Публикации по теме 'deep-learning'
Документы с объяснением 21: Функциональная пирамидальная сеть
Пирамиды признаков являются основным компонентом систем распознавания для обнаружения объектов в разных масштабах. Но недавние детекторы объектов глубокого обучения избегали пирамидальных представлений, отчасти потому, что они требуют больших вычислительных ресурсов и памяти.
Сеть функциональных пирамид использует внутреннюю многомасштабную пирамидальную иерархию глубоких сверточных сетей для построения пирамиды функций с минимальными дополнительными затратами. Архитектура сверху вниз..
Как работает позиционное кодирование (Трансформеры), часть 2
Как работает позиционное кодирование
Архитектура трансформатора: позиционное кодирование Архитектура трансформатора была представлена Васвани и… kazemnejad.com как новая архитектура последовательности к последовательности, ориентированная только на внимание
1. Преобразователь на основе динамического относительного кодирования положения для автоматического редактирования кода (arXiv)
Автор: Шии Ци , Яосянь Ли , Цуйюнь Гао ,..
Как работает декомпозиция LU, часть 1 (машинное обучение)
Разложение LU и разложение Теплица нейронной сети (arXiv)
Автор: Юконг Лю , Симиао Цзяо , Лек-Хэн Лим .
Аннотация: Хорошо известно, что любая матрица A имеет LU-разложение. Менее известен тот факт, что он имеет «теплицевое разложение» A=T1T2⋯Tr, где Ti — тёплицевые матрицы. Мы докажем, что любая непрерывная функция f:Rn→Rm имеет аппроксимацию с произвольной точностью нейронной сетью, которая принимает вид L1σ1U1σ2L2σ3U2⋯Lrσ2r−1Ur, т. е. где весовые матрицы чередуются между нижней и..
Варианты использования прогрессивного обучения, часть 1 (ИИ)
GaitMPL: распознавание походки с прогрессивным обучением с расширенной памятью (arXiv)
Автор: Хуаньчжан Доу , Пэнъи Чжан , Юхань Чжао , Линь Дун , Цзюнь Цинь , Си Ли .
Аннотация: Распознавание походки направлено на идентификацию пешеходов на большом расстоянии по их биометрическим характеристикам походки. Это по своей сути сложно из-за различных ковариат и свойств силуэтов (бестекстурных и бесцветных), что приводит к двум видам попарных жестких выборок: один и тот же пешеход..
Начните создавать / улучшать модели глубокого обучения
Следуя совету Джулии Эванс , я собираюсь писать о вещах, которые мне хотелось бы знать год назад.
Исследования машинного обучения иногда кажутся занятием, предназначенным только для интеллектуально превосходящих людей, в то время как нам, простым смертным, нравится их обрезка, когда они публикуют, а сообщество разработчиков открытого исходного кода реализует их.
Вам не нужна докторская степень
Этот миф был полностью развенчан для меня, когда я прошел курс fast.ai Практическое..
Радикальные чтения — 7 сентября 2020 г.
Кураторский контент о глубоких технологиях и искусственном интеллекте, который люди в Radical читают и обдумывают. Зарегистрируйтесь здесь , чтобы еженедельно получать Radical Reads прямо в свой почтовый ящик.
1) ИИ и квантовые вычисления: Xanadu запускает квантовую облачную платформу, планирует удваивать количество кубитов каждые 6 месяцев (VentureBeat)
На этой неделе Xanadu, одна из портфельных компаний Radical, объявила о выпуске общедоступной фотонной квантовой облачной..
Как ИИ влияет на беспилотные автомобили?
TLDR
Глубокое обучение — движущая сила беспилотных автомобилей. Когда-то предназначенные только для исследований, теперь они повсеместно используются на улицах.
Контур
вступление Механизмы Случаи использования Блокпосты Заключение
вступление
Когда-то считалось, что беспилотные автомобили — это далекое будущее. Взгляните на любую улицу Сан-Франциско, и вы увидите, что будущее уже здесь. Будь то функция автопилота Tesla или беспилотные такси Waymo, атмосферные автомобили..