Публикации по теме 'deep-learning'
Как далеко мы продвинулись с автономным вождением в 2023 году, часть 3 (компьютерное зрение)
Идентификация критических сценариев для автоматизированного вождения на основе спецификаций (arXiv)
Автор: Адам Молин , Эдгар А. Агилар , Деян Ничкович , Мэнцзя Чжу , Альберто Бемпорад , Хасан Эсен .
Аннотация: Чтобы протестировать автоматизированные системы вождения, мы представляем тематическое исследование для поиска критических сценариев в условиях вождения, руководствуясь формальными спецификациями. С этой целью мы разрабатываем структуру для идентификации критических..
Ускорение моделей обнаружения объектов, привязанных к памяти: MobileNetV2_SSD — Neural Magic
TL;DR: узнайте больше о повышении производительности моделей MobileNetV2_SSD за счет обрезки и сокращения времени постобработки.
Чтение время : 3 минуты 15 секунд.
Во многих сценариях обнаружения объектов нельзя терять ни минуты. Доля секунды может означать разницу между тем, когда беспилотный автомобиль сбивает собаку, переходящую дорогу, или едва не промахивается мимо нее. И скорость, и точность имеют решающее значение. Модели MobileNetV2_SSD были созданы для случаев..
Новые исследования в области квантового машинного обучения, часть 1
Новая стохастическая модель LSTM, вдохновленная квантовым машинным обучением (arXiv)
Автор: Джозеф Линдсей , Рамтин Занд .
Аннотация: Работы в области квантового машинного обучения (QML) за последние несколько лет показывают, что алгоритмы QML могут функционировать так же хорошо, как и их классические аналоги, а в некоторых случаях даже превосходить их. Среди недавних работ многие текущие модели QML используют преимущества схем вариационного квантового алгоритма (VQA), учитывая, что..
Оценка модели в автономном режиме
▮ Оценка вашей модели
Как узнать, хороша ли ваша модель машинного обучения?
Отсутствие четкого понимания того, как оценивать вашу модель, может не сразу означать, что ваш проект машинного обучения потерпит неудачу, но делает практически невозможным поиск наилучшего решения для ваших нужд, а тем более убедить вашего клиента.
В идеале методы оценки как для этапа разработки, так и для этапа производства должны быть одинаковыми. Однако это маловероятно, потому что у вас есть данные..
Mojo: новый язык программирования, устраняющий разрыв между исследованиями и производством
Языки программирования прошли долгий путь с первых дней информатики. Популярные в прошлом языки программирования, такие как FORTRAN и COBOL, уступили место более новым, более универсальным языкам, таким как Python, Java и C++. Однако каждый из этих языков имеет свои сильные и слабые стороны.
Войдите в Mojo, новый язык программирования, который сочетает в себе лучшее из синтаксиса Python с системным программированием и метапрограммированием. Mojo стремится преодолеть разрыв между..
Монте-Карло против Лас-Вегаса в мире машинного обучения
"Машинное обучение"
Монте-Карло против Лас-Вегаса в мире машинного обучения
Два наиболее важных семейства алгоритмов для устранения случайности в системах машинного обучения.
Недавно я начал выпускать образовательный информационный бюллетень, посвященный ИИ, на который уже подписано более 80 000 человек. TheSequence - это информационный бюллетень, ориентированный на ML (то есть без рекламы, без новостей и т. Д.), На чтение которого уходит 5 минут. Наша цель - держать вас в курсе..
Компьютерное зрение становится все более эффективной технологией для решения общих сельскохозяйственных задач, таких как прогноз урожайности,...
Диапазон архитектур DL в литературе подпадает под одну из сверточных нейронных сетей (CNN), полностью сверточных сетей (FCN), сетей региональных предложений (RPN), сверточных сетей графов (GCN) или гибридных сетей (HN), в зависимости от подход к классификации сорняков. В рамках CNN, взяв предварительно обученные веса с использованием трансферного обучения из общедоступных наборов данных, таких как ImageNet [3], COCO [4] и KITTI [5], исследователи сравнили различные популярные..
