Публикации по теме 'deep-learning'
Приложения многоруких бандитов, часть 2 (машинное обучение)
Выбор клиента для обобщения в ускоренном федеративном обучении: многорукий бандитский подход (arXiv)
Автор: Дан Бен Ами , Коби Коэн , Цин Чжао .
Аннотация: Федеративное обучение (FL) — это новая парадигма машинного обучения (ML), используемая для обучения моделей на нескольких узлах (т. е. клиентах), содержащих локальные наборы данных, без явного обмена данными. В последние годы он вызывает растущий интерес из-за его преимуществ с точки зрения конфиденциальности и коммуникационных..
Работа с автоматизированным мышлением, часть 3 (MLops)
Автоматизация рассуждений с помощью логики точек зрения с помощью вложенных последовательностей (arXiv)
Автор: Тим С. Лайон , Лусия Гомес Альварес .
Аннотация: Логика точек зрения — это недавно предложенный формализм в контексте интеграции знаний, который защищает подход с несколькими точками зрения, позволяющий рассуждать с выбором различных и, возможно, конфликтующих точек зрения, а не принуждать их к объединению. В этой статье мы вводим вложенные секвенциальные исчисления для..
Воспринимающий: общее восприятие с итеративным вниманием
Воспринимающий: общее восприятие с итеративным вниманием Биологические системы воспринимают мир, одновременно обрабатывая многомерные входные данные от различных модальностей… arxiv.org
Биосистемы воспринимают мир, обрабатывая тусклые входные данные от зрения, слуха, осязания и т. д. Модели восприятия в глубоком обучении разрабатываются для индивидуальных модальностей, опираясь на определенные предположения, например. сетчатые..
Новые разработки в графовых нейронных сетях, часть 2 (машинное обучение)
GNN-SL: маркировка последовательностей на основе ближайших примеров через GNN (arXiv)
Автор: Шухэ Ван , Юсянь Мэн , Жунбинь Оуян , Цживэй Ли , Тяньвэй Чжан , Линцзюань Лю , Гоинь Ван
Аннотация: чтобы лучше справляться с длинными хвостами в задаче маркировки последовательностей (SL), в этой работе мы вводим маркировку последовательностей графовых нейронных сетей (GNN-SL), которая дополняет выходные данные стандартной модели SL с помощью аналогичные примеры тегов,..
Приложения 2D-диффузии в реальных сценариях, часть 3 (машинное обучение)
Улучшение 3D-изображения с помощью предварительно обученных перпендикулярных 2D-моделей диффузии (arXiv)
Автор: Сухён Ли , Хёнджин Чон , Минён Пак , Джонхёк Пак , Ви-Сон Рю , Чон Чхоль Йе .
Аннотация: Диффузионные модели стали популярным подходом к генерации и реконструкции изображений благодаря их многочисленным преимуществам. Однако большинство методов решения обратных задач, основанных на диффузии, имеют дело только с 2D-изображениями, и даже недавно опубликованные 3D-методы..
Введение в модели больших языков
Путь обучения генеративному ИИ: лекция 2
Этот курс микрообучения начального уровня исследует, что такое большие языковые модели (LLM), варианты использования, в которых их можно использовать, и как вы можете использовать быструю настройку для повышения производительности LLM.
Раскрытие возможностей глубокого обучения с помощью вычислений на GPU
Глубокое обучение произвело революцию в области искусственного интеллекта, позволив компьютерам выполнять задачи, которые когда-то считались невозможными. Однако такой уровень сложности и производительности имеет свою цену. Алгоритмы глубокого обучения требуют огромных объемов данных и вычислительной мощности, что делает их непрактичными для многих приложений без специализированного оборудования. Вот тут-то и появляются вычисления на GPU. В этой статье мы рассмотрим для новичков роль..
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..