Публикации по теме 'deep-learning'
Конспект лекций по глубокому обучению: потери и оптимизация - часть 1
Конспект лекций FAU по глубокому обучению
Убыток и оптимизация - Часть 1
Классификация и регрессионные потери
Это конспекты лекции FAU Глубокое обучение на YouTube. Это полный текст лекции и соответствующие слайды. Надеемся, вам понравится это не меньше, чем видео. Конечно, эта стенограмма была создана с помощью методов глубокого обучения в значительной степени автоматически, и были внесены лишь незначительные изменения вручную. Если вы заметили ошибки, сообщите нам об..
Как используются функции потерь, часть 1 (машинное обучение)
Оценка влияния изменения функции потерь в глубоком обучении для классификации (arXiv)
Автор: Саймон Дрэгер , Янник Дункелау
Аннотация: Функция потерь, возможно, является одним из наиболее важных гиперпараметров для нейронной сети. На сегодняшний день разработано множество функций потерь, что делает правильный выбор нетривиальным. Однако подробные обоснования выбора функции потерь в смежных работах не приводятся. Это, как мы видим, свидетельствует о догматическом мышлении в..
Генеративные модели грабят попугаев?
#ИИ #Генеративные_Модели
Некоторые говорят, что эти сложные модели глубокого обучения — просто стохастические попугаи-грабители. Ну и какой ответ? Да или нет точно. Давайте спорить об этом.
Если взять один-два слоя в модели обучения, то можно сказать, что да, есть какое-то грабеж. Но здесь, в живых моделях, система работает со многими линейными или нелинейными активациями (в зависимости от обстоятельств). Следовательно, кроме суммирования, применяются нелинейные функции, которые..
«Использование LLM для оценки производительности чат-ботов с искусственным интеллектом»
TL;DR:
TL;DR Оценка качества чат-ботов, созданных с помощью LLM/GPT и LlamaIndex, включает качественные и программные стратегии. Интуитивная оценка осуществляется путем формирования мнения и задавания большого количества вопросов. Вы также можете использовать обратную связь с пользователями с помощью системы палец вверх/вниз . Однако полагаться на одну метрику не рекомендуется. Найдите пользователей, чтобы оценить тематику и получить продукт в свои руки. #chatbots #evaluation #LLM..
Баночка данных и задач для маркировки последовательностей — Рекуррентные нейронные сети (RNN)
В последней статье мы обсуждали банк данных и задач для конкретных задач классификации последовательностей. В этой статье мы коснемся банок данных и задач для проблем с маркировкой последовательностей.
Данные и задачи для маркировки последовательностей
Давайте сначала обсудим цель маркировки последовательностей — здесь для каждого слова во входном предложении модель предсказывает вывод.
Скажем, вход состоит из ряда последовательностей, табличное представление одного и того же будет..
Как далеко мы продвинулись с системами NeuroFuzzy, часть 1
Преобразование моделей глубокого RL в интерпретируемые нейро-нечеткие системы (arXiv)
Автор: Арне Геварт , Джонатан Пек , Иван Сайс
Аннотация . Глубокое обучение с подкреплением использует глубокую нейронную сеть для кодирования политики, которая обеспечивает очень хорошую производительность в широком диапазоне приложений, но широко считается моделью черного ящика. Более интерпретируемая альтернатива глубоким сетям представлена нейро-нечеткими контроллерами. К сожалению,..
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...
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..