Публикации по теме deep-learning

Публикации по теме 'deep-learning'

Понимание преобразования Лежандра (математика)

1. Геометрия максимально-энтропийных доказательств: стационарные точки, выпуклость, преобразования Лежандра, экспоненциальные семейства ( arXiv ) Автор: П. Г. Л. Порта Мана Аннотация: эта заметка представляет собой геометрический комментарий к доказательствам максимальной энтропии. Его цель — проиллюстрировать геометрические структуры, используемые в таких доказательствах, более подробно объяснить, почему максимизация энтропии может быть превращена в минимизацию..

Масштабирование интеллектуальных сетей с помощью квантовых вычислений

Формирование будущего распределения энергии Даниэль Гарсия Гихо, Джанни дель Бимбо и Эсперанса Куэнка Гомес Интеллектуальные сети стали одной из ключевых технологий, прокладывающих путь к достижению нулевых выбросов к 2050 году и играющих жизненно важную роль в адаптации к изменчивому характеру производства возобновляемой энергии¹. Однако, хотя интеллектуальные сети являются многообещающими с точки зрения управления энергопотреблением и эффективности, они сталкиваются со..

Работа с концепцией неравенства Дженсена часть 2 (оптимизация машинного обучения)

Неравенства Дженсена в двух и трех измерениях (arXiv) Автор : Николаос Д. Багис Аннотация: Доказаны симметричные неравенства определенного типа в R2 и R3, встречающиеся во многих задачах анализа. Эти неравенства являются обобщениями неравенства Йенсена от одной переменной к двум и трем переменным. 2. Функция потерь, основанная на неравенстве Дженсена второго порядка, и его применение к выводу о вариациях частиц (arXiv) Автор: Футоши Футами , Томохару Ивата , Наонори Уэда ,..

Варианты использования непрерывной нормализации потоков в машинном обучении, часть 6

Discretize-Optimize vs. Optimize-Discretize для регрессии временных рядов и непрерывной нормализации потоков (arXiv) Автор: Дерек Онкен , Ларс Рутотто . Аннотация: мы сравниваем подходы дискретизации-оптимизации (Disc-Opt) и оптимизации-дискретизации (Opt-Disc) для регрессии временных рядов и непрерывных нормализующих потоков (CNF) с использованием нейронных ОДУ. Нейронные ОДУ — это обыкновенные дифференциальные уравнения (ОДУ) с компонентами нейронной сети. Обучение нейронного ОДУ..

Обзор: FSRCNN (Super Resolution)

На этот раз проверяется FSRCNN от CUHK. В этой статье предлагается подход со сверхвысоким разрешением в реальном времени . Быстрая сверточная нейронная сеть сверхвысокого разрешения (FSRCNN) была опубликована в 2016 ECCV с почти 300 цитированием , когда я писал эту статью. ( Сик-Хо Цанг @ средний) FSRCNN имеет относительно неглубокую сеть, что позволяет нам легче узнать о влиянии каждого компонента. Это даже быстрее с лучшим качеством реконструированного изображения, чем..

Использование концепции псевдометки в проектах искусственного интеллекта, часть 2

Поэтапная семантическая сегментация по классам посредством псевдомаркировки и дистилляции знаний (arXiv) Автор: Чэнцзя Цзян , Тао Ван , Сянь Ли , Цзиньян Ван , Шируй Ван , Антониос Антониу . Аннотация: Мы решаем проблему изучения новых классов для моделей семантической сегментации на нескольких примерах, что является сложной задачей по следующим двум причинам. Во-первых, на основе ограниченных новых данных трудно понять основное распределение классов. Во-вторых, сложно сохранить..

Управление клиническими испытаниями

Слово «клинические испытания» стало модным словом во время этой пандемической ситуации. Он сыграл решающую роль в разработке вакцины для борьбы с пандемией. В разработку вакцин вносят свой вклад эксперты из разных областей, в том числе (не ограничиваясь ими) клинические исследователи, поставщики медицинских услуг, фармацевтическая промышленность, менеджеры данных, специалисты по биостатистике, специалисты по данным и программисты клинических испытаний. Сбор данных, управление, анализ и..