Публикации по теме deep-learning

Публикации по теме 'deep-learning'

Краткое введение в сверточные нейронные сети

Хочется попробовать что-то новенькое, хоть что-то новенькое для себя: Изучите некоторые из основных концепций сверточных нейронных сетей , но не путем написания огромного количества текста и, возможно, некоторых фрагментов кода - уже есть множество отличных сообщений и статей о CNN именно в этом формате. Вместо этого я хотел бы попробовать другой подход, задавая вопросы о CNN, а затем пытаясь ответить на них. Да, с некоторым текстом, но в основном визуально. Итак, без лишних слов,..

Поведение PAC Learning, часть 4

Агностическое PAC-обучение k-юнт с использованием L2-полиномиальной регрессии (arXiv) Автор: Мохсен Хейдари , Войцех Шпанковский . Аннотация: Многие традиционные алгоритмы обучения полагаются на функции потерь, отличные от естественных потерь 0–1, для обеспечения вычислительной эффективности и теоретической управляемости. Среди них есть подходы, основанные на абсолютных потерях (регрессия L1) и квадратичных потерях (регрессия L2). Доказано, что первый является \textit{агностиком}..

Лучшее исследование по анализу сцен, часть 2 (машинное обучение)

VIBUS: Анализ 3D-сцен с эффективным использованием данных с узким местом точки зрения и моделированием спектра неопределенности (arXiv) Автор: Бэйвэнь Тянь , Лии Луо , Хао Чжао , Гуюэ Чжоу . Аннотация: В последнее время парсинг 3D-сцен с помощью подходов глубокого обучения был горячей темой. Тем не менее, современные методы с полностью контролируемыми моделями требуют ручного аннотированного точечного наблюдения, что чрезвычайно неудобно для пользователя и требует много времени..

Последние обновления GNN 2023, часть 7 (машинное обучение)

Graph Ladling: потрясающе простое параллельное обучение GNN без промежуточного общения (arXiv) Автор: Аджай Джайсвал , Шивэй Лю , Тяньлун Чен , Ин Дин , Чжанъян Ван . Аннотация: графы вездесущи, а GNN представляют собой мощное семейство нейронных сетей для обучения на графах. Несмотря на свою популярность, масштабирование GNN путем углубления или расширения страдает от распространенных проблем нездоровых градиентов, чрезмерного сглаживания, раздавливания информации, которые часто..

Прогресс в области оценки движения, часть 2 (компьютерное зрение)

Атака оценки движения с помощью Adversarial Snow (arXiv) Автор: Дженни Шмальфус , Лукас Мель , Андрес Брюн Выдержка: Современные атаки злоумышленников для оценки движения (оптический поток) оптимизируют небольшие попиксельные возмущения, которые вряд ли появятся в реальном мире. Напротив, мы используем реальное погодное явление для новой атаки со снегом, оптимизированным для противников. В основе нашей атаки лежит дифференцируемый рендерер, который последовательно..

Нейронные сети: ключевой игрок в революции глубокого обучения

Глубокое обучение возникло как революционная разновидность машинного обучения, которая сосредоточена на обучении нейронных сетей, особенно крупных, для достижения выдающейся производительности в различных приложениях. В этой статье рассматриваются фундаментальные концепции нейронных сетей, их связь с глубоким обучением и факторы, которые способствовали их недавнему всплеску эффективности и популярности. Понимание нейронных сетей Нейронная сеть — это вычислительная модель, вдохновленная..

Резюме: «Циркадные ритмы» в глубоком обучении

22 июля 2023 г., ПОЯВЛЕНИЕ АДАПТИВНЫХ ЦИРКАДИЕВЫХ РИТМОВ В ГЛУБИННОМ ОБУЧЕНИИ — Акил Лабаш, Флориан Флетцер, Даниэль Мажорал, Рауль Висенте Новый препринт демонстрирует, как агенты глубокого обучения с подкреплением (RL) могут развивать эндогенные и увлекаемые ритмы, подобные циркадным ритмам в биологии. Исследователи обучили агента RL с рекуррентной нейронной сетью LSTM для выполнения моделируемой задачи поиска пищи. Окружающая среда имела периодический цикл день-ночь из 40 временных..