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..