Публикации по теме 'deep-learning'
Простое введение в мультиагентное обучение с подкреплением
Инструмент для выполнения действий в совместной манере и получения большего вознаграждения или более быстрого совместного решения более сложных задач.
Обучение с подкреплением используют не только автономные автомобили, но и центры обработки данных, системы управления светофорами, домены здравоохранения, области обработки изображений, робототехника, обработка естественного языка, игры (все знают об AlphaGo ) и даже маркетинг и т. д. и т. п. теперь, чтобы помочь им генерировать..
Обновления в алгоритмах машинного обучения
Машинное обучение ( ML ) — это изучение компьютерных алгоритмов, которые автоматически улучшаются благодаря опыту. [1] Оно рассматривается как подмножество искусственного интеллекта . Алгоритмы машинного обучения строят математическую модель на основе выборочных данных, известных как данные для обучения , чтобы делать прогнозы или принимать решения без явного программирования для этого. [2] [3] :2 Алгоритмы машинного обучения используются в самых разных приложениях, таких как..
LoRA: Адаптация низкого ранга из первого принципа
В основе всех моделей глубокого обучения лежит последовательность умножения матриц, чередующаяся с введением нелинейных функций, таких как Sigmoid, ReLU и GeLU. Недавний всплеск больших языковых моделей (LLM) подтвердил их исключительный потенциал в различных приложениях. Однако практическое развертывание и тонкая настройка этих массивных LLM представляют собой значительные проблемы с точки зрения затрат и эффективности для групп специалистов по обработке и анализу данных.
Темпы развития..
История обнаружения ключевых точек в компьютерном зрении
Сборник документов и что они делали в прошлом
1. Позиционные машины: оценка артикулированной позы с помощью машин логического вывода (2014 г.) (CVPR)
Общее понятие прогнозирования, существует несколько моделей, которые прогнозируют ключевые моменты, и эта машина выполняет регрессию. Изучив прошлую модель, то, что она сделала неправильно, со временем будет исправлено.
2. Машины сверточной позы (2016) (CVPR)
Итак, для этого общая идея та же, что и в прошлом → но теперь мы..
Примеры использования обрезки нейронной сети, часть 2 (машинное обучение)
Быстро, как ЧИТА: сокращение нейронной сети с комбинаторной оптимизацией (arXiv)
Автор: Риаде Бенбаки , Вэнью Чен , Сян Мэн , Хусейн Хазиме , Наталья Пономарева , Чжэ Чжао , Рахул Мазумдер .
Аннотация: Огромный размер современных нейронных сетей делает модель серьезной вычислительной задачей. Популярный класс методов сжатия преодолевает эту проблему, сокращая или разрежая веса предварительно обученных сетей. Несмотря на свою полезность, эти методы часто сталкиваются с..
Работа с уравнениями в частных производных часть 1
Строгий вывод вырожденной параболо-эллиптической системы Келлера-Сегеля из умеренно взаимодействующей стохастической системы частиц. Часть I. Уравнение с частными производными (arXiv)
Автор: Ли Чен , Вениамин Гвоздик , Юэ Ли
Аннотация: Целью данной статьи является предоставление результатов анализа дифференциальных уравнений в частных производных, возникающих в результате строгого вывода вырожденной параболо-эллиптической системы Келлера-Сегеля из умеренно взаимодействующей..
Приложения CycleGAN часть 3 (машинное обучение)
Региональный прогноз осадков на основе расширения CycleGAN (arXiv)
Автор: Джэхо Чой , Юра Ким , Кван-Хо Ким , Сон-Хва Юнг , Ихюн Чо .
Аннотация: 8 августа 2022 года на центральный регион Кореи обрушился необычно сильный проливной дождь. Многие низменные районы были затоплены, поэтому движение и жизнь были сильно парализованы. Это был критический ущерб, вызванный проливным дождем всего за несколько часов. Это событие напомнило нам о необходимости более надежного регионального..
