Публикации по теме 'deep-learning'
Поведение логарифма вероятности в машинном обучении, часть 3
Ограничивающие доказательства и оценка логарифмического правдоподобия в VAE (arXiv)
Автор: Лукаш Струски , Марцин Мазур , Павел Баторский , Пшемыслав Спурек , Яцек Табор .
Аннотация: Многие важные проблемы в глубоком обучении и статистике вызваны вариационным разрывом, то есть разницей между фактическими данными и нижней границей доказательств (ELBO). Как следствие, в классической модели VAE мы получаем только нижнюю границу логарифмического правдоподобия, поскольку ELBO..
Последние разработки в области рекомендательных систем, часть 2 (искусственный интеллект)
1. Равный опыт в рекомендательных системах ( arXiv)
Автор: Джэун Чо , Мунсок Чой , Чанхо Со .
Аннотация: мы исследуем проблему справедливости, которая возникает в рекомендательных системах. Необъективные данные из-за присущих определенным группам стереотипов (например, средний балл юношей по математике часто выше, чем по гуманитарным наукам, и наоборот у девушек) могут давать ограниченный набор предлагаемых заданий для определенной группы пользователей. Наш основной вклад..
Как работает шумоподавление в облаке точек, часть 2 (машинное обучение)
GeoGCN: геометрическая двухдоменная сверточная сеть графов для шумоподавления облака точек (arXiv)
Автор: Чжаовэй Чен , Пэн Ли , Цзеюн Вэй , Хунхуа Чен , Хаоран Се , Минцян Вэй , Фу Ли Ван .
Аннотация: Мы предлагаем GeoGCN, новую геометрическую сеть свертки двухдоменных графов для шумоподавления облака точек (PCD). Помимо традиционной мудрости PCD, чтобы полностью использовать геометрическую информацию облаков точек, мы определяем два типа нормалей поверхности, один из..
Роль ансамблевых методов в машинном обучении
ВВЕДЕНИЕ
Методы ансамбля позволяют комбинировать множество моделей машинного обучения (также известных как «базовые модели») для создания более эффективной модели. Методы ансамбля не имеют преимуществ, если производительность модели не является основной целью [1]. Если вашей целью в проекте машинного обучения является создание модели с наилучшей производительностью, то эта статья для вас.
Мы узнаем о ансамблевых методах, таких как стекирование, бэггинг и бустинг, и поймем, как они..
Краткое руководство по мультимодальному машинному обучению с помощью CLIP от OpenAI
Узнайте, как переводить текст в изображение и обратно с помощью CLIP и векторных вложений.
Через несколько коротких лет жизни дети могут понять концепции простых слов и связать их с соответствующими изображениями. Они могут определить связь между формами и текстурами физического мира с абстрактными символами письменного языка.
Это то, что мы принимаем как должное. Очень немногие (если вообще есть) люди в мире помнят время, когда эти «базовые» навыки были им не по силам.
Компьютеры..
Инновации в исследованиях IOT, часть 8 (IOT)
Анализ производительности спутниковых сетей IoT на LEO при наличии помех (arXiv)
Автор: Аюш Кумар Двиведи , Сачин Чаудхари , Нирадж Варшней , Прамод К. Варшней .
Аннотация: В этой статье исследуется топология «звезда из звезд» для сети Интернета вещей (IoT) с использованием созвездий на меганизкой околоземной орбите, где пользователи IoT передают свою воспринятую информацию на несколько спутников одновременно по общему каналу. Спутники используют ретрансляцию с усилением и..
7 полезных фреймворков глубокого обучения, которые сделают вашу жизнь проще
Улучшите свои разработки в области глубокого обучения
Зачем писать собственный функционал, если фреймворк может сделать это за вас? Фреймворки — лучшие друзья и спасители жизни разработчиков. На мой взгляд, хороший проект использует лучшие доступные фреймворки. Здесь я составил список из 7 фреймворков глубокого обучения, которые помогут вам в вашем…
Новые материалы
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..
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..