Публикации по теме deep-learning

Публикации по теме 'deep-learning'

Состояние исследований моделей Изинга для машинного обучения, часть 9

Особенности спинового стекла в модели Изинга со случайным полем (arXiv) Автор : Сурав Чаттерджи Аннотация: Давно открытый вопрос в теории неупорядоченных систем заключается в том, могут ли модели ближнего действия, такие как модель Изинга со случайным полем или модель Эдвардса-Андерсона, действительно обладать знаменитыми свойствами, которые характеризуют спиновые стекла среднего поля при ненулевой температуре. В данной статье показано, что это хотя бы частично возможно в случае..

Прогресс с концепцией противоборствующей устойчивости в машинном обучении, часть 3

Об оценке состязательной устойчивости моделей семантической сегментации (arXiv) Автор: Левенте Халмоси , Марк Джеласити . Аннотация: Достижение устойчивости к входным возмущениям противника является важной и интригующей проблемой машинного обучения. В области семантической сегментации изображений был предложен ряд подходов к обучению противников в качестве защиты от возмущений противника, но методология оценки надежности моделей по сравнению с классификацией изображений все еще..

Приложения графовых сверточных сетей, часть 1 (машинное обучение)

1. 3D-реконструкция коронарных сосудов по данным двухплоскостной ангиографии с использованием Graph ConvolutionalNetworks (arXiv) Автор: Кит Миллс Брансби , Винченцо Туфаро , Мюрат Кэп , Грег Слабо , Христос Бурантас , Кианни Чжан . Аннотация: Рентгеновская коронарография (РКА) используется для оценки заболевания коронарных артерий и предоставляет ценную информацию о морфологии и тяжести поражения. Однако изображения XCA являются 2D и, следовательно, ограничивают..

СПАМ ИЛИ ВЕТЧИНА

Введение В общем, мы получим много текстовых сообщений на наш мобильный. Итак, здесь я собираюсь построить модель машинного обучения, которая будет классифицировать наши текстовые сообщения, являются ли они спамом или нет. Сопоставление с проблемой машинного обучения Таким образом, как правило, вы будете получать входные данные в виде текстового сообщения, и ваша конечная цель — классифицировать, является ли это спамом или нет. Так что это своего рода проблема бинарной..

Как PyTorch 2.0 работает в выводе? Тест с TensorRT и ONNX Runtime

PyTorch 2.0 был запущен в начале декабря 2022 года на NeurIPS 2022 и вызвал много шума из-за своего основного компонента torch.compile, который, как ожидается, обеспечит большую скорость вычислений по сравнению с предыдущими версиями PyTorch. Это замечательная новость для мира искусственного интеллекта, и первые результаты по сокращению времени обучения впечатляют. Что команды PyTorch не упомянули в релизном пресс-релизе и на PyTorch GitHub , так это производительность..

Работа с децентрализованной оптимизацией, часть 3 (машинное обучение)

1. Оптимизация децентрализованной политики (arXiv) Автор: Кефан Су , Цунцин Лу Аннотация : : Изучение децентрализованного обучения или независимого обучения в кооперативном многоагентном обучении с подкреплением имеет многолетнюю историю. Недавние эмпирические исследования показывают, что независимый PPO (IPPO) может получить хорошую производительность, близкую или даже лучшую, чем методы централизованного обучения с децентрализованным исполнением, в нескольких тестах. Тем..

Преимущества искусственного интеллекта (ИИ) | Заботливый

Искусственный интеллект (ИИ) — это способность машины обучаться и моделировать человеческие эмоции, реакции и мыслительные процессы для достижения поставленной задачи. Это может позволить людям использовать ИИ различными способами для повышения эффективности работы, поскольку ИИ, естественно, более склонен к арифметике, чем мы. Некоторые распространенные примеры, с которыми мы теперь живем каждый день, — это автозаполнение в текстовых сообщениях и электронных письмах; системы..