Публикации по теме 'artificial-intelligence'


Работа с информационным синтезом, часть 2 (машинное обучение)
Слияние информации с помощью символической регрессии: учебное пособие в контексте здоровья человека (arXiv) Автор: Дженнифер Дж. Шнур , Нитеш В. Чавла . Аннотация: В этом учебном документе представлен общий обзор символической регрессии (SR) с особым акцентом на стандарты интерпретируемости. Мы утверждаем, что интерпретируемое моделирование, хотя его определение все еще оспаривается в литературе, является практическим способом поддержки оценки успешного слияния информации. Чтобы..
Автоматизируйте скучные офисные задачи с помощью Python: 5 примеров
Автоматизируйте скучные офисные задачи с помощью Python: 5 примеров Повысьте свою производительность и оптимизируйте рабочий процесс с помощью этих простых скриптов Python Как современный офисный работник, вы можете утонуть в море повторяющихся и рутинных задач. Эти задачи, от ввода данных до создания отчетов, могут занимать много времени и снижать вашу производительность. Но не бойтесь! Python, универсальный и мощный язык программирования, может помочь вам автоматизировать эти..
Что такое ИИ? | Руководство по искусственному интеллекту и машинному обучению для начинающих
Что такое ИИ? | Руководство по искусственному интеллекту и машинному обучению для начинающих Что такое ИИ (искусственный интеллект)? Искусственный интеллект (сокращенно искусственный интеллект или ИИ) — это область, в которой компьютерное программное обеспечение или другой технологический механизм имитирует механизм человеческого мышления. В этом широком поле существуют разные уровни искусственного интеллекта. Например, есть системы, способные запоминать модели поведения и..
Прогресс в моделях BERT, часть 3 (искусственный интеллект)
Анализ социальных предубеждений, присутствующих в вариантах BERT на разных языках (arXiv) Автор: Аристидес Милиос , Паришад Бехнам Гадер Аннотация: хотя большие предварительно обученные языковые модели достигли больших успехов во многих задачах НЛП, было показано, что они отражают человеческие предубеждения из их предобучаемых корпусов. Эта предвзятость может привести к нежелательным результатам, когда эти модели применяются в реальных условиях. В этой статье мы исследуем..
Использование сетей LSTM для прогнозирования движения акций
Машинное обучение оказалось важнейшим инструментом для прогнозирования движений фондового рынка в развивающемся ландшафте финансовых технологий. Благодаря своей способности запоминать шаблоны в длинных последовательностях, сети с долговременной кратковременной памятью (LSTM) стали наиболее эффективной моделью машинного обучения. В этой статье рассматривается проект Stock-Prediction-using-LSTM, инновационный подход, который использует сети LSTM для прогнозирования акций 32 компаний с..
Запуск быстрых трансформаторов на процессорах: подход Intel обеспечивает значительное повышение скорости и SOTA…
Большие языковые модели-преобразователи (LM), которые масштабируются до миллиардов параметров, продемонстрировали современную производительность в широком спектре задач обработки естественного языка (NLP). Однако реальное развертывание таких моделей остается ограниченным из-за их низкой скорости и высоких требований к вычислительным ресурсам.
Преобразование между марковскими и байесовскими сетями
В последних нескольких статьях мы рассмотрели различные темы, касающиеся как байесовских , так и марковских сетей . Мы видели, как каждый из них может представлять ограничения независимости, которые не могут быть реализованы другим. Однако в этой статье мы хотим проверить, возможно ли и как перейти от одного к другому. От байесовской сети к сети Маркова Мы можем начать с рассмотрения того, как мы можем перейти от байесовской сети к сети Маркова. Мы можем начать с того, что вспомним,..