Публикации по теме 'deep-learning'
Глубокое обучение: с чего начать
Глубокое обучение - это увлекательная и новаторская подгруппа машинного обучения и искусственного интеллекта. Компании по всему миру, такие как Google, IBM, Apple и многие другие, начали разрабатывать приложения, основанные на методах глубокого обучения. При этом понимание того, где находится глубокое обучение в технологии искусственного интеллекта и что оно влечет за собой, может оказаться сложной задачей.
Цель этой статьи состоит из двух частей: глубокого понимания глубокого..
Как выполняется обнаружение ключевых слов, часть 5 (искусственный интеллект)
Обучение квантованию с фиксированной точкой для обнаружения ключевых слов на устройстве (arXiv)
Автор: Сашанк Маха , Ом Оза , Алекс Эскотт , Франческо Калива , Робби Армитано , Сантош Кумар Чикатмалла , Шри Хари Кришнан Партасарати , Юзонг Лю .
Аннотация: Вывод с фиксированной точкой (FXP) оказался подходящим для встроенных устройств с ограниченными вычислительными ресурсами, и тем не менее обучение модели постоянно выполняется с плавающей запятой (FLP). Обучение FXP не было..
Активное обучение за кулисами
Как мне оценить результаты активного обучения?
В своих предыдущих постах я описал, что такое активное обучение ( введение в активное обучение и основные подходы ) и как можно реализовать такой пайплайн простым и универсальным образом ( архитектура пайплайна активного обучения ).
Этот пост основан на докладе, который я сделал на Reversim Summit 2021. Я хочу сделать несколько шагов вперед и рассказать о том, как я оцениваю результаты своих моделей активного обучения и как это помогло..
Топ-5 библиотек Python для обработки естественного языка для специалистов по данным.
Полный обзор популярных библиотек Python для обработки естественного языка в невнятной манере.
Около 70 процентов данных, доступных в Интернете, не имеют структурированного формата. Поскольку данные являются очень важным органом для науки о данных, исследователи действительно упорно трудятся, чтобы расширить наши пределы от обработки структурированных данных до обработки неструктурированных данных.
Неструктурированные данные включают данные датчиков, изображения, видеофайлы,..
Варианты использования аннотированных наборов данных, часть 5 (наука о данных)
Создание аннотированного набора данных с помощью языковых моделей общего назначения для неанглоязычного медицинского НЛП (arXiv)
Автор : Иоганн Фрай , Фрэнк Крамер .
Аннотация: Получение текстовых наборов данных с семантическими аннотациями — трудоемкий процесс, но крайне важный для контролируемого обучения обработке естественного языка (NLP). В целом, разработка и применение новых конвейеров НЛП в предметно-ориентированных контекстах для задач часто требует специально разработанных..
Факты об экспертных системах, CAD и CMD, которые нужно знать
Предыдущая статья была о применении искусственного интеллекта в медицине. Эта статья посвящена применению искусственного интеллекта в диагностике, в частности экспертных систем, систем автоматизированной диагностики и автоматизированных систем принятия медицинских решений. Все эти приложения относятся к области медицинской информатики.
Экспертная система определяется как запрограммированное компьютером приложение, использующее искусственный интеллект, который выносит суждения на..
Введение в обучение с подкреплением - Глава 1
Краткое содержание главы RLBook.
Это краткое изложение главы одной из самых популярных книг по обучению с подкреплением, созданной Ричардом С. Саттоном и Эндрю Дж. Барто ( 2-е издание) . Книгу можно найти здесь: Ссылка .
Обучение с подкреплением - это обучение тому, что делать - как соотносить ситуации с действиями - чтобы максимизировать числовой сигнал вознаграждения. Агент обучения может предпринимать действия, которые влияют на состояние окружающей среды, и иметь цели,..
