Статьи по теме deep-learning

Публикации по теме 'deep-learning'

Горячий «CoQA» и Marshmallows - введение в новый набор данных по контролю качества Стэнфорда за 3 минуты

Что такое набор данных CoQA? CoQA - это ответ на разговорный вопрос, он был выпущен пару дней назад Стэнфордской группой НЛП. Обычно я не пишу объемные статьи, но когда я увидел это в моем твиттере, мне просто пришлось, особенно с учетом моего прошлого интереса к созданию приложения для создания вопросов . Наборы данных с ответами на вопросы являются неотъемлемой частью любой задачи понимания НЛП, позволяя модели подвергаться воздействию широкого и разнообразного спектра языковых и..

Глубокое обучение - глубокая нейронная сеть

Итак, перейдем к делу. Во-первых, что такое AI? Что такое машинное обучение? Это то же самое, что и глубокое обучение? Если нет, то в чем разница? Почему я должен переживать? Когда мы слышим «искусственный интеллект», мы часто думаем о таких вещах, как I-Robot или Eagle Eye. Хотя это обычно не так захватывающе, как в тех фильмах, любая машина, которая «думает» как человек, попадает в категорию ИИ. Однако это не так сильно. Наиболее общепринятое объяснение ИИ заключается в том,..

ARIMA против LSTM: сравнительный анализ прогнозирования временных рядов для прогнозирования цен на акции

Широко признанным методом прогнозирования линейных временных рядов является ARIMA (авторегрессионное интегрированное скользящее среднее). Цель этой статьи — дать обзор ARIMA с помощью иллюстрации, ориентированной на финансы, и прояснить важность параметров p, d и q. Цель состоит в том, чтобы предсказать цены закрытия на следующие несколько дней на основе набора данных с ежедневными ценами акций закрытия. Этот набор данных можно использовать для прогнозирования с использованием модели..

Работа с цепями Маркова, часть 7 (Машинное обучение)

Алгоритмы ММ для оценки параметров в цепях Маркова с непрерывным временем (arXiv) Автор: Джованни Баччи , Анна Ингольфсдоттир , Ким Г. Ларсен , Рафаэль Рейнуар . Аннотация: Цепи Маркова с непрерывным временем (CTMC) являются популярным формализмом моделирования, который составляет основную семантику для вероятностных систем реального времени, таких как сети массового обслуживания, алгебры стохастических процессов и исчисления для системной биологии. Prism и Storm — популярные..

Обнаружение сарказма в заголовках новостей — на cAINvas

Они иронизируют? Сарказм — это использование слов, которые передают смысл, противоположный тому, который вы на самом деле намереваетесь передать. Он имеет возможность перевернуть настроение предложения. Это делает обнаружение сарказма важной частью анализа настроений. Большинство наборов данных, доступных для этой цели, основаны на твитах, написанных публикой. Это может привести к зашумленным данным с неправильной маркировкой. Контекст твитов зависит от ветки (в случае ответов), и..

Понимание потери фокуса для классификации на уровне пикселей в сверточных нейронных сетях

Плавная версия кросс-энтропийной потери для быстрой сходимости Как я писал в последней статье этой серии, потеря фокуса - это более сфокусированная потеря перекрестной энтропии. В задачах семантической сегментации потеря фокуса может помочь модели сфокусироваться на пикселях, которые еще не были хорошо обучены, что более эффективно и целенаправленно, чем потеря перекрестной энтропии. Я рекомендую статью, если вы ее еще не читали. Демистификация потери..

Поведение машин Изинга, часть 1

Машина Изинга на основе параметрического генератора Джозефсона (arXiv) Автор: Сасан Размха , Мехди Камаль , Нобуюки Ёсикава , Масуд Педрам . Аннотация: Машины Изинга стали многообещающим решением для быстрого решения NP-полных задач комбинаторной оптимизации, превосходящим возможности традиционных вычислительных методов. Эффективно определяя основное состояние гамильтониана в процессе отжига, машины Изинга могут эффективно дополнять центральные процессоры в решении задач..