Статьи по теме deep-learning

Публикации по теме 'deep-learning'

FlashAttention: быстрое и экономичное точное внимание с поддержкой операций ввода-вывода

Стандартное внимание имеет квадратичную сложность с точки зрения длины последовательности (количества токенов). Чтобы уменьшить сложность, в методах эффективного внимания были предложены разреженные и / или низкоранговые приближения. Эти приближения уменьшают сложность до линейной или почти линейной по отношению к длине последовательности. Тем не менее, эти методы либо отстают по производительности, либо не обеспечивают ускорения настенных часов по сравнению со стандартным вниманием...

Телекоммуникации на базе искусственного интеллекта: взгляд в будущее средств связи

Телекоммуникации на основе ИИ — это интеграция технологии искусственного интеллекта (ИИ) в телекоммуникационную отрасль для повышения производительности, эффективности и качества обслуживания клиентов. В связи с растущим спросом на более быстрые и надежные услуги связи ИИ стал мощным инструментом для телекоммуникационных компаний, позволяющим улучшать свои сети, оптимизировать свою работу и предоставлять более качественные услуги своим клиентам. Алгоритмы ИИ могут анализировать огромные..

Работа с отслеживанием знаний, часть 7 (анализ данных)

DAGKT: сложность и попытки усовершенствованного отслеживания знаний на основе графов (arXiv) Автор: Жуй Луо , Фей Лю , Вэньхао Лян , Юхун Чжан , Чэньян Бу , Сюэган Ху . Аннотация: В сфере интеллектуального образования все большее внимание привлекает отслеживание знаний (ЗЗ), которое оценивает и отслеживает усвоение учащимися концепций знаний для обеспечения качественного образования. В KT среди вопросов и концепций знаний есть естественные графовые структуры, поэтому в некоторых..

Варианты использования циклических многогранников, часть 2 (машинное обучение)

Полиномы Эрхарта циклических многогранников (arXiv) Автор : Фу Лю Аннотация: Полином Эрхарта целочисленного выпуклого многогранника подсчитывает количество точек решетки в расширениях многогранника. В math.CO/0402148 авторы предположили, что для любого циклического многогранника с целыми параметрами его полином Эрхарта равен его объему плюс полином Эрхарта его нижней оболочки, и доказали случай, когда размерность d = 2. В статье мы доказываем гипотезу для любой размерности...

Линейная алгебра для машинного обучения — часть 1

Чтобы по-настоящему понять удивительный мир машинного обучения, вам необходимо изучить линейную алгебру. Это первая часть ряда статей, посвященных изучению концепций линейной алгебры, наиболее важных для машинного обучения и науки о данных. Если вы хотите поддержать этот контент, подпишитесь на меня и Заметки Патрика . К сожалению или не к сожалению, хорошее понимание линейной алгебры необходимо для освоения большинства алгоритмов машинного обучения и глубокого обучения..

Сверточные нейронные сети: раскрытие возможностей глубокого обучения в компьютерном зрении

Введение В последние годы сверточные нейронные сети (CNN) стали прорывом в области глубокого обучения, произведя революцию в области компьютерного зрения. CNN продемонстрировали исключительную производительность в таких задачах, как распознавание изображений, обнаружение объектов и семантическая сегментация. В этом эссе исследуется архитектура, ключевые компоненты и приложения CNN, проливая свет на их замечательную способность извлекать значимые функции из визуальных данных...

Что вы можете сделать с Tensorflow?

Что вы можете сделать с Tensorflow? TensorFlow — это библиотека машинного обучения с открытым исходным кодом, созданная Google. Библиотека используется для создания и обучения моделей машинного обучения для различных задач, включая анализ временных рядов, обработку естественного языка и категоризацию изображений. Благодаря своей адаптивности и надежным инструментам TensorFlow очень популярен среди разработчиков и специалистов по данным. Разработчики могут легко работать с..