Публикации по теме 'deep-learning'
Состояние самостоятельного обучения в 2022 году, часть 1
1. Погрузитесь в самоконтролируемое обучение анализу медицинских изображений: данные, модели и задачи (arXiv)
Автор: Чуян Чжан , Юнь Гу
Аннотация: Самоконтролируемое обучение (SSL) достигло замечательных результатов в различных задачах медицинской визуализации благодаря априорным данным из массивных немаркированных данных. Однако для конкретной последующей задачи по-прежнему не хватает инструкции по выбору подходящих предтекстовых задач и деталей реализации. В этой работе..
Глубокое обучение и управление портфелем
Прогнозирование прибыли с помощью рекуррентной нейронной сети
Определение проекта
С развитием глубокого обучения и растущей доступностью бесплатных высокочастотных финансовых данных в Интернете появляются возможности для реализации этих методов для прогнозирования поведения и управления активами. Использование этой доступной информации для принятия решений является ключом к созданию отличного портфеля и принятию решения о распределении активов.
В этом проекте я использую..
Понимание показателей оценки в сегментации медицинских изображений
Реализация некоторых показателей оценки в Python
Вот ссылка на мой Код блокнота Kaggle .
Теперь, когда у вас есть обученная модель для вашей задачи сегментации? Но как узнать, хорошо ли работает ваша модель сегментации? Другими словами, как мы оцениваем производительность нашей модели?
Показатели оценки — вот ответ!
В этом посте я представлю обзор подходящих, наиболее распространенных показателей оценки, продемонстрирую их интерпретацию и реализацию, а также предложу руководство..
Работа с автоматизированным мышлением, часть 4 (MLops)
Объяснение с помощью автоматизированного рассуждения с использованием инфраструктуры инфраструктуры Isabelle (arXiv)
Автор : Флориан Каммюллер
Аннотация: В этой статье мы предлагаем использовать интерактивное доказательство теорем для объяснимого машинного обучения. После представления нашего предложения мы проиллюстрируем его на специальном приложении для объяснения атак на безопасность с использованием инфраструктуры Isabelle Infrastructure и ее процесса проектирования надежности...
Почему инженеры AI/ML так много зарабатывают? — «История держит ключ!
Сегодня в моде искусственный интеллект и машинное обучение: известные компании изо всех сил пытаются внедрить их в свой бизнес, а стартапы появляются направо и налево, используя AI/ML в качестве основного технологического продукта/услуги.
Этот быстрый рост внедрения ИИ предприятиями и стартапами привел к экспоненциальному росту спроса на людей, которые разбираются в этой области, и последующему отсутствию предложения. Это поддерживает зарплаты, предлагаемые для этих ролей.
Таким образом,..
Как работают модели нейронных последовательностей, часть 2 (искусственный интеллект)
1. Обучение лексикону для моделирования нейронных последовательностей за несколько шагов ( arXiv )
Автор: Экин Акюрек , Джейкоб Андреас
Аннотация . Преобразование последовательности в последовательность является основной проблемой в приложениях для языковой обработки, таких как семантический анализ, машинный перевод и выполнение инструкций. Модели нейронных сетей, которые обеспечивают доминирующее решение этих проблем, хрупки, особенно в условиях ограниченных ресурсов: они не..
Объяснение самовыравнивания
Почему эта статья важна
В быстро развивающемся мире искусственного интеллекта согласование больших языковых моделей всегда было серьезной проблемой. Традиционный подход в значительной степени опирается на данные инструкций, аннотированные человеком, создание которых не только требует много времени, но и зачастую недостаточно. Представьте себе, что вы пытаетесь научить ребенка говорить, но у вас есть всего несколько предложений — неэффективно, не так ли? Целью этой публикации в блоге..