Публикации по теме 'deep-learning'
Как работает концепция нечеткого вывода, часть 2
От видимого к невидимому: когда система нечеткого вывода предсказывает метки позиционирования устройств IoT, которые не появлялись на этапе обучения (arXiv)
Автор: Хань Сюй , Чжэмин Цзо , Цзе Ли , Виктор Чанг .
Аннотация. Находясь в основе искусственного интеллекта (ИИ), машинного обучения (МО) и, в частности, глубокого обучения (ГО), они добились больших успехов за последние два десятилетия. Однако предсказание невидимых меток классов изучено гораздо меньше из-за того, что..
В целях классификации : каждое дерево в лесу дает вероятность для каждого класса, а…
В целях классификации: каждое дерево в лесу дает вероятность для каждого класса, и вероятности усредняются по деревьям, а класс с наибольшей вероятностью прогнозируется как метка класса.
Новое исследование генеративно-состязательных сетей, часть 5 (Машинное обучение, 2023 г.)
LM-GAN: фотореалистичная всепогодная параметрическая модель неба (arXiv)
Автор: Лукас Валенса , Ян Макиньяз , Хади Моазен , Ришикеш Мадан , Яник Холд-Жоффруа , Жан-Франсуа Лалонд .
Аннотация: Мы представляем LM-GAN, HDR-модель неба, которая создает фотореалистичные карты окружающей среды с выветренным небом. Наша модель неба сохраняет гибкость традиционных параметрических моделей и позволяет воспроизводить фотореалистичное всепогодное небо с визуальным разнообразием облачных..
Расширение возможностей языковых моделей: предварительное обучение, тонкая настройка и обучение в контексте
Введение:
Языковые модели достигли значительных успехов в понимании и генерации естественного языка. Эти модели обучаются посредством сочетания предварительного обучения, точной настройки и обучения в контексте. В этом сообщении блога мы углубимся в эти три основных подхода, поймем их различия и изучим, как они способствуют процессу изучения языковых моделей.
Предварительная подготовка:
Предварительное обучение — это начальная фаза изучения языковых моделей. Во время..
что такое YOLOv8 — Как им пользоваться?
Новейшая модель обнаружения объектов и сегментации изображений Ultralytics:
Добро пожаловать в мою статью, посвященную YOLOv8! YOLOv8 — это последняя версия популярной модели YOLO от Ultralytics, предназначенная для эффективного и точного обнаружения объектов и сегментации изображений. Эта статья является отправной точкой для использования YOLOv8 и понимания его функций.
Благодаря скорости, точности и простоте использования YOLOv8 является универсальным выбором для широкого спектра..
Последние обновления Neural Radiance Fields, часть 1 (машинное обучение)
NeRFool: выявление уязвимости обобщаемых полей нейронного излучения к враждебным возмущениям (arXiv)
Автор: Юнган Фу , Е Юань , Соувик Кунду , Шан Ву , Шуньяо Чжан , Инъянь Линь .
Аннотация: Generalizable Neural Radiance Fields (GNeRF) — одно из самых многообещающих реальных решений для нового синтеза представлений благодаря их способности генерализации между сценами и, следовательно, возможности мгновенного рендеринга на новых сценах. В то время как защита от состязательных..
AlphaFold от Google может стать ответом для биологов на борьбу с пандемией, такой как COVID-19, в…
Исследователи из DeepMind, подразделения Alphabet Inc., специализирующегося на искусственном интеллекте (ИИ) и исследованиях, продемонстрировали, как можно использовать машинное обучение, чтобы совершить прорыв в способности предсказывать, как белки, костяк живой клетки, складываются в сложные формы, которые они принимают два года назад, когда пандемия COVID-19 охватила весь мир. Исследование вселило в биологов оптимизм в отношении того, что в будущем они смогут гораздо быстрее бороться с..
