Публикации по теме 'deep-neural-networks'
Почему более глубокие нейронные сети труднее обучать?
Глубокие нейронные сети - важный класс нейронных сетей, которые применялись во многих областях машинного обучения, таких как обработка естественного языка [WE: 2016], компьютерное зрение [KR: 2012] и распознавание речи [HI: 2012]. Обучение таких сетей часто успешно выполняется путем минимизации невыпуклой целевой функции большой размерности. В теоретическом смысле мы лишь прикоснулись к этой проблеме оптимизации, и еще предстоит доказать ряд важных вопросов, касающихся ее поведения...
Начало работы с машинным обучением
Эй, выродки! В последнее время кажется, что каждый раз, когда вы открываете браузер или случайно просматриваете ленту новостей, кто-то пишет о машинном обучении и его влиянии как на людей, так и на развитие искусственного интеллекта. Важность машин подчеркивалась в статьях, охватывающих все, от решений Virtual Assistant до беспилотных автомобилей и роботов, которые могут выполнять те же задачи, что и люди. Ряд крупных компаний определяют машинное обучение как «будущее», но что это на..
Генеративные состязательные сети с использованием Tensorflow
С возвращением в серию Tensorflow !!
В этом руководстве мы будем изучать генеративные состязательные сети. Те из вас, кто интересуется другими нашими интуитивно понятными руководствами по глубокому обучению, подписывайтесь на нас здесь . Также не забудьте подписаться на нашу рассылку , чтобы получать новости!
Этот пост представляет собой учебник по генеративным состязательным сетям, или просто называемым GAN.
Генеративные состязательные сети (GAN) - это архитектуры глубоких..
Прогнозирование и профилирование конкуренции аудитории онлайн-телесериалов
Загрузите технический документ Обнаружение облачных знаний в документах KDD , чтобы ознакомиться с 12 документами KDD и открытиями 12 экспертов Alibaba.
Авторы: Чжан Пэн (Цзиньси), Лю Чуанжэнь, Нин Кэфэн (Чжэнчэн), Чжу Вэньсян (Хэнъюнь) и Чжан Ю (Даоджи)
Фон
В настоящее время популярные сериалы привлекают основной трафик крупных онлайн-видеоплатформ. Это важно для рекламных ресурсов. Точное прогнозирование трафика целевой аудитории сериалов помогает оптимизировать рекламный..
К практическому нейросимволическому каркасу
Необходимость нейро-символической интеграции
Глубокое обучение все еще приносит плоды. Однако стандартные типы сетей исчерпывают свои возможности, и исследователи ищут такие расширения базовых моделей нейронных сетей, которые ослабят присущие им ограничения. Некоторые расширения, такие как слои самовнимания , пользуются большим практическим успехом.
Примечательно, что многие недостатки нейронных сетей отражают преимущества символьных систем (и наоборот). Действительно, можно..
SingularityNET устранит глубокий семантический разрыв
Как разрабатывается SingularityNET для создания более эффективных моделей высших когнитивных функций.
Вступление
В разгар этой весны искусственного интеллекта может показаться странным, что пророчества о будущем искусственного интеллекта стали немного холодными. Предупреждения о том, что конец близок, усилились, и некоторым может показаться, что для AI приближается зима .
Установив ожидания, что глубокие нейронные сети могут позволить реализовать более высокие когнитивные..
Искусственный интеллект на периферийных устройствах: новая волна в машинном обучении - часть 1
В периферийных устройствах наблюдается недавний всплеск искусственного интеллекта, в результате чего исследователи сжигают ночное масло для удовлетворения требований к вычислительным ресурсам, сохраняя при этом эффективное потребление энергии и памяти.
Как отмечает Джем Дэвис, вице-президент подразделения машинного обучения ARM
«Люди спрашивают меня, какие сегменты будут затронуты ML, и я отвечаю, что не могу придумать ни одного, на который не повлияет. Более того, это будет сделано на..
