Публикации по теме 'deep-learning'
Работа с синтетическими табличными данными, часть 2 (Data Centric AI)
ДАТГАН: Интеграция экспертных знаний в глубокое обучение синтетических табличных данных (arXiv)
Автор: Гаэль Ледеррей , Тим Хиллель , Мишель Бьерлер .
Аннотация: Синтетические данные могут использоваться в различных приложениях, таких как коррекция наборов данных смещения или замена дефицитных исходных данных в целях моделирования. Генеративно-состязательные сети (GAN) считаются современным средством разработки генеративных моделей. Однако эти модели глубокого обучения управляются..
Как можно объединить анализ изображений и обработку естественного языка для улучшения точной медицины
В здравоохранении существует ряд методов, используемых для создания различных медицинских изображений. Они включают:
· Рентгеновские лучи,
· Компьютерная томография (КТ) или компьютерная аксиальная томография (CAT),
· Магнитно-резонансная томография (МРТ) и
· Современные методы ядерной визуализации, такие как ПЭТ и ОФЭКТ.
Сканирование, такое как КТ, МРТ и ПЭТ, не только позволило получать гораздо более качественные изображения с более высоким разрешением, но и позволило..
Работа с неотрицательной матричной факторизацией, часть 2 (машинное обучение)
Бинарная ортогональная неотрицательная матричная факторизация (arXiv)
Автор: С. Фатхи Хафшеджани , Д. Гаур , С. Хоссейн , Р. Бенкоци
Аннотация: Мы предлагаем метод вычисления бинарной ортогональной неотрицательной матричной факторизации (BONMF) для кластеризации и классификации. Метод протестирован на нескольких репрезентативных наборах данных реального мира. Численные результаты подтверждают, что метод имеет повышенную точность по сравнению с родственными методами...
Выявление скрытых закономерностей: изучение методов обработки данных для обнаружения аномалий
Введение
В современном мире, управляемом данными, когда организации наводнены огромными объемами информации, способность обнаруживать аномалии в наборах данных имеет первостепенное значение. Аномалии, также известные как выбросы, представляют собой точки данных или шаблоны, которые значительно отклоняются от ожидаемого или нормального поведения. Выявление этих аномалий имеет решающее значение в различных областях, включая финансы, кибербезопасность, здравоохранение и многое другое...
TensorFlow 2 серии
В этой серии статей мы рассмотрим основные темы программирования с глубоким обучением с помощью TensorFlow 2 - для компьютерного зрения, НЛП и генеративных моделей. В конце мы рассмотрим примеры кодирования, разбитые на категории по каждому типу приложения.
TensorFlow и Keras Ранние версии TensorFlow страдают серьезными проблемами с идентификацией. Так много API предлагается с разными личностями… jonathan-hui.medium.com..
Лучшее использование слабой конвергенции в машинном обучении, часть 2
Слабая сходимость шаблона для SLOPE и его устойчивых версий (arXiv)
Автор : Иван Гейны , Йонас Валлин , Малгожата Богдан .
Аннотация: Сортированная оценка L-One (SLOPE) — популярный метод регуляризации в регрессии, который вызывает кластеризацию оцененных коэффициентов. То есть оценщик может иметь коэффициенты одинаковой величины. В этой статье мы выводим асимптотическое распределение НАКЛОНА для обычных функций наименьших квадратов, Хубера и Квантильных функций потерь и используем..
ИИ и дипфейки: палка о двух концах в эпоху цифровых технологий
ИИ и дипфейки: палка о двух концах в эпоху цифровых технологий
Введение
Привет, давайте погрузимся в увлекательный мир искусственного интеллекта и дипфейков!
ИИ оказал значительное влияние во многих областях, включая работу с изображениями и видео, а также языковую модель.
Одним из таких результатов ИИ является создание дипфейков, которые генерируются с помощью алгоритмов машинного обучения, которые могут накладывать лицо одного человека на тело другого или создавать..