Публикации по теме 'deep-learning'
Как работают состязательные атаки, часть 3 (машинное обучение)
1. Надежность моделей глубокой кластеризации: состязательные атаки и защита (arXiv)
Автор: Аншуман Чхабра , Ашвин Сехари , Прасант Мохапатра
Аннотация . Модели кластеризации представляют собой класс неконтролируемых методов машинного обучения, которые используются в ряде конвейеров приложений и играют жизненно важную роль в современной науке о данных. Благодаря недавним достижениям в области глубокого обучения модели глубокой кластеризации стали более современными по..
9 новых вещей, которые стоит прочитать об ИИ
# hackernoon.com
В объявлении Google о продукте Made by Google от 4 октября 2017 года они публично сделали ставку на то, что…
Может ли Google стать компанией потребительских товаров?
# medium.com
Источник: Google Google всегда решала проблемы и создавала цифровую инфраструктуру, но теперь, возможно, ей нужно будет…
Ключевые проблемы остаются для применения глубокого обучения и искусственного интеллекта в финансах
# medium.com
Эдгар Перес, автор книги «Прорыв ИИ»,..
Мир надежды -
Новая надежда и искусственный интеллект
Что нужно, чтобы построить мир надежды? Как все люди могут разделить этот мир поровну? Как мы можем удалить ненависть из нашего мира, не создавая еще больше ненависти? Как мы можем вернуть надежду нашим детям и позволить им жить в мире личной свободы, при этом уважая личные права и свободы других? Вот те вызовы, которые стоят перед человечеством сегодня. Они кажутся непреодолимыми, но так ли это?
Мир искусственного интеллекта..
Лучшее исследование за все время по генеративно-состязательным сетям (GAN), часть 18 (машинное обучение)
Прогрессивное обучение сети 3D-реконструкции на основе данных 2D GAN (arXiv)
Автор: Айсегуль Дундар , Джун Гао , Эндрю Тао , Брайан Катандзаро .
Аннотация: В этой статье представлен метод восстановления высококачественных текстурированных 3D-моделей из отдельных изображений. Текущие методы полагаются на наборы данных с дорогостоящими аннотациями; многоракурсные изображения и их параметры камеры. Наш метод основан на сгенерированных GAN наборах данных изображений с несколькими..
Tokyo U и Preferred Networks предлагают метод быстрой оценки стабильности функции ансамбля…
Выбор функций — это основная концепция машинного обучения. Нацеленный на выбор подмножества соответствующих функций для использования в построении модели, выбор функций является важным шагом, который может существенно повлиять на производительность модели. Одним из наиболее часто используемых методов повышения стабильности селекторов функций является интеграция результатов нескольких селекторов функций, также известная как ансамблевый выбор функций. Недостатки этого подхода заключаются..
Создание базовой нейронной сети с помощью PyTorch: пошаговое руководство
Будучи студентом компьютерной инженерии, я всегда ищу способы улучшить свои навыки и углубить свои знания. В последнее время я сосредоточился на изучении PyTorch, мощной среды глубокого обучения. Чтобы закрепить то, что я узнал на данный момент, и потенциально помочь другим, кто плохо знаком с PyTorch, я решил написать этот пост в блоге с подробным описанием шагов, связанных с созданием базовой нейронной сети с использованием PyTorch. Я надеюсь, что вы найдете его полезным и..
Упрощенное объяснение трансферного обучения в глубоком обучении: что вы должны знать
Трансферное обучение может помочь решить проблемы глубокого обучения, особенно проблемы компьютерного зрения, с очень небольшим количеством данных и очень небольшой вычислительной мощностью по сравнению с масштабом проблемы.
Проще говоря, перенос обучения — это процесс использования того, что было изучено на одной модели, для обучения другой модели. Мы экономим время и нервы, поскольку нам не нужно обучать модель с нуля. Из-за сложности задачи у вас может возникнуть задача для..
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..