Публикации по теме 'deep-learning'
Стратегии для того, чтобы идти в ногу с исследованиями в области ИИ
Стратегии для того, чтобы идти в ногу с исследованиями в области ИИ
7 советов, которые помогут вам оставаться в курсе всего
Скорость ИИ
Для тех, кто следит за областями искусственного интеллекта (ИИ), глубокого обучения (ГО) или машинного обучения (МО), может показаться, что исследования иногда проносятся мимо вас, как гоночный автомобиль. Быстрый поиск на arXiv.org показывает, что в период с 1 апреля по 1 мая этого года (2020 г.) было объявлено о 2683 новых статьях, связанных с..
Новые достижения в технологии обнаружения объектов, часть 2 (искусственный интеллект)
StreamYOLO: Обнаружение объектов в реальном времени для потокового восприятия ( arXiv )
Автор: Цзинжун Ян , Сунтао Лю , Цземинг Ли , Сяопин Ли , Цзянь Сунь
Вывод: Перцептивные модели автономного вождения требуют быстрого вывода с малой задержкой для обеспечения безопасности. В то время как существующие работы игнорируют неизбежные изменения окружающей среды после обработки, потоковое восприятие совместно оценивает задержку и точность в единую метрику для восприятия видео..
Подготовка моделей глубокого обучения к наихудшему сценарию и кроссплатформенность с помощью…
Подготовка моделей глубокого обучения к худшему сценарию и кроссплатформенность с помощью набора инструментов OpenVINO.
Поскольку 2020 год только что наступил, сообщество экспертов и энтузиастов глубокого обучения ожидает значительного года инноваций в этой области. В связи с тем, что каждый день по всему миру создается множество моделей глубокого обучения, зависимость человечества от облака и сети (особенно TCP) растет с каждым днем. Вы можете подумать, а что не так с зависимостями в..
Что такое отсев в глубоком обучении? Вы знаете, что делает?
Что такое отсев в глубоком обучении? Вы знаете, что делает?
Отсев – это метод регуляризации, позволяющий уменьшить переобучение в нейронных сетях путем случайной установки доли входных единиц на 0 при каждом обновлении во время обучения, что помогает предотвратить сложные коадаптации обучающих данных. Он применяется на уровне скрытых объектов, а не на входных объектах, и может использоваться на любом уровне сети. Таким образом, модель вынуждена учиться …
Квантовое обучение с глубокими сетями
Как сократить время обучения нейронной сети вдвое с минимальными усилиями
Квантование с первого взгляда
Существует много подходов для снижения накладных расходов на обучение нейронной сети, но одним из наиболее многообещающих методов является низкоточное/квантованное обучение. Подход прост — просто уменьшите количество битов, используемых для представления активаций и градиентов в сети во время обучения . Затем эти низкоточные представления, как показано на рисунке выше, ускоряют..
5 докладов о машинах и глубоком обучении, которые нельзя пропустить в ODSC APAC
На ODSC APAC 2022 в сентябре этого года у вас будет возможность узнать о последних разработках и достижениях в области науки о данных и искусственного интеллекта от ведущих экспертов, практиков и ученых. Более того, многие из этих сессий будут доступны вам бесплатно с Talks Pass . Ознакомьтесь с некоторыми из них ниже.
Использование дополненной реальности, машинного зрения и глубокого обучения для решения проблем цепочки поставок: Deepak Nagaraje Gowda | Старший главный..
Объяснение модели синтеза голоса Tacotron2 и эксперименты
Авторы: Эдвард Дж. Юн, Элли Канг
Аннотация: разговор на естественном языке между человеком и не-человеком, показанный дуплексным ИИ на Google I/O 18, считается уже прошедшим тест Тьюринга. Тем не менее, технологии распознавания речи среди нескольких говорящих предстоит пройти долгий путь. Тем не менее, технология синтеза голоса на основе глубокого обучения, которая превосходит ожидаемое качество обычного распознавания речи (традиционный объединенный синтезатор, созданный голосом),..
Новые материалы
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..
Использование машинного обучения и Python для классификации 1000 сезонов новичков MLB Hitter
Чему может научиться машина, глядя на сезоны новичков 1000 игроков MLB? Это то, что исследует это приложение.
В этом процессе мы будем использовать неконтролируемое обучение, чтобы..
Учебные заметки: создание моего первого пакета Node.js
Это мои обучающие заметки, когда я научился создавать свой самый первый пакет Node.js, распространяемый через npm.
Оглавление
Глоссарий
I. Новый пакет
1.1 советы по инициализации..
Забудьте о Matplotlib: улучшите визуализацию данных с помощью умопомрачительных функций Seaborn!
Примечание. Эта запись в блоге предполагает базовое знакомство с Python и концепциями анализа данных.
Привет, энтузиасты данных! Добро пожаловать в мой блог, где я расскажу о невероятных..
ИИ в аэрокосмической отрасли
Каждый полет – это шаг вперед к великой мечте. Чтобы это происходило в их собственном темпе, необходима команда астронавтов для погони за космосом и команда технического обслуживания..