Статьи по теме deep-learning

Публикации по теме 'deep-learning'

Новые разработки в вычислительной физике

Точная вспомогательная система Кона-Шама по плотности основного состояния твердых тел ( arXiv ) Автор: Аюб Ауина , Маттео Гатти , Сиюань Чен , Шивэй Чжан , Люсия Рейнинг Аннотация: Система Кона-Шама (KS) является вспомогательной системой, эффективный потенциал которой в большинстве случаев неизвестен. В принципе она определяется плотностью основного состояния и была найдена численно для некоторых низкоразмерных систем путем обращения уравнений КС, начиная с заданной..

Применение прогнозирования транспортных потоков, часть 5

Пространственно-временная связь с вейвлетом: прогнозирование распутанного потока трафика с помощью сети эффективного спектрального графика (arXiv) Автор: Ючэнь Фан , Яньцзюнь Цинь , Хайюн Луо , Фан Чжао , Бинбин Сюй , Чэньсин Ван , Лян Цзэн . Аннотация: Прогнозирование дорожного движения имеет решающее значение для общественной безопасности и оптимизации ресурсов, но является очень сложной задачей из-за трех аспектов: метод, который не может точно уловить..

Представляем SliceX AI: ИИ следующего поколения у вас под рукой

Автор: Суджит Рави SliceX AI — компания, специализирующаяся на искусственном интеллекте, чья миссия заключается в том, чтобы сделать искусственный интеллект нового поколения общедоступным . Мы создаем интеллектуальный механизм следующего поколения , который позволит компаниям любого размера и разработчикам по всему миру получить собственную часть ИИ нового поколения и применить ее к любой вертикали и варианту использования. С его инновационной платформой машинного обучения..

Дискриминативные и генеративные модели: дружеское введение

Искусственный интеллект — это область, которая развивается ускоренными темпами, настолько, что иногда за ней трудно угнаться! ViTs, CNN, GAN, Swin… может быть довольно сложно понять, что делают все модели и когда мы можем их использовать. Сегодня мы рассмотрим, что такое дискриминационные модели и чем они отличаются от генеративных моделей; когда мы должны их использовать и некоторые примеры. Как всегда, эти технологии достаточно глубоки; так что я не собираюсь углубляться в них..

Последние разработки, связанные с моделями BERT в 2023 году, часть 4 (искусственный интеллект)

Что BERT узнает о просодии? (arXiv) Автор: Софоклис Какурос , Джоанна О’Махони . Аннотация: Языковые модели стали почти повсеместными в приложениях для обработки естественного языка, достигая самых современных результатов во многих задачах, включая просодию. Поскольку дизайн модели не определяет заранее определенные лингвистические цели во время обучения, а скорее направлен на изучение обобщенных представлений языка, анализ и интерпретация представлений, которые неявно захватывают..

ConvNet: «модернизированный» ResNet для 2020-х годов

Здравствуйте, этот блог представляет собой обзор документов, в котором я делюсь своими заметками о «Конвнете для 2020-х годов». Хотя я переместил темы своих блогов с обзоров отдельных статей на обобщение нескольких статей, я думаю, что эта статья заслуживает отдельного блога, так как я нашел ее проницательной. Как вы, возможно, заметили, «ревущие 20-е» визуального распознавания начались с введения Vision Transformers (ViTs), которые быстро вытеснили ConvNets в качестве современной модели..

Обновления по выпуклой минимизации, часть 2 (машинное обучение)

Линейный поиск для выпуклой минимизации (arXiv) Автор : Лоран Орсо , Маркус Хаттер Аннотация: Поиск золотого сечения и поиск пополам являются двумя основными принципиальными алгоритмами одномерной минимизации квазивыпуклых (унимодальных) функций. Первый использует только запросы функций, а второй также использует запросы градиента. Другие алгоритмы существуют при гораздо более строгих предположениях, например метод Ньютона. Однако, насколько нам известно, не существует..