Публикации по теме 'artificial-intelligence'
Как работает Spherical CNN, часть 3 (машинное обучение)
Взвешенные по спину сферические CNN (arXiv)
Автор: Карлос Эстевес , Амиш Макадиа , Костас Данилидис .
Аннотация: Изучение эквивариантных представлений — многообещающий способ уменьшить сложность выборки и модели и улучшить производительность обобщения глубоких нейронных сетей. Сферические CNN являются успешными примерами, производящими SO (3)-эквивариантные представления сферических входных данных. Существует два основных типа сферических CNN. Первый тип поднимает входные данные к..
Как развернуть собственное оптимизированное веб-приложение для преобразования речи в текст с помощью Python
Подробное руководство о том, как создать собственное веб-приложение для преобразования речи в текст для оптимального преобразования аудио в текстовый формат.
Речь является одной из наиболее эффективных форм общения, используемых людьми. Популярность аудиокниг и подкастов за последние несколько лет росла, особенно в связи с быстрым темпом жизни в современную эпоху. Однако чтение всегда было важнейшим аспектом нашей жизни и наиболее предпочтительным методом извлечения информации...
Что такое объяснимый ИИ (XAI)!! Знаете ли вы, что это следующий этап ИИ?
Что такое объяснимый ИИ (XAI)!! Знаете ли вы, что это следующий этап ИИ?
Объяснимый ИИ (XAI) — это направление исследований ИИ, которое фокусируется на разработке моделей машинного обучения, которые могут быть легко поняты и объяснены людьми. Цель XAI — создать прозрачные, интерпретируемые и подотчетные модели, позволяющие людям понять, почему модель делает определенные прогнозы.
Исследовательские работы для чтения на Doc2vec (обработка естественного языка)
Прогнозирование ошибок с использованием встраивания исходного кода на основе Doc2Vec( arXiv )
Автор: Тамаш Аладич , Юдит Яс , Рудольф Ференц
Аннотация . Прогнозирование ошибок — это ресурсоемкая задача, которую трудно автоматизировать с помощью статического анализа исходного кода. Во многих областях информатики машинное обучение оказалось чрезвычайно полезным в таких задачах, однако, чтобы оно работало, нам нужен способ использовать исходный код в качестве входных..
Новое понимание автоматической дифференциации, часть 2 (машинное обучение)
Реконструкция потока с помощью многоразовой оптимизации дискретных потерь с автоматическим дифференцированием (arXiv)
Автор : Петр Карнаков , Сергей Литвинов , Петрос Кумуцакос .
Аннотация: Мы представляем мощный вычислительный метод для решения обратных задач в механике жидкости. Мы рассматриваем обратные задачи, сформулированные в терминах детерминированной функции потерь, которая может учитывать данные и условия регуляризации. Мы вводим метод многосеточной декомпозиции,..
Настройка гиперпараметров | Машинное обучение.
В этом блоге мы подробно разберемся в настройке гиперпараметров.
Параметр
В машинном обучении параметр относится к переменной конфигурации, которая используется алгоритмом для прогнозирования или изучения закономерностей на основе данных. Эти параметры обычно изучаются или оцениваются на основе обучающих данных в процессе обучения модели. В машинном обучении есть два типа параметров:
а) Параметры модели.
б) Гиперпараметры модели.
a)Параметры модели ( Внутренние параметры..
Начните работу с Jetson AGX Orin. Быстро и легко, за считанные минуты!
Обычно, когда запускается новое оборудование, мы, разработчики, склонны страдать часами (или даже днями), пока все не начнет работать правильно. Даже «привет, мир» может стать проблемой, когда вы имеете дело с пре-альфа-версиями и кучей библиотек, которые иногда не скомпилированы для вашей платформы.
Вот почему я написал это краткое руководство для Jetson AGX Orin, чтобы сэкономить время любому разработчику, от энтузиастов и любознательных до самых продвинутых исследователей в этой..
