Paper Today | Sanal Deneme Ağı; Kalabalık Sayma Karşılaştırması; Federal Meta-öğrenme; Nesne Algılama vb.
Akademik gençlerin en son araştırma sonuçlarını ve teknolojilerini daha iyi öğrenmelerine yardımcı olmak için, AI Technology Review and Paper Research Institute (paper.yanxishe .com ), çalışma referansınız için yapay zeka ile ilgili en son akademik makaleleri seçmeniz için her gün [Today Paper] sütununu başlattı. Aşağıdakiler bugünün seçili içeriğidir
içindekiler
-
NWPU-Crowd: Kalabalık Sayımı için Büyük Ölçekli Bir Kıyaslama
-
Birleşik Meta-Öğrenme aracılığıyla İşbirliğine Dayalı Öğrenme Çerçevesi
-
VITON: Görüntü Tabanlı Sanal Deneme Ağı
-
Zaman serisi sınıflandırması için aktarım öğrenimi
-
PR Ürünü: Yapay Sinir Ağlarında İç Ürünün İkamesi
-
JPEG'DEN DOĞRUDAN DAHA HIZLI SİNİR AĞLARI
-
20 Yılda Nesne Tespiti: Bir Araştırma
-
Küresel Metin Gömme
-
Bisiklet Paylaşım Sistemleri İçin Öngörülen Görev Geliri ile Mekanizma Tasarımı
-
Dilin Anlaşılması için Anlam bilincine sahip BERT
NWPU-CHAND: Büyük ölçekli nüfus sayım karşılaştırması
Kağıt adı: NWPU-Crowd: Kalabalık Sayımı için Büyük Ölçekli Bir Kıyaslama
Yazar: Wang Qi / Gao Junyu / Lin Wei / Li Xuelong
Gönderme süresi: 2020/1/10
Makaleye bağlantı: https: //paper.yanxishe .com / inceleme / 8731
Önerilen neden: Bu makale, nüfus sayımı sorununu ele almaktadır.
Mevcut kamu nüfusu temel veri setleri, evrişimli sinir ağlarına dayalı eğitim için çok küçük. Bu makalenin katkısı, 5109 görüntü içeren ve toplam 2133238 kişinin açıklamalı olduğu büyük ölçekli bir kalabalık sayımı veri seti NWPU-Crowd'dur. Diğer veri setleriyle karşılaştırıldığında, yeni veri seti çeşitli aydınlatma sahneleri içerir ve bu tür problemler için en geniş yoğunluk aralığına sahiptir. Ek olarak, araştırmacı, araştırma sonuçlarınızın karşılaştırmasını kolaylaştırmak için en son sonuçları gönderebileceğiniz veri seti için bir değerlendirme web sitesi de açmıştır.
Birleşik meta öğrenmeye dayalı işbirlikli öğrenme çerçevesi
Kağıt adı: Birleşik Meta-Öğrenme aracılığıyla İşbirliğine Dayalı Öğrenme Çerçevesi
Yazar: Lin Sen / Yang Guang / Zhang Junshan
Gönderme süresi: 2020/1/9
Makaleye bağlantı: https: //paper.yanxishe .com / inceleme / 8732
Bu makale, gerçek zamanlı uç istihbarat sorununu ele almaktadır.
Sınırlı bilgi işlem kaynakları ve sınırlı yerel verileri nedeniyle, Nesnelerin İnterneti'ndeki uç cihazlar genellikle gerçek zamanlı uç zeka elde edemez. Bu nedenle, bu makale platformla geliştirilmiş işbirliğine dayalı bir filtreleme çerçevesi önermektedir: İlk olarak, model ortak bir meta-öğrenme yöntemiyle bir grup uç düğüm üzerinde eğitilir ve ardından model, yalnızca birkaç örnekle hedef uç düğümündeki yeni görevlere hızlı bir şekilde uyarlanabilir. Aynı zamanda bu makale, önerilen ortak meta-öğrenme algoritmasının, düğüm benzerliği ve hedef kenarların uyarlanabilir performansı üzerindeki yakınsamasını da incelemektedir. Meta-öğrenme algoritmasının maruz kalabileceği düşmanca saldırılara karşı savunmak için, bu makale ayrıca dalın sağlamlık optimizasyonuna dayalı ortak bir meta-öğrenme algoritması önermektedir. Farklı veri kümeleri üzerindeki deneyler, bu makalede önerilen ortak meta öğrenmeye dayalı çerçevenin etkinliğini kanıtlamaktadır.
VITON: görüntü tabanlı bir sanal deneme ağı
Bildiri Başlığı: VITON: Görüntü Tabanlı Sanal Deneme Ağı
Yazar: Han Xintong / Wu Zuxuan / Wu Zhe / Yu Ruichi / Davis Larry S.
Yayın zamanı: 2017/11/22
Makaleye bağlantı: https: //paper.yanxishe .com / inceleme / 8579
Önerilen neden
1. Sanal uygulama hakkındaki ilk makale
2. TPS Wrap teknolojisini kullanma
3. Açık kaynak kodu; (şu anda veri kaynağı yasal riskler nedeniyle kapalıdır)
4. Başlamaya değer
Derin transfer öğrenmeye dayalı zaman serisi sınıflandırması
Kağıt adı: Zaman serisi sınıflandırması için aktarım öğrenimi
Yazar: Fawaz Hassan Ismail / Forestier Germain / Weber Jonathan / Idoumghar Lhassane / Muller Pierre-Alain
Yayın zamanı: 2018/11/5
Makaleye bağlantı: https: //paper.yanxishe .com / inceleme / 70
Önerilen neden: derin sinir ağlarının aktarım öğrenmesi, önce temel ağın kaynak veri kümesinde eğitilmesi ve ardından öğrenilen özelliklerin (ağ ağırlıkları) hedef veri kümesi üzerinde eğitilecek ikinci ağa aktarılması sürecidir. Bu fikrin, görüntü tanıma ve nesne yerelleştirme gibi birçok bilgisayar görüşü görevinde derin sinir ağlarının genelleme yeteneğini geliştirdiği kanıtlanmıştır. Bu uygulamalara ek olarak, derin evrişimli sinir ağları (CNN) son zamanlarda zaman serisi sınıflandırma (TSC) topluluğunda popüler hale geldi. Bununla birlikte, görüntü tanıma probleminin aksine, TSC görevleri için, transfer öğrenme teknolojisi kapsamlı bir şekilde çalışılmamıştır. Bu şaşırtıcıdır, çünkü modeli önceden eğitilmiş bir sinir ağından ayarlarsanız (sıfırdan eğitim yerine), TSC derin öğrenme modelinin doğruluğunu potansiyel olarak artırabilirsiniz.
Bu makalede yazar, TSC görevleri için derin CNN'nin nasıl aktarılacağını inceleyerek bu boşluğu dolduruyor. Transfer öğrenmenin potansiyelini değerlendirmek için yazar, 85 veri seti içeren en büyük halka açık TSC kıyaslaması olan UCR arşivini kullanarak kapsamlı deneyler gerçekleştirdi. Arşivdeki her veri kümesi için bir model önceden eğitildi ve ardından diğer veri kümelerinde ince ayar yapıldı ve sonuçta 7.140 farklı derin sinir ağı elde edildi. Bu deneyler, transfer öğrenmenin, transfer tarafından kullanılan veri setine dayalı olarak modelin tahminini iyileştirebileceğini veya azaltabileceğini göstermektedir. Bu nedenle, belirli bir hedef veri kümesi için en iyi kaynak veri kümesini tahmin etmek için yazar, veri kümeleri arasındaki benzerliği ölçmek için dinamik zaman atlamasına dayanan yeni bir yöntem önerir ve yönteminin, en iyi kaynak veriyi seçmek için aktarımı nasıl yönlendirdiğini açıklar. Veri setleri, böylece 85 veri setindeki 71 veri setinin doğruluğunu artırır.
Halkla İlişkiler ürünü: sinir ağlarında iç çarpım işlemlerinin yerine geçer [ICCV 2019 Oral]
Bildiri Başlığı: PR Ürünü: Yapay Sinir Ağlarında İç Ürünün İkamesi
Yazar: Wang Zhennan / Zou Wenbin / Xu Chen
Gönderme süresi: 2019/4 / 30
Makaleye bağlantı: https: //paper.yanxishe .com / inceleme / 176
Önerilen neden: Ağırlık vektörü w'nin ve özellik vektörü x'in iç çarpım işlemi sinir ağlarında her yerde bulunur, ancak neredeyse hiç kimse iç çarpımı kullanmanın olumsuz etkilerini düşünmedi ve araştırmadı.
Bu makale, iç ürün operasyonunun eksikliklerine işaret etmekte ve iç ürün operasyonunun eksikliklerini ortadan kaldıran ve ağ eğitiminin zorluğunu azaltabilen PR ürün operasyonunu önermektedir.
1. Araştırma motivasyonu: iç çarpım işlemi, vektör açısı 0'a veya pi'ye yakın olduğunda geri yayılma eğimini küçülterek ağ eğitiminin zorluğunu artıracaktır.
2. İnovasyon: İleriye doğru yayılmada iç çarpıma eşdeğer olan, ancak parametre gradyanını geri yayılmadaki vektör açısından bağımsız hale getirebilen PR ürün işlemini önerin
3. Deneysel sonuçlar: Sadece iç ürün çalışmasını PR ürünüyle değiştirmek çeşitli ağların performansını önemli ölçüde artırabilir ve FC, CNN ve RNN uygulanabilir.
PR ürünü basit ve etkili, tak ve çalıştır, tıpkı elindeki bir İsviçre çakısı gibi, bu makale ICCV 2019 tarafından sözlü bir rapor kağıdı olarak kabul edildi.
Yazar, PyTorch kodunun PR ürün versiyonunun kullanıma hazır olan Yoğun katmanını, evrişimli katmanını ve LSTM birimini uygun bir şekilde sağladı.
-
Tembel olmak haklı! Ağı 1,77 kat hızlandırmak için yarısı çözülmüş JPEG görüntüleri kullanın
Kağıt adı: JPEG'DEN DÜZ DÜZ HIZLI SİNİR AĞLARI
-
20 yıllık hedef tespiti hatırlayarak: kuru ürünler
Bildiri Başlığı: 20 Yılda Nesne Algılama: Bir Anket
-
Küresel metin gömme
Kağıt adı: Küresel Metin Gömme
-
Görev Faydası Beklenen Bisiklet Paylaşım Sisteminin Mekanizma Tasarımı
Kağıt adı: Bisiklet Paylaşım Sistemleri için Öngörülen Görev Geliriyle Mekanizma Tasarımı
-
Dil anlayışı için anlam bilincine sahip BERT
Kağıt adı: Dil Anlamak için Anlambilime duyarlı BERT
