Публикации по теме 'deep-learning'
Понимание тренировки смешанной точности
Смешанная точность для обучения нейронных сетей может сократить время обучения и требования к памяти, не влияя на производительность модели.
По мере развития методологий глубокого обучения все соглашались, что увеличение размера нейронной сети улучшает производительность. Однако это наносит ущерб требованиям к памяти и вычислениям, которые также необходимо увеличить для обучения модели.
Это можно увидеть, сравнив производительность предварительно обученной языковой модели Google,..
Использование ИИ для классификации болезней, часть 3
GazeGNN: нейронная сеть, управляемая взглядом, для классификации болезней (arXiv)
Автор: Бин Ван , Хонги Пан , Армстронг Абоа , Чжэюань Чжан , Ахмет Четин , Дрю Торигян , Барис Тюркбей , Элизабет Крупински , Джаярам Удупа , Улас Багчи . »
Аннотация: Применение методов отслеживания движения глаз в анализе медицинских изображений становится все более популярным в последние годы. Он собирает шаблоны визуального поиска экспертов предметной области, содержащие много важной..
Управление активами данных с помощью Dagster, повышение производительности с помощью ИИ и компании, нанимающие данные…
Введение в управление активами данных с помощью Dagster
В этом посте мы представим Dagster и продемонстрируем, как использовать его для создания быстрого, но реалистичного конвейера данных.
Как наука о данных влияет на нашу повседневную жизнь в социальных сетях
Большинство из нас используют социальные сети каждый день. Но когда мы углубимся в это, как наука о данных влияет на нашу повседневную онлайн-рутину?
3 способа повысить производительность с помощью ИИ..
Масштабирование функций в машинном обучении
1. Что такое масштабирование функций?
Масштабирование признаков — это статистическая операция использования значений признаков для их масштабирования до меньших и аналогичных диапазонов.
Он широко используется при предварительной обработке данных перед дальнейшим проектированием признаков в машинном обучении и глубоком обучении.
2. Какие существуют методы масштабирования характеристик?
Существует 3 основных подхода, каждый из которых состоит из своих вариантов масштабирования..
Как работает автономное обучение с подкреплением, часть 2 (искусственный интеллект)
Основы автономного обучения с подкреплением
Обучение с подкреплением в автономном режиме: как консервативные алгоритмы могут создавать новые приложения Глубокое обучение с подкреплением добилось значительного прогресса за последние несколько лет, с историями успеха в робототехнике… bair .berkeley.edu
Взаимная информация Регулярное автономное обучение с подкреплением (arXiv)
Автор: Сяо Ма , Бинъи Кан , Чжунвэнь Сюй , Мин..
2. Где ВЫ находитесь в огромном ландшафте ИИ?
ИИ проник в нашу жизнь таким образом, что иногда мы даже не осознаем этого. Устройства и приложения, которые мы используем, становятся умнее с каждым днем. Система ИИ знает больше, чем мы знаем о себе. Он быстрее и точнее нас в конкретных задачах. Каждый из нас так или иначе занимает ландшафт ИИ. Рассмотрим эти категории подробнее.
Каждый из нас в цифровом мире может попасть в одну или несколько из следующих 3 групп;
Пользователи (U) — все пользователи приложения и создатели..
Прогноз промышленного индекса Доу-Джонса после открытия на 2019–10–10 гг.
При широком интервале прогнозирования сегодня очень рискованно делать ставки на любую из сторон.
