Публикации по теме 'deep-learning'
Ускорение распространения информации при воспроизведении ретроспективного опыта
Ловушки и обходные пути при попытке использовать многоэтапное Q-обучение с HER
Введение
Глубокое обучение с подкреплением (Deep RL) набирает популярность на протяжении многих лет. Имея несколько знаменательных успехов [6], легко думать, что мы можем просто создать экземпляр современного современного алгоритма, применить его к проблеме, и он просто сработает … часто этого не происходит .
Андрыхович и др. Исследовали один такой класс случаев неудач в 2017 году в своей..
ХуБЕРТ объяснил
Изучение языка из речи с помощью BERT
С момента выпуска оригинальной статьи wav2vec в 2019 году самоконтролируемое обучение теперь все больше и больше используется для речи. HuBERT делает следующий шаг в этом отношении.
Основная идея документа заключается в дискретизации аудиовхода с помощью скрытых единиц , что позволяет применять модель BERT.
В этом посте мы пройдемся по статье, объяснив компоненты модели и способы ее использования в ваших проектах.
Краткое содержание..
Как работают преобразователи аудиоспектрограмм, часть 3 (искусственный интеллект)
BAST: преобразователь бинауральной аудиоспектрограммы для локализации бинаурального звука (arXiv)
Автор: Шэн Куанг , Кики ван дер Хейден , Сиамак Мерканун .
Аннотация: Точная локализация звука в реверберационной среде имеет важное значение для слухового восприятия человека. Недавно сверточные нейронные сети (CNN) использовались для моделирования бинаурального слухового пути человека. Тем не менее, CNN показывает барьеры в захвате глобальных акустических особенностей. Чтобы решить..
VAR-CNN (футбол): фол или чистый отбор
Абстрактный
Футбол — самый популярный вид спорта в мире, в который играют более чем в 200 миллионах стран. За последнее столетие этот вид спорта сильно развился, как и технологии, используемые в игре. Виртуальный помощник рефери (VAR) является одним из них и в значительной степени повлиял на игру. Роль VAR проста, но сложна; вмешиваться в перерывах между игрой, когда судьи принимают неправильное решение или не могут его принять. Конкретный сценарий возникает, когда они должны..
Применение методов машинного обучения для диагностики здоровья — Health Tech
С тех пор, как в конце половины 20 века компьютеры начали широко использоваться, в соответствии с потребностями были разработаны алгоритмы и программы для моделирования и анализа больших объемов данных. В конце ХХ века были популяризированы методы машинного обучения, или машинное обучение. Эти методы состоят из принятия решений и выполнения задач на основе искусственного интеллекта. Обучение происходит путем определения набора правил, сгенерированных путем анализа базы данных или даже..
Внедрение CycleGAN для преобразования изображения в изображение
Преобразование изображений из одного стиля в другой
Знаете ли вы, что вы можете сделать снимок лета и преобразовать его так, чтобы он выглядел как снимок, сделанный зимой? Для этого типа преобразования у нас есть набор различных алгоритмов, и CycleGAN — один из них, используемый для преобразования изображения в изображение.
Преобразование изображения в изображение — это класс задач компьютерного зрения и глубокого обучения, целью которого является изучение сопоставления между входным..
Понимание использования умножения матриц скалярных произведений в глубоком обучении за считанные минуты - новичок ...
Умножение матриц с помощью скалярных произведений и косинусное подобие звучат довольно сложно. Есть простые способы понять и запомнить их навсегда. Читать дальше. Мы представим очень простой способ понять и запомнить скалярное произведение.
Подпишитесь на нас, чтобы получить материалы по обучению программированию, анализу данных, машинному обучению и техническим собеседованиям для начинающих. Примером может служить наш суперпопулярный учебник по Softmax . Скажите [email protected]. Но..
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..