دليل

إنشاء الشبكة العصبية NLP مهام متعددة: مشترك المهام المتعددة نموذج

Peelnet: إعادة الإعمار 3D لجسم الإنسان استنادا على رأي واحد وصورا فوتوغرافية ملونة من محكم

فهم البصرية الترجمة الآلية

في دراسة متعمقة المعدل: ما وراء المستوى الإنساني على تصنيف ImageNet

صعوبة في فهم تدريب الشبكة العصبية قبل عميق

إنشاء الشبكة العصبية NLP مهام متعددة: مشترك المهام المتعددة نموذج

أطروحة العنوان: المشترك العديد من المهام النموذجية: تزايد شبكة العصبية NLP للمهام متعددة

الكاتب: كازوما هاشيموتو / Caiming شيونغ / يوشيماسا تسروكا / ريتشارد سوشر

تاريخ النشر: 2016/11/05

أوراق تحتوي على وصلة: الشبكي: //www.aclweb.org/anthology/D17-1206.pdf

أوصت السبب

المشكلة الأساسية: هناك العديد من المهام في مجال فهم اللغة الطبيعية، مثل تحليل الخطاب، وتحليل أجزاء، تحليل التبعية، لغويا النص ذات الصلة، والنص، وما إلى ذلك ضمنا، هناك علاقة بين مختلف المهام. الباحثون من خلال التعلم متعددة المهام لتعزيز الاتصال المتبادل بين المهام، وتحسين أداء مختلف المهام.

الابتكار: يتم تنفيذ المهام المتعددة التقليدية في موازاة ذلك، ولكن هذه المهمة الكبيرة في وجود علاقة هرمية، وحتى هذه ستكون مختلفة كومة مثل مهمة تراكب، المهام مستوى أكثر لها هيكل الشبكة أعمق، فإن المستوى الحالي لهذه المهمة سوف تستخدم المقبل الانتاج على مستوى المهمة، تشبه في شكلها خط الانابيب.

الآثار المترتبة على الأبحاث: هيكل مواز مقارنة مع تعدد المهام نتائج أفضل. ويمكن أيضا أن يمتد هذا الإطار إلى مزيد من تطبيق المهام رفيعة المستوى، وتأثير جيد نسبيا، وهو ما يتسق مع الوضع الحقيقي.

Peelnet: إعادة الإعمار 3D لجسم الإنسان استنادا على رأي واحد وصورا فوتوغرافية ملونة من محكم

عنوان الاطروحة: PeelNet: إعادة بناء مركب 3D لجسم الإنسان باستخدام عرض واحد RGB صورة

الكاتب: ساي ساجار جينكا / روهان شاكو / افيناش شارما / P J. نارايانان.

تاريخ النشر: 2020/02/16

أوراق تحتوي على وصلة: الشبكي: //arxiv.org/abs/2002.06664

بسبب العديد من خطورة مشكلة الإنسان انسداد الذاتي، والملابس التغيير وتغيير الإضاءة، واستعادة شكل الجسم والموقف من صورة لون واحد هو مشكلة صعبة للغاية. ويعرض ورقة هذا الإطار لشبكة الجيل نهاية ضد PeelNet، لإعادة بناء محكم 3D عارضة أزياء من صورة RGB واحدة.

ويقترح المؤلفان في 3D التعبير نموذج الإنسان لانسداد الذاتي الفصل قوي من الخريطة عمق وخريطة ملونة (عمق مقشر والخرائط RGB)، وتقترح نهاية كاملة لنهاية الإطار، وجسم الإنسان من واحد الصور فصل الألوان للتنبؤ خريطة العمق والصور الملونة، وزيادة توليد محكم ل3D عارضة أزياء.

المقال لا تعتمد على نماذج حدودي لجسم الإنسان، والجسم البشري لارتداء ملابس فضفاضة نتائج أكثر دقة يمكن الحصول عليها، ولكن أيضا يعمل بشكل جيد مع انسداد بالنفس البشرية.

فهم البصرية الترجمة الآلية

أطروحة العنوان: تصور وفهم العصبية الترجمة الآلية

الكاتب: Yanzhuo دينغ / يانغ ليو / Huanbo وان / Maosong الشمس

تاريخ النشر: 2017/07/30

أوراق تحتوي على وصلة: الشبكي: //www.aclweb.org/anthology/P17-1106.pdf

أوصت السبب

ملخص ورقة: في الوقت الحاضر، وبدأ المزيد والمزيد من الباحثين التطور السريع التعلم العميق، ولكن عمق التعلم على شكل مربع أسود، والتركيز على التفسير دراسة بحثية معمقة. هذه الورقة هي ورقة ACL 17 عاما، وقد فهم تطبيق LRP (طبقة الحكيمة أهمية نشر) طريقة التصور العصبية الترجمة الآلية. آلية التركيز الحالية يمثل في الواقع العلاقة بين اللغات المصدر والهدف، ولكن لا اقول جيدا لنا كيف يتم ترجمتها ولدت اللغة الهدف. تم تطبيق طريقة LRP (التبطين نشر الارتباط) في البداية في مجال الرؤية الحاسوبية، فإن الدراسات التي أجريت من قبل مساهمة بكسل واحد التأويل التنبؤ صورة الحسابات نتيجة المصنف. وهذه المادة طريقة LPR المستخدمة في نموذج التشفير فك بناء على آلية الاهتمام، لحساب مدى مساهمة كل كلمة في سياق أي وحدات الخفية، وبالتالي فإن فهم البصرية من طراز الترجمة الآلية العصبية. الترجمة الإنجليزية لتظهر دراسات الحالة، وطريقة LRP يمكن أن يفسر أيضا آلية عمل الترجمة الآلية ومساعدة الترجمة تحليل الأخطاء.

الابتكار والتأمل: هذا كان تصور أول تطبيق لطريقة NMT LRP فهم، وحققت نتائج جيدة. واقترح طريقة LRP لأول مرة في مجال الرؤية الحاسوبية، وهذه الطريقة من ترحيل التطبيقات إلى معالجة اللغة الطبيعية، في الواقع، الآن عمق المجال يمكن أن تفسر لمعرفة دراسات الكمبيوتر أكثر، يكون مرجعا جيدا لإجراء مزيد من البحوث في مجالات أخرى.

في دراسة متعمقة المعدل: ما وراء المستوى الإنساني على تصنيف ImageNet

أطروحة العنوان: الخوض في عمق المعدلات: متخطيا المستوى الإنسان الأداء على تصنيف ImageNet

الكاتب: Kaiming و/ شيانغ يو تشانغ / Shaoqing رن / جيان الشمس

تاريخ النشر: 2015/02/06

أوراق تحتوي على وصلة: الشبكي: //arxiv.org/pdf/1502.01852.pdf

أوصت السبب

المشكلة الأساسية: هذا هو معلمة الوزن على تهيئة الشبكة العصبية من هذه المادة، والشبكة العصبية طريقة الوزن التهيئة الحالي أنا غالبا ما تستخدم هذه الطريقة للتدريب تدريب الشبكة العصبية أسرع وأفضل

ابتكارات:

PRULE 1، يقترح وظيفة تفعيل

2، ومجموعة البيانات التصنيف على ImageNet2012، ونسبة الخطأ تصل إلى 4.94 أعلى 5، وأفضل أداء وأكثر من 6.66، ومستوى أكثر من 5.1 من الناس

الآثار المترتبة على الأبحاث: الحق في إعادة تهيئة شبكة الشبكة العصبية العصبية هي الأكثر خطوة مهمة، لأنه غير لائقة تهيئة الشبكة العصبية، ومن المرجح أن تؤدي إلى الشبكة العصبية لا عمل.

صعوبة في فهم تدريب الشبكة العصبية قبل عميق

عنوان الاطروحة: فهم صعوبة تدريب شبكات ال feedforward عميق

الكاتب: كزافييه Glorot / يوشوا بيجيو

تاريخ النشر: 2010/02/11

أوراق الرابط: http: //proceedings.mlr.press/v9/glorot10a/glorot10a.pdf

أوصت السبب

المشكلة الأساسية: عند استخدام التعلم العميق لبناء نموذج، غالبا ما تحتاج الشبكة العصبية الأوزان التهيئة، هناك العديد من الأوزان الثقيلة من الشبكة العصبية طريقة المعلمة التهيئة، وسيلة غالبا ما تستخدم لكزافييه، ويستمد هذا الأسلوب من ورقة .

الابتكار: أسلوب التهيئة الجديد، يمكن أن يحقق التقارب بشكل أسرع. وكثيرا ما يستخدم هذا الأسلوب من الوزن التهيئة كزافييه لتهيئة العامين الماضيين في شبكة عمق.

الآثار المترتبة على الأبحاث: ترجيح المعلمة تهيئة الشبكة العصبية مهمة جدا، وأحيانا الشبكة العصبية لا العمل، ثم الحق هو الغالب والمعلمات إعادة تهيئة شبكة العصبية علاقة سيئة، المعلمة الترجيح تهيئة الشبكات العصبية ليس فقط مساعدة في حل العصبية شبكات الانحدار تختفي وانفجار التدرج الوضع، ولكن أيضا تسريع تدريب الشبكة العصبية.

فريق الكتاب بتجنيد

من أجل تقديم خدمة أفضل لشبابنا AI، AI Yanxishe رسميا قسما جديدا "أوراق" على أمل أن بأنها "نقطة اهتمام" ورقة البلمرة AI طالب الشباب، الذي أوصت به فرز الأوراق، استعراض تفسير رمز على الإنجاب. لتصبح التعلم المتطورة في الداخل والخارج لمناقشة نتائج البحوث ونشر مكان التجمع، ولكن أيضا للبحث ممتاز تنتشر على نطاق واسع ومعترف بها.

نتمنى لكم الحب الأكاديمية، يمكن للمؤلفين انضمام إلى فريق عملنا.

انضمام إلى فريق الكتاب يمكنك الحصول على

1. قسم من هذه المادة مع اسمك، سوف يقاتل من ألمع النجوم الأكاديمية

2. الإتاوات المربحة

التحريف 3.AI الشركات الشهيرة، والرعاية تذاكر الجمعية، والهدايا التذكارية، الخ، الخ حصرية المحيطة بها.

تاريخ الكتاب الفريق تحتاج:

1. هل تحب الورق الموصى به لغالبية أعضاء الروتاري Yanxishe

2. أوراق القراءة يؤلف

إذا كنت على استعداد للانضمام إلى منظمة العفو الدولية Yanxishe فريق بدوام جزئي من الكتاب من الورق، ويمكننا أن نضيف أخت صغيرة من العملية القناة الصغرى (ID: julylihuaijiang)، وتلاحظ "جزء من أطروحة"