دليل

• الميدان تجتاح الكائن رواية التعلم غير خاضعة للرقابة مستقلة

• قصيرة التلافيف شبكة الاعتراف ديناميكية لفتة

• تحليل المشاعر النص على الانترنت على أساس بيرت المالي ورئيسيا طريقة الكشف كيان

• اعتراف رئيس قوي والكلام تعزيز النموذج القائم على الاهتمام

• ديب تعلم التكيف المعلمة عهد جديد، من البداية رفضت لرؤية معالم شخصية التهيئة

الميدان تجتاح الكائن رواية التعلم غير خاضعة للرقابة مستقلة

عنوان الرسالة المستقلة المجال بدون اشراف التعلم لفهم كائنات رواية

الكاتب: Pharswan سيدهارتا Vibhu / فوهرا محيط / كومار أشيش / البحيرة Laxmidhar

تاريخ النشر: 2020/01/09

أوراق تحتوي على وصلة: الشبكي: //paper.yanxishe.com/review/9222

هذه الورقة النظر في مسألة الأجسام الذراع الروبوتية استيعاب جديدة.

ويستند هذا التحدي الرئيسي في مهمة البصرية هو قبضة ذراع الروبوت عند مواجهة كائن جديد، وكيفية اختيار منطقة قبضة فعالة. وتحاول أحدث الأبحاث لاستخدام الوقت الحسابية العالية وحساب الشبكة العصبية الإلتواء. وتقترح هذه الورقة خوارزمية التعلم غير خاضعة للرقابة جديدة لتحديد منطقة قبضة فعالة. بعد محاذاة تنسيق طرق العلاج، تطبيق طريقة جديدة لK-وسائل تجميع طريقة لتحديد المنطقة طائرة الصورة. وتعرف هذه الورقة مفهوم جديد يسمى "مؤشر قرار قبضة" (امسك تقرر مؤشر، GDI) لاختيار لاتخاذ موقف أفضل قبضة في الطائرة الصورة. حملت نتائج تجارب على الأمازون الروبوتات التحدي 2017 و الأمازون اختيار التحدي 2016 الأجسام القياسية في معارض بيئة تشوش أو معزولة خوارزمية قوية وقابلة للتكيف يقدم هذه الورقة مجموعة متنوعة جديدة من كائنات جديدة في مختلف المجالات الجنس.

قصيرة التلافيف شبكة الاعتراف ديناميكية لفتة

عنوان الرسالة القصيرة الأجل شبكات التلافيف الزمني للالديناميكي اليد لفتة الاعتراف

الكاتب: تشانغ يي / وانغ تشونغ / تشنغ يي / تشاو jieyu ل/ لي Yuqi / شيه Xijiong

تاريخ النشر: 2019/12/31

أوراق تحتوي على وصلة: الشبكي: //paper.yanxishe.com/review/9221

هذه الورقة هي حل لمشكلة التعرف على الإيماءات.

مساهمة هذه الورقة هو اقتراح 3D كثافة التفاف على أساس شبكة (3D-DenseNets) المتعدد الوسائط لفتة طريقة تقديرا لتحسين التفاف توقيت الشبكة (مواطني الدول الثالثة)، والفكرة الأساسية هي إيجاد مضغوطة وفعالة والمعلومات في الوقت تمثل الخصائص المكانية. في التحليل المكاني، وهذا الورق باستخدام 3D-DenseNets المكاني باختصار التعلم - خصائص الوقت، الوقت تحليلها لاحقا، ورقة تستخدم لمواطني الدول الثالثة الساعة استخراج تحسين خصائص ضغط واستخدام الشبكة الإثارة (SENets) من كل المحسنة وهو يمثل الوقت مواطني الدول الثالثة خاصية القدرة طبقة. وقد تم الحصول على الطريقة المقترحة في هذه الورقة على مجموعات البيانات الديناميكية فتة VIVA وNVIDIA 91.54 في المئة و 86.37 في المئة دقة التعرف.

تحليل المشاعر النص على الانترنت على أساس بيرت المالي ورئيسيا طريقة الكشف كيان

أطروحة العنوان: بيرت ثقة أساس تحليل ومفتاح كشف الكيان مدخل لنصوص المالية على الانترنت

الكاتب: تشاو ينغيون / لى لين / تشنغ شين هاو

تاريخ النشر: 2020/01/14

أوراق تحتوي على وصلة: الشبكي: //paper.yanxishe.com/review/9218

هذه الورقة النظر في المشاكل العاطفية التحليل المالي من النص.

مع ظهور شبكة الإنترنت والتطور السريع للتأثير الإنترنت على القطاع المالي آخذ في الازدياد. كيف بسرعة وبدقة التعدين معلومات مفيدة من النص المالي الهائل، فقد أصبح التركيز على المستثمرين وصناع القرار. تقدم هذه الورقة تحليل المشاعر القائم بيرت والنقدي كيان طريقة الكشف عن التعدين النص المالي وتحليل وسائل الاعلام الاجتماعية في وجهات النظر العامة. باستخدام نموذج تدريب قبل، فإن هذه الورقة أولا تحليل المشاعر، ومن ثم النظر في الكشف عن كيان رئيسي، الجملة التي سينظر فيها مباراة أو القراءة آلة مهمة الفهم، ويشمل مختلف حجم النص. وبالإضافة إلى ذلك، فإن هذه الورقة أيضا استخدام تجميع خوارزمية لتعزيز التعبير من الطريقة المقترحة. وفي كلتا التحليل المالي والعاطفي للبيانات الاختبار البدني الرئيسية المحددة لاختبار SVM، LR، NBM وبيرت، والطريقة المقترحة في هذه الورقة حققنا أفضل النتائج.

اعتراف رئيس قوي والكلام تعزيز النموذج القائم على الاهتمام

عنوان الاطروحة: الاعتراف رئيس قوية عن طريق الكلام تعزيز والاهتمام نموذج

الكاتب: شي Yanpei / هوانغ تشيانغ / هين توماس

تاريخ النشر: 2020/01/14

أوراق تحتوي على وصلة: الشبكي: //paper.yanxishe.com/review/9219

أوصت السبب

هذه الورقة المتتالية متكلم وتعزيز خطاب المعالجة، اقترح نموذجا جديدا من الاعتراف المتكلم، تحديد المتكلم إلى تحسين أداء النموذج في إشارة الكلام تلف بسبب الضوضاء. والطرق السابقة لتعزيز صوت والاعتراف المتحدث يعامل كلا على حدة، وطريقة هذه الورقة اقترح اثنين من وحدات متكاملة في إطار لتعظيم الاستفادة المشتركة باستخدام الشبكات العصبية العميقة. من أجل تحسين متانة الضوضاء للنموذج، هذه الورقة متعددة المراحل آلية الانتباه إلى تسليط الضوء على الميزات المرتبطة المعلومات السياقية المستفادة من المتكلم. التجارب التي أجريت على VoxCeleb1 مجموعة البيانات، يستخدم الكتاب ثلاثة مستويات من إشارة إلى نسبة الضوضاء الضوضاء العاديين، والموسيقى وهراء، لتقييم مدى متانة ضجيج الطريقة المقترحة لها. وقد اظهرت النتائج أن الورقة المقترحة تعزيز خطاب وحدة الانتباه متعدد المراحل يمكن أن تحسن بشكل كبير من قوة الضوضاء للنموذج.

ديب تعلم التكيف المعلمة عهد جديد، من البداية رفضت لرؤية معالم شخصية التهيئة

عنوان الاطروحة: MetaInit: تهيئة التعلم عن طريق التعلم لتهيئة

الكاتب: يان N. دوفين / صموئيل S. Schoenholz

تاريخ النشر: 2019/12/09

أوراق تحتوي على وصلة: الشبكي: //paper.yanxishe.com/review/9220

أوصت السبب: حتى اليوم، عندما نموذج التدريب الصفر عمق ونحن نريد أن يكون لديك مجموعة جيدة من القيم الأولية، يمكن للمحسن جعل العمل أفضل، لجعل نموذج أسرع التقارب، وكذلك تدريب معدل دقة أعلى. ولكن هذه الممارسة كانت ممارسة أرقام عشوائية تستخدم كقيمة أولية، وأثر هو جيدة يمكن أن يقال لرؤية حرف، ولكن بعد كل شيء، لا يوجد بديل جيد.

والكتاب موجود في هذه الورقة ليست عشوائية، ولدت مساعدة في تحسين شبكة لطريقة القيمة الأولية لاحق. ويستمد هذا الأسلوب من هذه الفرضية: القيمة الأولية جيدة من أصل التدرج تبدأ تمكن الخطية المحلي، الدرجة الثانية موقف أثر صغير، حتى نتمكن من الحصول على عملية أصل أفضل التدرج. وضعت الكتاب هذه الفرضية لم وصف صيغ، والتي يمكن أن تحسب على أي بنية الشبكة أو مجموعات البيانات - على الرغم من أن تستخدم هذه العملية أيضا لحساب النسب متدرجة، ولكن يمكن العثور بسرعة على وزن القيمة الأولية جيدة.

وقد قام الكتاب على الشبكة العصبية والشبكة العصبية عادة على اتصال مع الاتصالات المتبقية من التجارب، فقد بينت النتائج أنه من خلال طريقهم لإيجاد قيمة أولية جيدة بحيث شبكة المدربين لا يمكن إلا أن لا افق موحدة، لا المخلفات والحصول على أفضل أداء نموذج الموافق الحالة التي يكون فيها الاتصال، ولكن أيضا تحدد القيمة الأولية في شبكة جيدة أبدا حفظ تلقائيا. هذا الأسلوب له بعض والتدرجية، ويمكن استخدامها على ResNet-50 تدريب ImageNet.

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 مؤلفي ورقة، ويمكنك إضافة القليل من شقيقة عمليات القناة الصغرى، وتلاحظ "جزء من أطروحة"

شبكة شبكة شبكة لى فنغ لى فنغ لى فنغ