Публикации по теме 'deep-neural-networks'


Заглядывать внутрь DNN с помощью теории информации
Производительность модели глубокого обучения достигла огромных успехов, что позволило исследователям решать задачи, которые были просто невозможны для машин менее десяти лет назад. Тем не менее теоретическая основа, поддерживающая эти улучшения, не продвинулась так далеко, как эмпирическая производительность моделей, и остаются досадные вопросы, в частности: что именно происходит внутри глубокой нейронной сети во время обучения? В статье Открытие черного ящика глубоких нейронных сетей..
Тайна стекла: почему машинное обучение может нам помочь
Илиан Пихлаямаа Этот блог является частью нашей серии блогов: The Small-Scale Initiative on Machine Learning, как это было?, где группы, приглашенные для участия в проекте с инженерами-программистами eScience Center Research, пишут о проектах и ​​своем опыте. . На этой неделе: Илиан Пихлаямаа, из группы Неравновесная мягкая материя Лизбет Янссен: Они обучили глубокую нейронную сеть прогнозировать свойства стеклоподобных материалов, которые ранее не производился. Всего за несколько..
Все тензоры втайне хотят быть самими собой
16 - отнюдь не большое число. Сколько единиц MAC потребуется для вычисления сверточной нейронной сети (CNN) для создания 16 выходных каналов тайла 16x16 из 16-глубиной свертки тензора 3x3 за, скажем, 64 такта? Если бы не использовался быстрый алгоритм, то потребовалось бы как минимум 9216 единиц MAC. 9216 единиц MAC обычно используются для построения систолического массива 96x96, но для вычисления умножения матриц 96x96 (MM) требуется задержка не менее 96 тактов. Чтобы систолический..
Концепции прогнозирования цен на акции и реализация с использованием LSTM
Введение Прогнозирование фондового рынка — это попытка определить будущую стоимость акций компании. Успешный прогноз будущей цены акции может принести значительную прибыль. Однако существует так много переменных и динамики рынка, которые влияют на фондовый рынок и делают его непредсказуемым. Поскольку искусственный интеллект волшебным образом меняет все области и превращает научную фантастику в реальность. Очень интересно посмотреть, как глубокая нейронная сеть может обнаруживать..
Lyft Perception Challenge - 2-е место
В прошлом месяце Udacity в партнерстве с Lyft провел испытание на семантическую сегментацию, чтобы увидеть, кто из их студентов / выпускников может лучше всего идентифицировать транспортные средства и дороги в видеопотоке. Публикации оценивались по сочетанию точности и скорости. Это метод, который я использовал для получения 2-го места на этом конкурсе. В конвейере, который я использовал, используется предварительная обработка данных и полностью сверточная сеть (FCN)...
Говорите на иностранном языке своим голосом?
роботизированный. Использование глубоких нейронных сетей в последние годы резко изменило TTS, позволив учитывать такие факторы, как стресс и интонация, для достижения более качественных и гораздо более человеческих результатов. Однако современные модели TTS по-прежнему работают лучше всего при работе с определенными…
Для получения предмета по изображению
Вступление В прошлом году мы выпустили функцию, которая автоматически заполняет название, категорию и бренд элемента для японского приложения Mercari, используя технологию распознавания изображений. Ранее в этом году мы также выпустили аналогичную функцию в нашем приложении для США. Помимо улучшения этого механизма распознавания, мы также изучаем другие функции, связанные с технологиями, связанными с изображениями, одна из которых - поиск элемента по изображению. Как правило, для..