Публикации по теме 'deep-learning'
Типы нейронных сетей (ANN, RNN, CNN)
Существует несколько разновидностей нейронных сетей, каждая из которых выполняет определенную функцию. Хотя это не исчерпывающий список, следующие типичны для наиболее частых типов нейронных сетей, используемых в популярных случаях использования:
Фрэнк Розенблатт изобрел персептрон в 1958 году, что сделало его самой ранней нейронной сетью. Это самый простой тип нейронной сети, состоящий только из одного нейрона:
Эта статья в основном посвящена нейронным сетям с прямой связью,..
Последние обновления о взаимодействии человека с компьютером, часть 3
EQuaTE: эффективный квантовый двигатель поезда для динамического анализа с помощью визуальной обратной связи на основе гиперконвергентной инфраструктуры (arXiv)
Автор: Сухён Пак , Вон Чжун Юн , Чанён Пак , Юн Гю Ли , Сой Чжон , Хао Фэн , Джунхон Ким .
Аннотация: В этой статье предлагается эффективный механизм квантовых поездов (EQuaTE), новый инструмент для программного обеспечения для квантового машинного обучения, который отображает градиентные дисперсии, чтобы проверить,..
Как работает синтез изображений человека, часть 2 (машинное обучение)
Жидкостная деформация GAN с вниманием: унифицированная основа для синтеза изображений человека (arXiv)
Автор: Вэнь Лю , Чжисинь Пяо , Чжи Ту , Вэньхан Ло , Лин Ма , Шэнхуа Гао .
Аннотация: Мы занимаемся синтезом изображений человека, включая имитацию движений человека, перенос внешнего вида и синтез новых представлений, в рамках единой структуры. Это означает, что модель после обучения можно использовать для решения всех этих задач. Существующие методы для конкретных задач в..
Создайте своего собственного чат-бота с искусственным интеллектом, созданного специально для успеха вашей компании!
Создайте своего собственного чат-бота с искусственным интеллектом, созданного специально для успеха вашей компании!
Хотите создать персонализированного чат-бота для нужд вашей компании? В этом исследовании мы погрузимся в мир чат-бота Llama — нового претендента в динамической области диалогового искусственного интеллекта. Наше путешествие будет охватывать различные аспекты, включая настройку пакетов, настройку моделей и многое другое!
Подготовка почвы: основные пакеты
Прежде чем..
МАШИННОЕ ОБУЧЕНИЕ КАК ПРИЛОЖЕНИЕ ЛИНЕЙНОЙ АЛГЕБРЫ
В этом блоге вы узнаете, почему специалистам по машинному обучению следует изучать линейную алгебру, чтобы улучшить свои практические навыки и способности. Прочитав этот блог, вы поймете, как линейная алгебра может применяться в машинном обучении.
ЧТО ТАКОЕ ЛИНЕЙНАЯ АЛГЕБРА?
Линейная алгебра — это изучение векторных пространств, прямых и плоскостей, а также отображений, которые используются для линейных преобразований. Первоначально он был формализован в 1800-х годах для поиска..
Резюме статьи: Глубокое остаточное обучение для распознавания изображений.
ResNets значительно повысил точность решения многих задач компьютерного зрения. Глубокое остаточное обучение для распознавания изображений было опубликовано в 2015 году.
Проблема
Добавление большего количества слоев приводит к насыщению точности модели, а затем к ее быстрому ухудшению и увеличению ошибок обучения - проблеме деградации.
В связи с важностью глубины сети возник вопрос: Неужели изучить более качественные сети так же просто, как сложить больше слоев? Препятствием к..
Работа с алгоритмом Forward-Backward часть 3(искусственный интеллект)
Алгоритмы «вперед-назад» с двуаллельной моделью мутации-дрейфа: ортогональные полиномы и подход на основе модели слияния/урны (arXiv)
Автор: Клаус Фогль , Сандра Пир , Линетт Кейтлин Микула .
Аннотация: Вывод предельной вероятности конфигураций выборки аллелей с использованием обратных алгоритмов дает идентичные результаты с коалесцентной моделью Кингмана, моделью Морана и диффузионной моделью (с точностью до масштабирования по времени). Для вывода о вероятностях частот аллелей..
