Публикации по теме deep-learning

Публикации по теме 'deep-learning'

Объяснение искусственного интеллекта, машинного обучения и глубокого обучения

Введение Благодаря последним достижениям в технологической отрасли термины «искусственный интеллект», «машинное обучение» и «глубокое обучение» стали довольно популярными в разговорах. Хотя большинство людей используют эти слова взаимозаменяемо, а иногда и неоднозначно, следует отметить, что каждый из этих терминов имеет свое особое значение. В общих чертах подумайте о русских куклах и о том, что каждая кукла является составной частью предыдущей. Точно так же эти термины вписываются..

Увеличение данных для приложений классификации изображений с использованием глубокого обучения

Йоханна Пингель Это сообщение от Oge Marques, PhD и профессора технических и компьютерных наук в FAU. Оге является Заслуженным докладчиком ACM , автором книги и стипендиатом Лешнера AAAS 2019–20 . Он также является поклонником MATLAB и использует MATLAB в своих классах более 20 лет. Вы также можете следить за ним в Твиттере ( @ProfessorOge ) Популяризацию глубокого обучения для классификации изображений и многих других задач компьютерного зрения можно частично объяснить наличием..

Вспоминая Pluribus: методы, которые использовала Facebook, чтобы справиться с самой сложной покерной игрой в мире

Pluribus использовал невероятно простые методы искусственного интеллекта, чтобы установить новые рекорды в безлимитном техасском холдеме на шесть игроков. Как это получилось? Недавно я начал новый информационный бюллетень, посвященный образованию в области искусственного интеллекта. TheSequence - это информационный бюллетень, ориентированный на искусственный интеллект (то есть без рекламы, без новостей и т. Д.), На чтение которого уходит 5 минут. Наша цель - держать вас в курсе..

Введение в сверточные нейронные сети для новичков

Сверточные нейронные сети (CNN) появились в результате изучения зрительной коры головного мозга и используются для распознавания изображений с 1980-х годов. За последние несколько лет в области глубокого обучения произошли огромные улучшения, особенно когда речь идет о вычислительных мощностях. Кроме того, исследователи разработали множество уловок для сходимости нейронных сетей, таких как решение проблемы взрывающихся и исчезающих градиентов, повторное использование предварительно..

Применение поиска по дереву Монте-Карло, часть 2

MCTS-GEB: поиск по дереву Монте-Карло — хороший конструктор электронных графов (arXiv) Автор: Голян Хэ , Зак Сингх , Эйко Ёнеки . Аннотация: Системы перезаписи [6, 10, 12] широко используют насыщение равенством [9], которое представляет собой методологию оптимизации, использующую насыщенный e-граф для одновременного представления всех возможных последовательностей перезаписи, а затем извлекающую оптимальную. Таким образом, можно достичь оптимальных результатов, избегая проблемы..

Байесовская нейронная сеть, публикация 1: Потребность в байесовских сетях

Этот пост является первым из серии из восьми постов о байесовских сверточных сетях . Посты будут структурированы следующим образом: Потребность в байесовских нейронных сетях Базовые знания необходимы для лучшего понимания байесовских нейронных сетей. Некоторые недавние работы в области байесовских нейронных сетей Байесовские сверточные нейронные сети с использованием вариационного вывода Создайте свою собственную байесовскую сверточную нейронную сеть в PyTorch..

Работа с дискретной симметрией в машинном обучении, часть 1

Метастабильность стад дискретной симметрии (arXiv) Автор: Бриек Бенвегнен , Омер Гранек , Сунхан Ро , Ран Яакоби , Юг Шате , Ярив Кафри , Давид Мукамель , Александр Солон , Жюльен Тайлер . Аннотация: Исследуется устойчивость упорядоченной фазы моделей флокирования со скалярным параметром порядка. Используя как активную модель Изинга, так и гидродинамическое описание, мы показываем, что капли частиц, движущихся в направлении, противоположном направлению движения..