Публикации по теме 'deep-learning'
Приложения RoBERTa часть 1 (искусственный интеллект)
Тайгете на SemEval-2022. Задача 4: Модели на основе RoBERTa для выявления покровительственного и снисходительного языка (arXiv)
Автор: Джаянт Чхиллар
Аннотация: в этой работе описывается разработка различных моделей для выявления покровительственной и снисходительной лексики в отрывках новостных статей в рамках конкурса SemEval 2022 (Задание-4). В этой работе исследуются различные модели, основанные на предварительно обученной языковой модели RoBERTa в сочетании со слоями..
Как работают сети автоматов, часть 2 (машинное обучение)
Расширенные сети автоматов (arXiv)
Автор: Флориан Бриду , Максимилиан Гадуло , Гийом Тиссье .
Аннотация: Сеть автоматов — это карта f:Qn→Qn, где Q — конечный алфавит. Его можно рассматривать как сеть из n объектов, каждый из которых имеет состояние из Q и развивается в соответствии с детерминированным правилом синхронного обновления таким образом, что каждый объект зависит только от своих соседей в графе сети, называемом графом взаимодействия. Основной тенденцией в теории сетей..
Новый видеоурок, показывающий, как выполнять перенос стилей с помощью Google Colab.
Новый видеоурок, показывающий, как выполнять перенос стилей с помощью Google Colab. https://www.youtube.com/watch?v=f1UK8KPt-KU
Ограниченный бесплатный курс по машинному обучению
Теперь присоединяйтесь к более чем 1300+ студентам, которые бесплатно изучили этот ценный курс по машинному обучению, по этой ссылке:
https://www.udemy.com/course/complete-machine-learning/?couponCode=E42C8C73912BFF033ECB
Исследовательские работы, основанные на корреляции в нейронных моделях (искусственный интеллект)
Теория авто- и взаимных корреляций входных спайков и их влияние на реакцию спайковых нейронов ( arXiv )
Автор: Рубен Морено-Ботэ , Альфонсо Ренарт , Нестор Парга
Аннотация: Спайковые корреляции между нейронами широко распространены в коре головного мозга, но их роль в настоящее время не изучена. Здесь мы описываем реакцию запуска нейрона с дырявой интеграцией и запуском (LIF), когда он получает временно коррелированный вход, генерируемый пресинаптически коррелированными..
Приложения марковских случайных полей часть 3 (машинное обучение)
Вывод смешанных графических моделей для дихотомических фенотипов с использованием марковской случайной модели поля (arXiv)
Автор: Jaehyun Park , Sungho Won .
Аннотация: В этой статье мы предлагаем новый метод, названный объединенной смешанной графической моделью (FMGM), который может вывести сетевые структуры для дихотомических фенотипов. Мы предположили, что взаимодействие различных омик-маркеров связано со статусом заболевания, и предложили метод, основанный на FMGM, для..
K Бумага в день: № 42
Откровенный плагиат прекрасного объяснения/резюме статей с https://medium.com/@sharaf .
Я попытаюсь обобщить статьи, которые я читаю время от времени (k ≥ 0, в день).