Публикации по теме 'deep-learning'
Как работает стохастическая гомогенизация, часть 2 (машинное обучение)
Глобальный метод детерминированной и стохастической гомогенизации в BV(arXiv)
Автор: Филиппо Кагнетти , Джанни Даль Мазо , Лючия Скардиа , Катерина Ида Цеппьери .
Аннотация : В этой статье мы изучаем детерминированное и стохастическое усреднение функционалов свободного разрыва в условиях \emph{линейного} роста и коэрцитивности. Основная новизна нашего детерминированного результата состоит в том, что мы работаем при очень общих предположениях о подынтегральных выражениях, которые, в..
Последние идеи в управлении портфелем, часть 1 (финансовая оптимизация)
Приносят ли инвесторам пользу разнообразные и инклюзивные рабочие места? Эмпирический анализ Европы и США ( arXiv )
Автор: Кэролайн Бакс
Аннотация . Поскольку ограничения, введенные в связи с пандемией COVID-19, ослабевают и сотрудники возвращаются в свои офисы, их ожидания меняются. Следовательно, дискуссии об оптимальных рабочих местах и вопросах разнообразия и инклюзивности достигли своего пика. Предыдущие исследования показали, что сотрудники и компании выигрывают от..
Обнаружение COVID 19 по речи с использованием глубокого обучения
Обзор:
Вы знаете, насколько опасен COVID 19, и обнаружение ковида очень важно, если у вас есть симптомы COVID 19, это не означает, что у вас есть COVID 19. Во-первых, вам нужно сделать ОТ-ПЦР-тест. Есть также несколько университетов и организаций, которые предоставляют исследователям данные о пациентах с COVID-19. Многие специалисты по данным работают над этой проблемой. Вы также можете найти COVID-19 с помощью рентгенографии грудной клетки, но для окончательной уверенности..
Работа с выпуклыми функциями в сценариях машинного обучения, часть 3
Рациональные аппроксимации операторно-монотонных и операторно-выпуклых функций (arXiv)
Автор: Ойсин Фауст , Хамза Фавзи .
Аннотация: Операторно-выпуклые функции, определенные на положительной полупрямой, играют важную роль в теории квантовой информации, где они используются для определения квантовых f-дивергенций. Такие функции допускают целочисленное представление через рациональные функции. Получение качественных рациональных аппроксимаций операторно-выпуклых функций особенно..
Новые идеи реконструкции КТ часть 3
Глобальное ограничение для улучшения реконструкции КТ в неидеальных условиях (arXiv)
Автор: Зию Шу , Алиреза Энтезари .
Резюме: Предыстория и цель: Высокий спрос на приложения для медицинской визуализации приводит к популярности задачи КТ-реконструкции. Исследователи предложили несколько ограничений для устранения неидеальных факторов в реконструкции КТ, таких как разреженный обзор, ограниченный угол и условия низкой дозы. Большинство из этих ограничений, таких как общая вариация,..
Введение в Word2Vec
В предыдущей статье мы обсудили, что такое встраивания слов и как их обучать с помощью нейронных сетей. Этот блог представляет собой введение в одну из популярных моделей встраивания слов Word2Vec, созданную Google в 2013 году. Это комбинация моделей глубокого обучения для вычисления непрерывных плотных векторных представлений слов, как показано на диаграмме ниже:
При наличии текстового корпуса эти неконтролируемые модели Word2Vec сначала создают словарь возможных слов и генерируют плотные..
Понимание LSTM: подробный взгляд на его архитектуру, функционирование, плюсы и минусы
1. Введение в LSTM
LSTM (Long Short-Term Memory) — это тип архитектуры рекуррентной нейронной сети (RNN), который был разработан для решения проблемы долгосрочных зависимостей в задачах прогнозирования последовательности. Он был представлен Hochreiter & Schmidhuber в 1997 году.
2. Архитектура LSTM
Архитектура LSTM состоит из ячейки (часть памяти LSTM), входного вентиля, выходного вентиля и вентиля забывания. Каждый из этих компонентов играет определенную роль в функционировании..