Публикации по теме deep-learning

Публикации по теме 'deep-learning'

Еженедельная короткая заметка о глубоком обучении: нейронные сети стали проще

Еженедельная короткая заметка о глубоком обучении: нейронные сети стали проще На этой неделе я хотел бы обратить ваше внимание на эту замечательную статью, написанную Офиром Танцем, генеральным директором GumGum. Нейронные сети — это просто Он дает общий обзор некоторых важных технических концепций в космосе. Мне нравится приведенный ниже рисунок из статьи, так как он представляет «послойный» способ обработки изображений как глубокими нейронными сетями, так и нашим собственным..

Сравнительное обучение: новый подход к глубокому обучению, который может учиться на неразмеченных данных

Что такое контрастное обучение? Сравнительное обучение — это тип обучения без учителя, при котором изучаются представления данных путем сравнения похожих и непохожих примеров. Цель состоит в том, чтобы научиться представлять данные таким образом, чтобы похожие экземпляры располагались близко друг к другу в пространстве представления, а разнородные экземпляры находились далеко друг от друга. Как работает контрастное обучение? Это похоже на то, как люди познают окружающий мир. Когда..

[NLP] Использование SentencePiece без предварительной токенизации

Вы действительно можете обойтись без сегментации слов !? В предыдущем посте я представил четыре способа токенизации китайских документов: [НЛП] Четыре способа токенизации китайских документов С некоторыми эмпирическими доказательствами в поддержку методов сегментации по частям medium.com Третий и четвертый способы используют SentencePiece от Google. Я упомянул, что SentencePiece достаточно эффективна , поэтому нам не нужно..

Приложение CNN для автоматизированного извлечения структурированных данных

Приложение CNN для автоматизированного извлечения структурированных данных Написано: 13 августа 2018 г. Sourish Dey https://www.linkedin.com/in/sourish-dey-03420b1a/ Разработка важных функций: В своей предыдущей статье я обсуждал важность создания богатых функций из ограниченного числа функций. Действительно, реальное качество модели машинного обучения / глубокого обучения зависит от обширной разработки функций, а не от самой техники моделирования. Хотя конкретный..

RFBNet: обучение пользовательскому обнаружению объектов с 6 строками кода

Упрощение компьютерного зрения с помощью Monk, инструмента глубокого обучения с низким кодом и унифицированной оболочки для компьютерного зрения. В предыдущей статье мы создали специальный детектор объектов с использованием RetinaNet Monk . В этой статье мы построим систему наблюдения за воздушным движением на малых высотах, используя RFBNet Monk , построенную на основе PyTorch RFBNet . Давайте начнем!! Оглавление Сбор данных Преобразовать в формат COCO Модель..

Варианты использования многогранной аппроксимации, часть 1 (машинное обучение)

Оптимальные чувствительные к площади границы для аппроксимации многогранника (arXiv) Автор: Сунил Арья , Гильерме Д. да Фонсека , Дэвид М. Маунт . Аннотация: Аппроксимация выпуклых тел является фундаментальным вопросом геометрии и имеет широкий спектр приложений. Для заданного выпуклого тела K диаметра Δ в Rd при фиксированном d цель состоит в том, чтобы минимизировать количество вершин (альтернативно, количество граней) аппроксимирующего многогранника для данной ошибки Хаусдорфа ε...

Использование USE (универсальный кодировщик предложений) для обнаружения фейковых новостей

С момента появления Универсального кодировщика предложений (USE) он стал наиболее загружаемыми предварительно обученными текстовыми модулями в Tensorflow Hub . Семейство универсальных кодировщиков предложений включает: Универсальный кодировщик предложений Универсальный кодировщик предложений большой Универсальный кодировщик предложений lite Универсальный многоязычный кодировщик предложений Универсальный кодировщик предложений многоязычный большой Универсальный..