Публикации по теме 'data'
Как работает Accelerator Physics часть 2 (физика)
1. Лазер на свободных электронах с затравкой бетатронным излучением ( arXiv )
Автор: А.Гиго , М. Галлетти , В. Шпаков , А. Курсио , В. Петрилло
Аннотация: В этой статье представлено использование бетатронного излучения в качестве затравки для лазера на свободных электронах (ЛСЭ). Показанная схема может быть адаптирована для всех ЛСЭ, управляемых электронными пучками, ускоренными в плазме, посредством ускорения частиц или лазерного кильватерного поля. Интенсивное..
Управление инфраструктурой федеративного обучения с помощью Terraform и Azure — Эйя Акрими, Дишани Сен
Создание инфраструктуры для федеративного обучения может быть сложной задачей по ряду причин:
Сложность инфраструктуры. Для федеративного обучения требуется сложная инфраструктура, включающая несколько компонентов, таких как локальные источники данных, центральный сервер и протоколы связи между арендаторами и центральным сервером. Управление всеми этими компонентами может быть затруднено, и модульная архитектура Terraform может помочь упростить этот процесс. Зависимость от платформы...
Прогресс в федеративном обучении, часть 1 (машинное обучение)
FedLesScan: устранение отставших в бессерверном федеративном обучении (arXiv)
Автор: Мохамед Эльзохейри , Мохак Чадха , Аншул Джиндал , Андреас Графбергер , Цзяньфэн Гу , Майкл Герндт , Усама Аббуд .
Аннотация . Федеративное обучение (FL) — это парадигма машинного обучения, которая позволяет обучать общую глобальную модель в распределенных клиентах, сохраняя при этом локальные обучающие данные. В то время как большая часть предыдущих работ по проектированию систем для FL..
Краткий обзор — Внимание к себе
Первый уровень архитектуры кодировщика в преобразователях — это внимание к себе. Этот слой принимает встраивание слов в word2vec или любое другое контекстное встраивание, добавляя к позиционному встраиванию, где он измеряет порядок слов, вычисляя расстояние между словами.
Эти входные последовательности поступают в уровни самоконтроля параллельно для каждого слова, затем они умножаются на векторную матрицу фиксированной формы для получения вектора запроса Q, вектора ключа K и вектора..
Приложения репрезентативного обучения, часть 3 (искусственный интеллект)
Основы репрезентативного обучения
Несколько слов о репрезентативном обучении Изображение источника: Введение в атласы активации За последние два десятилетия область искусственного интеллекта (ИИ)… sthalles.github .io
Масштабируемое репрезентативное обучение в линейных контекстных бандитах с постоянными гарантиями сожалений ( arXiv)
Автор: Андреа Тиринзони , Маттео Папини , Ахмед Туати , Алессандро Лазарик , Маттео Пиротта..
Общие сведения о предотвращении квантовых ошибок, часть 1 (квантовые вычисления)
Квантовое подавление ошибок для вращательно-симметричных бозонных кодов с расширением по симметрии (arXiv)
Автор: Сугуру Эндо , Ясунари Судзуки , Кенто Цубоути , Руи Асаока , Каору Ямамото , Юичиро Мацудзаки , Юки Токунага .
Аннотация: Вращательно-симметричный бозонный код (RSBC) представляет собой единую структуру практических бозонных кодов, обладающих вращательной симметрией, таких как кошачьи коды и биномиальные коды. В то время как кошачьи коды достигают точки..
Использование данных переписи населения и жилья для прогнозирования цен на жилье в Линкольне, штат Небраска: создание базы данных
Это вторая статья из серии, в которой описаны шаги, предпринятые для создания модели машинного обучения для прогнозирования цен на жилье. Если вы пропустили первую статью, вы можете прочитать ее здесь .
Данные для этого проекта были собраны. Следующим шагом является создание базы данных для хранения данных. Это поможет организовать данные для проекта. На этом этапе процесса я также займусь разработкой некоторых функций и очисткой.
Я создал приведенный ниже сценарий, который использует..
