Публикации по теме 'deep-learning'
Простое обучение с подкреплением с помощью Tensorflow: часть 3 - RL на основе модели
Прошло некоторое время с момента моей последней публикации в этой серии, где я показал, как разработать агент усиления градиента политики, который мог бы решить задачу CartPole. В этом руководстве я хотел бы еще раз изучить проблему CartPole, но на этот раз представить концепцию модели среды, которую агент может использовать для повышения своей производительности.
(Если вы еще не читали их, вот ссылки на первое и второе руководства из этой серии. Каждое руководство основано на..
Новые приложения прогнозирования временных рядов, часть 3 (машинное обучение)
SLOTH: структурированное обучение и оптимизация на основе задач для прогнозирования временных рядов по иерархиям (arXiv)
Автор: Фань Чжоу , Чэнь Пан , Линьтао Ма , Ю Лю , Шию Ван , Джеймс Чжан , Синьсинь Чжу , Сюаньвэй Ху , Юньхуа Ху , Янфэй Чжэн . », Лэй Лэй , Юнь Ху
Аннотация: Многомерное прогнозирование временных рядов с иерархической структурой широко используется в реальных приложениях, например, прогнозирование продаж для географической иерархии, сформированной..
Недавнее исследование, основанное на Дистанции Вассерштейна, часть 2 (Машинное обучение)
О расстоянии Вассерштейна и теореме единственности Добрушина (arXiv)
Автор: Тони С. Дорлас , Батист Савойя .
Аннотация: В этой статье мы пересматриваем теорему единственности Добрушина для мер Гиббса решеточных систем взаимодействующих частиц, находящихся в тепловом равновесии. В двух словах, теорема единственности Добрушина дает практический способ вывести достаточные условия на обратную температуру и параметры модели, гарантирующие единственность мер Гиббса, путем сведения..
Использование пространств Харди в машинном обучении, часть 7
Операторы композиции классов Шаттена в пространстве Харди рядов Дирихле и принцип сравнения (arXiv)
Автор : Фредерик Баяр , Афанасиос Курупис .
Аннотация: Приводятся необходимые и достаточные условия принадлежности оператора композиции с символом ряда Дирихле классам Шаттена Sp пространства Харди H2 ряда Дирихле. При p≥2 эти условия приводят к характеризации подкласса символов с ограниченными мнимыми частями. Наконец, мы устанавливаем принцип сравнения для операторов композиции...
Угроза обучения сверх намеченной цели
Из книги Машинное обучение с сохранением конфиденциальности Дж. Морриса Чанга, Ди Чжуанга и Г. Думинду Самаравира
В этой статье рассматривается, как алгоритмы машинного обучения взаимодействуют с данными, и важность сохранения конфиденциальности данных.
Прочтите ее, если вы инженер по машинному обучению или разработчик, использующий машинное обучение.
Машинное обучение (МО) можно рассматривать как способность алгоритма имитировать интеллектуальное человеческое поведение с точки..
Генеративный дизайн для лекарств de novo
Введение
В последние годы наблюдается всплеск использования вычислительных методов для разработки лекарств de novo. В большинстве случаев вычисления полностью состояли из использования прогностических моделей для скрининга химической библиотеки для выявления сильнодействующих соединений. Этот подход к открытию лекарств имеет несколько недостатков:
Исследуемое химическое пространство ограничено. Выбранные молекулы обладают нежелательными структурными свойствами. Оптимизация лидов..
Обновления остаточного анализа, часть 3 (искусственный интеллект)
GRASP-Net: Геометрический остаточный анализ и синтез для сжатия облака точек (arXiv)
Автор: Джяхао Панг , Мухаммад Асад Лодхи , Донг Тиан .
Аннотация: Сжатие облака точек (PCC) является ключевым инструментом для различных трехмерных приложений благодаря универсальности формата облака точек. В идеале трехмерные облака точек стремятся отобразить непрерывные поверхности объекта/сцены. Практически, как набор дискретных выборок, облака точек локально разобщены и редко распределены. Эта..
