Публикации по теме 'neural-networks'


Apple MobileOne Backbone сокращает время логического вывода до менее одной миллисекунды на iPhone12 и…
По мере того, как системы искусственного интеллекта все чаще перемещаются из облака на устройства, определение подходящих опорных сетей нейронных сетей для развертывания мобильных устройств стало горячей областью исследований. В то время как уменьшение количества операций с плавающей запятой (FLOP) и количества параметров привело к эффективному…
Нейронные сети
Статья, объясняющая все и вся о нейронной сети Что такое Нейрон? Нейрон – это крошечная но важная клетка нашего мозга, которая помогает нам думать, чувствовать и двигаться. Это как маленький переключатель, который включается и выключается в ответ на сигналы от других нейронов, позволяя нам обрабатывать и анализировать информацию. Нейроны работают вместе, чтобы создать сложные сети, из которых состоит наш мозг. Когда нейрон получает сигнал от другого нейрона, он посылает..
Вывод графа знаний с помощью нейронных вложений
В последнее время часть моей работы связана с графами знаний. Я был несколько удивлен, обнаружив, насколько мало ресурсов было на работе с графами знаний. Большая часть литературы была сосредоточена в исследовательских работах, которые относительно недоступны, если у вас нет достаточного количества свободного времени. Что такое граф знаний? Проще говоря, граф знаний - это набор фактов в форме двух сущностей и отношения: (e1, r, e2). Например, представление о том, что «Том Круз..
7 советов по работе с небольшими данными
Потому что чаще всего вы получите именно это. Мы часто слышим, что большие данные - ключ к созданию успешных проектов машинного обучения. Это серьезная проблема: у многих организаций нет нужных вам данных. Как мы можем создавать прототипы и проверять идеи машинного обучения без самого необходимого сырья? Как мы можем эффективно получать и создавать ценность с помощью данных при нехватке ресурсов? На моем рабочем месте мы производим множество функциональных прототипов для..
Адам | Метод стохастической оптимизации
Проблемы . Обучение нейронной сети состоит из оптимизации стохастических функций в многомерном пространстве. В этом контексте сложно найти эффективный с точки зрения вычислений и памяти метод со свойствами быстрой сходимости. С одной стороны, целевые функции, встречающиеся в глубоком обучении, в большинстве случаев невыпуклы и нестационарны. С другой стороны, градиенты могут быть шумными и/или разреженными. Подход. Для эффективной стохастической оптимизации Adam, как и RMSProp и..
Роль ИИ в зале заседаний: прогнозирование успеха директора с помощью науки о данных
Описательная аналитика для работы совета директоров Введение В этом исследовании мы используем подход, похожий на стратегию, показанную в фильме «Moneyball», но перенесенную на область корпоративного управления. Подобно тому, как Moneyball использовала статистику игроков для выбора бейсбольной команды, мы используем различные показатели, чтобы понять характеристики успешных членов совета директоров. Основная цель нашего исследования состоит не в том, чтобы предсказать будущее..
Результат эксперимента — Объяснимый ИИ и визуализация (часть 13)
Эта статья продолжает исследование и дизайн исследования «Объяснимое глубокое обучение и визуальная интерпретируемость». В этом разделе я привожу результаты качественных исследований и важные выводы пользовательского тестирования прототипа, охватывающего несколько итераций в ходе исследования диссертации и разработки прототипа. Визуальный анализ Критический вывод исследования подчеркивает, что представления, полученные с помощью моделей распознавания изображений, очень восприимчивы к..