Публикации по теме 'deep-learning'
Изменение временных рядов для глубокого обучения в Databricks
Используйте Databricks SQL для подготовки данных временных рядов
Используя Databricks SQL, можно легко подготовить данные временных рядов для обучения глубокому обучению.
Обзор данных
Чтобы продемонстрировать это, мы будем использовать простой фиктивный набор данных. Наша цель — подготовить эти данные для глубокого обучения…
Облако слов
Сначала мы знаем об облаке слов -
В текстовой аналитике облако слов широко используется для более интерактивного представления вашего текста. Его можно использовать для представления наиболее часто встречающихся, менее частых слов и т. Д. В текстовых данных.
В этом документе мы обсуждаем Word Cloud и способы его реализации. Итак, чтобы понять это, мы сначала разберемся с некоторыми терминами. Вот они:
Анализ текста :
Анализ текста используется для выполнения операций с..
Как работает многоагентное обучение с подкреплением, часть 2
Масштабируемая коммуникация для многоагентного обучения с подкреплением через механизм электронной почты на основе Transformer (arXiv)
Автор: Сюйдун Го , Дамин Ши , Вэньхуэй Фань
Вывод: Общение может значительно улучшить сотрудничество в многоагентном обучении с подкреплением (MARL), особенно для задач с частичным наблюдением. Однако существующие работы либо транслируют сообщения, ведущие к избыточности информации, либо изучают целевую коммуникацию, моделируя всех других..
Как работают авторегрессивные языковые модели, часть 1 (машинное обучение)
Декомпозиция скрытых состояний модели авторегрессионного языка для анализа прогнозов модели (arXiv) на основе токенов
Автор: Byung-Doh Oh , William Schuler .
Аннотация: Хотя в последнее время наблюдается большой интерес к изучению того, почему модели больших языков на основе Transformer делают предсказания именно так, как они это делают, сложные вычисления, выполняемые на каждом уровне, сделали их поведение несколько непрозрачным. Чтобы смягчить эту непрозрачность, в этой работе..
Обновления в нейронном рендеринге объемов, часть 1 (машинное обучение)
Нейронные объемы: изучение динамических визуализируемых объемов из изображений (arXiv)
Автор: Стивен Ломбарди , Томас Саймон , Джейсон Сарагих , Габриэль Шварц , Андреас Лерманн , Ясер Шейх .
Аннотация: Моделирование и рендеринг динамических сцен является сложной задачей, поскольку естественные сцены часто содержат сложные явления, такие как тонкие структуры, развивающаяся топология, полупрозрачность, рассеяние, окклюзия и биологическое движение. В этих случаях реконструкция и..
Gradcam
Эта работа является частью инициативы «ИИ без границ».
Соавторы: Чинмей Патхак, Кевин Гарда, Гагана Б, Тони Холдройд, Дэниел Дж. Броз.
О CAM читайте здесь .
Градиенты в нейронных сетях относятся к векторам, величина которых является частной производной функции f (x) и направлена на максимальную скорость увеличения этой функции. Основываясь на этой информации, проходящей через общую сверточную сеть, Grad-CAM использует особенности класса для создания карт локализации значимых..
Работа с дистилляцией запутанности, часть 4 (квантовая информатика)
Дистилляция перепутывания на основе поляризации и частотной гиперзапутывания (arXiv)
Автор:
Аннотация: Дистилляция запутанности имеет множество применений в квантовой обработке информации и является важным инструментом для улучшения качества и эффективности квантовой связи, криптографии, вычислений и моделирования. Мы предлагаем схему дистилляции запутанности, использующую только одну пару сверхзапутанных фотонов по частоте поляризации, которую можно эквивалентно рассматривать как..
