Публикации по теме 'artificial-intelligence'
Как работает многоязычное предварительное обучение, часть 1 (машинное обучение)
mPMR: многоязычный предварительно обученный машинный ридер в масштабе (arXiv)
Автор: Вэйвэнь Сюй , Синь Ли , Вай Лам , Лидонг Бин .
Аннотация: Мы представляем многоязычный предварительно обученный машинный ридер (mPMR), новый метод предварительного обучения многоязычному машинному чтению (MRC). mPMR направлен на то, чтобы направлять многоязычные предварительно обученные языковые модели (mPLM) для выполнения понимания естественного языка (NLU), включая как классификацию..
10 вещей, которые я хотел бы знать, когда впервые изучал библиотеки Python
Привет, коллеги-энтузиасты Python! Это Гейб А., и сегодня я собираюсь поделиться некоторыми сырыми, честными и откровенно ранимыми мыслями о моем путешествии с библиотеками Python.
Если вы только начинаете или испытываете трудности, как и я, этот пост для вас. Я призываю вас потратить несколько минут на прочтение этой статьи, так как она, несомненно, поможет вам избежать некоторых наиболее серьезных ошибок в вашем путешествии по Python.
1. Импорта Pandas, NumPy и Matplotlib..
ExperTwin: альтернативное эго в киберпространстве для интеллектуальных работников
ExperTwin: альтернативное эго в киберпространстве для интеллектуальных работников
Карлос Токстли Эрнандес, Клаудиа Флорес Савиага, Марко Морье, Амандин Рибо, Темитайо Самсон Банколе, Александр Энтрекин, Майкл Кэнтли, Сальви Сингх, Сумитра Редди, Йенумула. В. Редди.
Вступление
Несмотря на то, что появление Интернета в сочетании с мощными поисковыми системами дало возможность специалистам в области умственного труда быстро находить необходимую информацию, это все еще требует много..
5 статей об использовании искусственного интеллекта в живописи, которые стоит прочитать
Неконтролируемое рисование и рисование с помощью улучшенной SPIRAL( arXiv )
Автор: Джон Ф. Дж. Меллор , Парк Ынбён , Ярослав Ганин , Игорь Бабушкин , Теджас Кулкарни , Дэн Розенбаум , Энди Баллард , Теофан Вебер , Орел Винялс , С. М. Али Эслами
Аннотация: мы исследуем использование агентов обучения с подкреплением в качестве генеративных моделей изображений (расширение arXiv:1804.01118). Генеративный агент управляет смоделированной средой рисования и обучается с..
Последние обновления по генерации графа сцены, часть 10 (машинное обучение)
Беспристрастная генерация графа сцены с использованием подобия предикатов (arXiv)
Автор: Мисаки Охаси , Юсуке Мацуи .
Аннотация: Графы сцен широко применяются в компьютерном зрении как графическое представление взаимосвязей между объектами, показанными на изображениях. Однако эти приложения еще не достигли практической стадии разработки из-за необъективного обучения, вызванного распределениями предикатов с длинными хвостами. В последние годы этой проблеме посвящено множество..
Система виртуального доктора чат-бота
Доктора во всем мире очень заняты. У каждого врача есть несколько пациентов, с которыми они должны иметь дело, и поэтому у них остается все меньше и больше, и врачи становятся невозможными для каждого пациента. Но системы виртуальных чат-ботов для врачей на базе искусственного интеллекта решают проблемы. Однако достижения в области искусственного интеллекта (ИИ) превратили чат-ботов в полезные инструменты / системы во многих отраслях, включая здравоохранение.
Одна из областей, где..
Машинное обучение: методы и критерии оценки моделей
В области машинного обучения измерение и оценка моделей имеет решающее значение. Выбор подходящих методов оценки, соответствующих решаемой проблеме, помогает нам быстро и точно выявлять проблемы, которые могут возникнуть при выборе и обучении модели. Это, в свою очередь, позволяет нам оптимизировать и повторять модель. В этой статье я объясню знания, связанные с оценкой модели машинного обучения.
Цель оценки модели
Цель оценки модели — выбрать модель с сильными способностями к..
