了解人工智能的實(shí)際應(yīng)用，以及它的缺陷

在這個(gè)項(xiàng)目里，我們用了兩個(gè)公開的數(shù)據(jù)集，A中包含了來自倫敦三家不同醫(yī)院的數(shù)據(jù)，有將近600名病人。數(shù)據(jù)集B包含了來自美國、中國和德國25家不同醫(yī)院的12...

2018-10-08 標(biāo)簽：人工智能數(shù)據(jù)集深度學(xué)習(xí) 5614 0

漸進(jìn)式神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)搜索技術(shù)

我們提出一種學(xué)習(xí)卷積神經(jīng)網(wǎng)絡(luò)（CNN）結(jié)構(gòu)的新方法，該方法比現(xiàn)有的基于強(qiáng)化學(xué)習(xí)和進(jìn)化算法的技術(shù)更有效。使用了基于序列模型的優(yōu)化(SMBO)策略，在這種策...

2018-08-03 標(biāo)簽：神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)集 5596 0

是十款各具特色的GANs,深入了解其數(shù)學(xué)原理

InfoGAN是生成對(duì)抗網(wǎng)絡(luò)信息理論的擴(kuò)展，能夠以完全非監(jiān)督的方式得到可分解的特征表示。它可以最大化隱含(latent)變量子集與觀測值之間的互信息(m...

2018-07-20 標(biāo)簽：GAN機(jī)器學(xué)習(xí)數(shù)據(jù)集 5459 0

基于生成網(wǎng)絡(luò)(GAN)來輔助藝術(shù)家進(jìn)行更具創(chuàng)意的設(shè)計(jì)項(xiàng)目

該項(xiàng)目的目標(biāo)不是制造一把功能性椅子，而是為人類設(shè)計(jì)師創(chuàng)造一個(gè)激發(fā)靈感的“視覺提示”，為了探索了如何讓機(jī)器學(xué)習(xí)用作藝術(shù)和設(shè)計(jì)工具來啟發(fā)人的思維，就像超現(xiàn)實(shí)...

2018-09-28 標(biāo)簽：神經(jīng)網(wǎng)絡(luò)GAN數(shù)據(jù)集 5458 0

利用2.5GPU年的算力在7個(gè)數(shù)據(jù)集上訓(xùn)練了12000多個(gè)模型

基于這些全新的發(fā)現(xiàn)和研究結(jié)果，研究人員為解耦表示領(lǐng)域提出了四個(gè)可能的方向：1.在沒有歸納偏置的條件下給出非監(jiān)督解耦表示學(xué)習(xí)的理論結(jié)果是不可能的，未來的研...

2019-04-30 標(biāo)簽：谷歌gpu數(shù)據(jù)集 5455 0

YaRN：一種高效RoPE擴(kuò)展方法，可推理更長上下文并達(dá)到SOTA

為了解決在插值RoPE嵌入時(shí)丟失高頻信息的問題，[4]中開發(fā)了"NTK-aware"插值。與同樣乘以因子s的方式相比，我們通過在多個(gè)...

2023-09-07 標(biāo)簽：編碼模型數(shù)據(jù)集 5422 0

決定神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)處理速度的因素

最后，重點(diǎn)是這種算法并不高效，它在每次迭代中都需要用全部的訓(xùn)練集。這意味著，在每個(gè)epoch中我們都要查看所有樣本，從而在下次進(jìn)行優(yōu)化。如果只有幾千個(gè)樣...

2018-11-20 標(biāo)簽：神經(jīng)網(wǎng)絡(luò)機(jī)器學(xué)習(xí)數(shù)據(jù)集 5375 0

如何使用Scrapy爬取網(wǎng)站數(shù)據(jù)

網(wǎng)頁抓取的主要目標(biāo)是從無結(jié)構(gòu)的來源提取出結(jié)構(gòu)信息。Scrapy爬蟲以Python字典的形式返回提取數(shù)據(jù)。盡管Python字典既方便又熟悉，但仍然不夠結(jié)構(gòu)...

2018-07-26 標(biāo)簽：數(shù)據(jù)集選擇器爬蟲 5344 0

什么是Talking Face Generation任務(wù)？

Demo 視頻中使用的面部檢測工具可以在 rsa 中找到。每張圖像的一行中，將返回一個(gè)帶5個(gè)關(guān)鍵點(diǎn)的 Matfile 輸出。這個(gè)工具在其他面部對(duì)齊方法中...

2018-12-06 標(biāo)簽：視頻數(shù)據(jù)集 5291 0

谷歌的研究人員提出了一種監(jiān)督學(xué)習(xí)方法來實(shí)現(xiàn)語音特征的聚類

那么它具體是怎么工作的呢？假設(shè)我們有四個(gè)人同時(shí)對(duì)著這個(gè)AI說話(這是個(gè)例子，模型其實(shí)可以處理更多的人)。那么每個(gè)人將會(huì)得到一個(gè)自己的RNN實(shí)例，擁有相同...

2018-11-16 標(biāo)簽：谷歌神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)集 5267 0

FAIR和谷歌大腦的合作研究，專注于“反向翻譯”方法

如圖1所示，sampling和beam+noise方法優(yōu)于MAP方法，BLEU要高0.8-1.1。在數(shù)據(jù)量最大的設(shè)置下，sampling和beam+no...

2018-11-21 標(biāo)簽：機(jī)器翻譯數(shù)據(jù)集 5175 0

一種基于GAN的圖到圖轉(zhuǎn)換方法，可以檢測出圖片中的敏感區(qū)域

圖像到圖像轉(zhuǎn)換是一類經(jīng)典計(jì)算機(jī)視覺問題，按照一般方法，研究人員需要對(duì)齊訓(xùn)練集圖像，讓模型學(xué)習(xí)輸入圖像和輸出圖像之間的映射。但在這個(gè)問題下找到成對(duì)圖像基本...

2018-07-25 標(biāo)簽：圖像GAN數(shù)據(jù)集 5098 0

一種通用的圖像分類方法

有了訓(xùn)練集和驗(yàn)證集后，我們開始對(duì)數(shù)據(jù)集進(jìn)行基準(zhǔn)測試。這是一個(gè)分類問題，在給出一個(gè)測試數(shù)據(jù)時(shí)，我們需要將它分到12個(gè)類中的一個(gè)。我們將使用卷積神經(jīng)網(wǎng)絡(luò)（C...

2018-06-27 標(biāo)簽：神經(jīng)網(wǎng)絡(luò)圖像分類數(shù)據(jù)集 5090 0