Публикации по теме 'deep-learning'
Работа с векторными символическими архитектурами, часть 4 (искусственный интеллект)
Hyperseed: неконтролируемое обучение с векторными символическими архитектурами (arXiv)
Автор: Евгений Осипов , Сачин Кахавала , Диланта Хапутантри , Тимал Кемпития , Дасвин Де Сильва , Дамминда Алахакун , Денис Клейко .
Аннотация: В этой статье, вдохновленной недавними инновациями в области нейроморфного оборудования, основанного на биологии, представлен новый алгоритм машинного обучения без присмотра под названием Hyperseed, основанный на принципах векторных символьных..
Понимание расстояния Вассерштейна: мощная метрика в машинном обучении
В обширной области машинного обучения часто возникает необходимость сравнивать и измерять различия между распределениями вероятностей. Традиционные метрики расстояния, такие как евклидово расстояние или дивергенция Кульбака-Лейблера, могут оказаться недостаточными при работе с распределениями, которые имеют разные опоры или значительное перекрытие. Введите расстояние Вассерштейна, мощный инструмент, который завоевал популярность благодаря своей способности фиксировать нюансы различий между..
Состояние моделей распространения текста в изображение, часть 2 (машинное обучение)
Токены дискриминационного класса для моделей распространения текста в изображение (arXiv)
Автор: Назмул Карим , Нилутпол Чоудхури Митхун , Абхинав Раджванши , Хан-панг Чиу , Супун Самарасекера , Назанин Рахнавард .
Аннотация: Превосходные генеративные возможности моделей диффузии текста в изображение предполагают, что они изучают информативные представления текстовых данных изображения. Однако то, какие знания захватывают их представления, до конца не изучено, и они не были..
Работа со сменой распределения, часть 2 (статистика)
Надежная оптимизация инструкций для больших языковых моделей со сдвигами распределения (arXiv)
Автор: Моксин Ли , Вэньцзе Ван , Фули Фэн , Цжичжи Чжан , Тат-Сэн Чуа .
Аннотация: Большие языковые модели продемонстрировали значительную способность выполнять широкий спектр задач обработки естественного языка (NLP). Однако их производительность очень чувствительна даже к незначительным изменениям в формулировках инструкций к задачам, что привело к направлению исследований по..
QML Day-7 : Понимание искусственных нейронных сетей (ИНС) и как они на самом деле работают?
Его можно использовать для анализа человеческой речи разной высоты, тона, языка и т. д., которая применяется в виртуальных помощниках, таких как Google Assistant, Amazon Alexa и т. д.
Обработка естественного языка
Обработка естественного языка (NLP) — это способность обрабатывать естественный, созданный человеком текст. Нейронные сети помогают компьютерам собирать информацию и смысл из текстовых данных и документов.
Компьютерное зрение
Компьютерное зрение — это способность..
Погружение в глубокое обучение - Часть 2 - Создание классификатора рентгеновских изображений для обнаружения мошенничества - Первое место в…
Эксперименты, решающие сложные бизнес-задачи, размещенные на Hackerearth компанией FactorBranded Data Warriors с помощью [Power of fastai library]
[ Меры предосторожности : входящая стена текста с анализом. Ниже в значительной степени используются библиотеки fastai. Если у вас есть некоторый опыт работы с fastai libs, код будет иметь большой смысл]
Справочная информация о проблеме:
Дорогостоящие грузы, такие как мобильные телефоны, часы, ювелирные изделия, обычно подвержены риску..
Лучшее исследование гипотезы лотерейных билетов, часть 3 (машинное обучение)
Сильная гипотеза лотерейного билета с ε — возмущение (arXiv)
Автор: Чжэян Сюн , Фаншо Ляо , Анастасиос Кириллидис .
Аннотация: Сильная гипотеза лотерейного билета (LTH) утверждает существование подсети в достаточно большой случайно инициализированной нейронной сети, которая аппроксимирует некоторую целевую нейронную сеть без необходимости обучения. Мы распространяем теоретическую гарантию сильной литературы по LTH на сценарий, более похожий на исходный LTH, путем обобщения изменения..
Новые материалы
Кластеризация: более глубокий взгляд
Кластеризация — это метод обучения без учителя, в котором мы пытаемся найти группы в наборе данных на основе некоторых известных или неизвестных свойств, которые могут существовать. Независимо от..
Как написать эффективное резюме
Предложения по дизайну и макету, чтобы представить себя профессионально
Вам не позвонили на собеседование после того, как вы несколько раз подали заявку на работу своей мечты? У вас может..
Частный метод Python: улучшение инкапсуляции и безопасности
Введение
Python — универсальный и мощный язык программирования, известный своей простотой и удобством использования. Одной из ключевых особенностей, отличающих Python от других языков, является..
Как я автоматизирую тестирование с помощью Jest
Шутка для победы, когда дело касается автоматизации тестирования
Одной очень важной частью разработки программного обеспечения является автоматизация тестирования, поскольку она создает..
Работа с векторными символическими архитектурами, часть 4 (искусственный интеллект)
Hyperseed: неконтролируемое обучение с векторными символическими архитектурами (arXiv)
Автор: Евгений Осипов , Сачин Кахавала , Диланта Хапутантри , Тимал Кемпития , Дасвин Де Сильва ,..
Понимание расстояния Вассерштейна: мощная метрика в машинном обучении
В обширной области машинного обучения часто возникает необходимость сравнивать и измерять различия между распределениями вероятностей. Традиционные метрики расстояния, такие как евклидово..
Обеспечение масштабируемости LLM: облачный анализ с помощью AWS Fargate и Copilot
В динамичной области искусственного интеллекта все большее распространение получают модели больших языков (LLM). Они жизненно важны для различных приложений, таких как интеллектуальные..