается на неразмеченных данных с помощью..
Как проанализировать работу вашего классификатора?
Не всегда просто знать, какие показатели использовать
С развитием глубокого обучения все больше и больше людей учатся обучать свой первый классификатор. Но как только вы закончите..
Работа с цепями Маркова, часть 4 (Машинное обучение)
Нелинейные цепи Маркова с агрегатором и их приложения (arXiv)
Автор : Бар Лайт
Аннотация: Изучаются свойства подкласса случайных процессов, называемых дискретными нелинейными цепями Маркова..
Crazy Laravel Livewire упростил мне создание электронной коммерции (панель администратора и API) [Часть 3]
Как вы сегодня, ребята?
В этой части мы создадим CRUD для данных о продукте. Думаю, в этой части я не буду слишком много делиться теорией, но чаще буду делиться своим кодом. Потому что..