Публикации по теме 'deep-learning'


Как работают состязательные атаки, часть 2 (машинное обучение)
1. Повышение переносимости враждебных атак с помощью обратного враждебного возмущения ( arXiv) Автор: Зэюй Цинь , Янбо Фан , И Лю , Ли Шэнь , Юн Чжан , Цзюэ Ван , Баоюань Ву Аннотация: было показано, что глубокие нейронные сети (DNN) уязвимы для враждебных примеров, которые могут давать ошибочные прогнозы, вводя незаметные возмущения. В этой работе мы изучаем переносимость состязательных примеров, что важно из-за угрозы для реальных приложений, где архитектура или..
Применение предварительно обученных языковых моделей, часть 1 (искусственный интеллект)
Начало работы с предварительно обученными языковыми моделями Предварительно обученные языковые модели: упрощение Улица Сезам в мире НЛП towardsdatascience.com Seq2Seq-SC: системы сквозной семантической коммуникации с предварительно обученной языковой моделью (arXiv) Автор: Джу-Хён Ли , Дон-Хо Ли , Ынсу Шин , Томас Чхве , Джей Пуджара , Джунхон Ким . Аннотация: Хотя ожидается, что семантическая коммуникация обеспечит..
Коротко о градиентном спуске
Вы можете спрашивать или искать, что такое градиентный спуск и как он работает. В этой статье я кратко покажу вам, что такое градиентный спуск Итак, давайте начнем. Предположим, у нас есть набор данных, состоящий из трех функций, и мы хотим знать, какие функции важнее. Итак, во-первых, мы присвоим каждой функции ВЕС , этот вес показывает, насколько функция важна, если вес большой, то он важен, если он маленький, то он не так важен и не повлияет на результат. Эти веса сначала..
Понимание того, как работает матрица Лапласа, часть 2
Асимптотическая оценка решеточной суммы, связанной с матрицей Лапласа( arXiv) Автор: Арзу Бойсал , Фатих Эджевит , Джем Ялчин Йылдырым Аннотация: Матрица Лапласа имеет фундаментальное значение при изучении графов, сетей, случайных блужданий по решеткам и арифметике кривых. В некоторых случаях след его псевдоинверсии появляется как единственный нетривиальный термин при вычислении некоторых внутренних инвариантов графа. Здесь мы изучаем двойную сумму Fn, связанную со..
Сила искусственного интеллекта и его влияние на человеческое общество.
Раскрытие возможностей искусственного интеллекта: изучение его влияния на общество Искусственный интеллект (ИИ), известный некоторым как промышленная революция (IR) 4.0, определенно изменит не только то, как мы делаем что-то, как мы относимся к другим, но и то, что мы знаем о себе. Искусственный интеллект (ИИ) стал преобразующей технологией, которая меняет отрасли, революционизирует процессы и коренным образом меняет наш образ жизни и работы. Благодаря своей способности моделировать..
Мое пошаговое руководство по машинному обучению
Мое пошаговое руководство по машинному обучению Из учебника Google по глубокому обучению Udacity. Глубокое обучение | Udacity Машинное обучение — одна из самых быстрорастущих и интересных областей, а глубокое обучение представляет… www.udacity.com Этот курс разбит на четыре урока. Урок 1: От машинного обучения к глубокому обучению Часть 1: Логистическая классификация Первая часть машинного обучения — « Классификация..
Почему бы не использовать CNN для извлечения признаков?
Как найти неожиданные закономерности в ваших данных В неожиданном есть красота. Как раз тогда, когда вы думаете, что все поняли, появляется что-то новое и ставит вас в тупик. То же самое можно сказать и об анализе данных. Когда вы просматриваете свой набор данных, пытаясь найти закономерности и тенденции, иногда вы сталкиваетесь с чем-то, что не совсем понятно. Вот здесь и начинается обнаружение аномалий. Обнаружение аномалий — это процесс выявления необычных шаблонов в ваших..