Публикации по теме 'deep-learning'
Варианты использования Swarm Intelligence, часть 8 (машинное обучение)
Формирование влияния и формирование влияния: вычислительная модель Swarm Intelligence, основанная на доверии Red Teaming (arXiv)
Автор: Цзянцзюнь Тан , Элени Петраки , Хусейн Аббасс .
Аннотация: Социотехнические системы представляют собой сложные системы, в которых нелинейное взаимодействие между различными игроками может скрывать причинно-следственные связи. Отсутствие механизмов, помогающих нам понять, как внести изменения в систему, затрудняет управление этими системами...
7 вещей, которые нужно знать перед тем, как приступить к оперативной разработке.
1. Определите свои цели: четко определите, чего вы хотите достичь в оперативном проектировании. Будь то улучшение качества генерируемых ответов, оптимизация конкретных аспектов генерации языка или улучшение взаимодействия с пользователем, наличие четко определенных целей будет направлять ваши усилия.
2. Сбор данных. Соберите разнообразный и обширный набор данных, охватывающий различные темы, жанры и стили письма. Высококачественные и репрезентативные данные помогут эффективно обучать ваши..
«Раскрытие возможностей LLM: повышение эффективности поиска и ранжирования документов, как никогда раньше!»
Эта статья представляет собой всестороннее исследование извлечения и ранжирования документов с использованием мощной структуры Llama Index. Используя возможности встраивания OpenAI и SBBERT, процесс поиска достигает высокой точности и эффективности. Кроме того, включение LLM для повторного ранжирования документов обеспечивает точную настройку результатов, оптимизируя общую производительность.
Убедитесь, что установлены все необходимые компоненты
! pip install -qqq llama_index
!..
Методы сегментации медицинских изображений, часть 3 (машинное обучение)
STM-UNet: эффективная U-образная архитектура на основе Swin Transformer и многомасштабного MLP для сегментации медицинских изображений (arXiv)
Автор: Лэй Ши , Тяньюй Гао , Чжэн Чжан , Цзюньсин Чжан .
Аннотация: Автоматизированная сегментация медицинских изображений может помочь врачам ставить диагноз быстрее и точнее. Модели на основе глубокого обучения для сегментации медицинских изображений в последние годы добились больших успехов. Однако существующие модели не могут эффективно..
Машинное обучение, глубокое обучение и искусственный интеллект в политике
«Искусственный интеллект станет последней версией Google. Лучшая поисковая система, которая поймет все, что есть в сети. Он точно поймет, чего вы хотите, и даст вам то, что нужно. Сейчас мы и близко не подошли к этому. Однако мы можем постепенно приближаться к этому, и в основном это то, над чем мы работаем ». - Ларри Пейдж
Когда мы говорим о машинном обучении, глубоком обучении и искусственном интеллекте (ИИ), возникает идиллический образ русских кукол, вложенных друг в друга,..
Работа с расхождением Дженсена Шеннона, часть 3 (машинное обучение)
Непараметрический вывод без правдоподобия с расхождением Дженсена-Шеннона для моделей на основе симулятора с категориальным выходом (arXiv)
Автор : : Юкка Корандер , Улпу Ремес , Ида Холопайнен , Тимо Коски
Аннотация: Вывод без правдоподобия для статистических моделей на основе симуляторов в последнее время вызвал всплеск интереса как в сообществах машинного обучения, так и в сообществах статистики. Основное внимание в этих областях исследований было сосредоточено на аппроксимации..
Прогресс со стохастическим градиентным спуском, часть 3 (машинное обучение)
Скорости сходимости для импульсного стохастического градиентного спуска с шумом типа машинного обучения (arXiv)
Автор : Бенджамин Гесс , Себастьян Кассинг .
Аннотация :: Мы рассматриваем схему стохастического градиентного спуска по импульсу (MSGD) и ее непрерывный во времени аналог в контексте невыпуклой оптимизации. Мы показываем почти наверняка экспоненциальную сходимость значения целевой функции для целевых функций, которые являются липшицевыми и удовлетворяют неравенству..