Публикации по теме 'deep-learning'
Алгоритмы машинного обучения
ПаркЗдоровье Примечание
Ключевые слова: CNN , Сверточные слои , Глубокое обучение , GBT , K-Means , LSTM , ML , Алгоритмы машинного обучения , Машинное обучение , Модели машинного обучения . Матрица
Машинное обучение включает в себя различные алгоритмы в различных приложениях, наиболее популярными из которых являются трансформеры . Трансформаторы специализируются на распараллеливании механизмов внимания и обычно используются в задачах обработки естественного языка ,..
Объяснение документов 04: Предложение BERT
BERT и RoBERTa требуют, чтобы оба предложения передавались в сеть, что приводит к огромным вычислительным затратам: поиск наиболее похожей пары в наборе из 10 000 предложений требует около 50 миллионов вычислений логического вывода (~ 65 часов) с помощью BERT. Конструкция BERT делает его непригодным для поиска семантического сходства, а также для неконтролируемых задач, таких как кластеризация.
Sentence-BERT (SBERT) представляет собой модификацию предварительно обученной сети BERT, в..
Сила функций активации: руководство для начинающих по строительным блокам нейронной сети
За последние шестьдесят лет область машинного обучения, подмножества искусственного интеллекта, пережила быстрый рост. Исследования в этой области набирают обороты, расширяя охват различных аспектов человеческого существования.
Машинное обучение — это область исследования, в которой используются принципы статистики и компьютерных наук для создания статистических моделей, которые предсказывают и делают выводы. Эти модели представляют собой наборы математических отношений между входами и..
Глубокое обучение — MP Neuron
Часть 2: Mc Culloch-Pitts Neuron (MP Neuron)
Добро пожаловать обратно в серию статей о глубоком обучении. В этой статье мы подробно обсудим нейроны MP. Я также написал о приложениях для глубокого обучения, которые познакомят вас с некоторыми реальными приложениями. Так что, если вы не читали эту статью, вы можете перейти по ссылке ниже.
Глубокое обучение — приложения Приложения глубоких нейронных сетей nowitsanurag.medium.com..
Новые приложения объяснимого искусственного интеллекта, часть 4 (машинное обучение, 2023 г.)
Диаграмма социотехнического разрыва в объяснимом ИИ: структура для устранения пробела в XAI (arXiv)
Автор: Упол Эхсан , Кустув Саха , Мунмун Де Чоудхури , Марк О. Ридл .
Аннотация: системы объяснимого ИИ (XAI) носят социотехнический характер; таким образом, они подвержены социотехническому разрыву — разрыву между техническими возможностями и социальными потребностями. Однако наметить этот разрыв сложно. В контексте XAI мы утверждаем, что составление диаграммы разрыва улучшает..
Как далеко мы продвинулись с Vision Transformers part5
Реверсивные преобразователи зрения (arXiv)
Автор: Карттикея Мангалам , Хаоци Фан , Янхао Ли , Чао-Юань Ву , Бо Сюн , Кристоф Файхтенхофер , Джитендра Малик .
Аннотация: Мы представляем Reversible Vision Transformers, архитектуру с эффективным использованием памяти для визуального распознавания. Отделяя требования к памяти графического процессора от глубины модели, Reversible Vision Transformers позволяет масштабировать архитектуры с эффективным использованием памяти. Мы..
Работа с широкими и глубокими моделями в BigQuery
Что такое широкие и глубокие модели?
Вы можете спросить себя, что такое модели широкого и глубокого обучения и где их использовать. Модели широкого и глубокого обучения состоят из двух основных компонентов:
Компонент 1: Запоминание компонента с линейной моделью Компонент 2: Обобщающий компонент с нейронной сетью
