Статьи по теме deep-learning

Публикации по теме 'deep-learning'

Работа с алгебрами Ли в машинном обучении, часть 2

О промежуточной алгебре Ли E7+1/2(arXiv) Автор: Кимён Ли , Кайвен Сан , Хаову Ван Аннотация: E7+1/2 — промежуточная алгебра Ли, заполняющая дыру между E7 и E8 в исключительной серии Делиня-Цвитановича. Он был независимо найден Матуром, Муки, Сеном при классификации 2d RCFT с помощью модульных линейных дифференциальных уравнений (MLDE) и Делинем, Коэном и де Маном в теории представлений. В этой статье мы предлагаем некоторые новые алгебры вершинных операторов (VOA), связанные с..

Понимание работы HetNets, часть 2 (технология будущего)

Управление ресурсами для минимизации мощности передачи в RIS HetNets с помощью БПЛАПоддерживается двойным подключением (arXiv) Автор: Ата Халили , Эхсан Мохаммади Монфард , Шаян Заргари , Мохаммад Реза. Джаван , Надер Мокари , Эдуард А. Йорсвик Аннотация . В этом документе предлагается новый подход к повышению производительности гетерогенной сети (HetNet), поддерживаемой двойной связью (DC), путем использования нескольких беспилотных летательных аппаратов (БПЛА) в..

Как работают искусственные нейронные сети: от персептронов до градиентного спуска

Введение Искусственный интеллект (ИИ), машинное обучение и глубокое обучение часто используются взаимозаменяемо, но на самом деле они относятся к разным концепциям и методам. В этом введении будут разъяснены различия между этими тремя терминами и представлен общий обзор каждой области. Оглавление 1.AI vs ML vs DL 2. Персептрон 3. Проблема с персептроном 4. MLP 5. Прямое распространение 6. Расчет потерь 7. Обратное распространение 8. Достойный градиент 9. Заключение 1. ИИ,..

Документы Оценка качества изображения, часть 1

ШИВПУДЖАН САЙНИ | Адитья Мангал | Страховой Самадхан Изображения документов могут ухудшаться на различных этапах, таких как создание, хранение, передача и т. д. Например, ухудшение качества может привести к значительному снижению производительности оптического распознавания символов (OCR), а также повлиять на производительность поиска изображений документов, анализа компоновки. , обнаружение логотипа и другие задачи анализа документов. Как правило, деградация ухудшает..

Работа с обобщенными аддитивными моделями, часть 5 (машинное обучение)

Распределенная оценка многомерных обобщенных аддитивных смешанных моделей с сохранением конфиденциальности и без потерь (arXiv) Автор: Даниэль Шалк , Бернд Бишль , Давид Рюгамер . Аннотация: В последние годы были разработаны различные структуры сохранения конфиденциальности, которые уважают конфиденциальность человека при анализе данных. Однако доступным классам моделей, таким как простая статистика или обобщенные линейные модели, не хватает гибкости, необходимой для хорошей..

Последние обновления байесовских нейронных сетей, часть 3 (машинное обучение)

Апостериорный вывод о бесконечно широких байесовских нейронных сетях с весами с неограниченной дисперсией (arXiv) Автор: Хорхе Лориа , Аниндья Бхадра . Аннотация: Из классических и влиятельных работ Нила (1996) известно, что предел масштабирования бесконечной ширины байесовской нейронной сети с одним скрытым слоем является гауссовым процессом, \emph{когда веса сети имеют ограниченную априорную дисперсию}. Результат Нила был распространен на сети с несколькими скрытыми слоями и на..

Подготовка к обучению.

Неделя 2 Исследования в области машинного обучения и глубокого обучения часто включают использование компьютеров с высокой вычислительной мощностью, более длительное время обучения данных, а также саму методологию. Прежде чем принять решение заняться этим видом исследований, я изучал, как на самом деле работает весь процесс, что включает в себя все вместе и так далее. К счастью, вся идея включает в себя, если не интенсивное обучение, входные данные, состоящие из пикселей,..