لي، من الجزء السفلي من راحة غير معبد،

تقارير و qubit | عدد ملفه QbitAI

منافسه AI هناك بيانات الرعاية!

عام 2017، جذبت AI منافسه التحدي AI العالمي 8892 فريقا من 65 دولة المشاركة.

اليوم، وقبل موسم 2018 تبدأ. 22 مارس، أعلنت منظمة العفو الدولية منافسه إطلاق دراسة صفر العينة (التعلم الصفر شوت) المسابقة.

في نفس الوقت، وإدخال البيانات السمة الصورة على نطاق واسع تعيين لعينة الدراسة الصفر، بما في ذلك 78017 الصور، 230 فئات، 359 أنواع الممتلكات. مقارنة مع مجموعة البيانات التيار الحالي صفر التعلم عينة أكثر وفرة على الممتلكات، وعلى درجة منخفضة من فئة صدفة.

صفر التعلم عينة

صفر عينة تعلم AI هي واحدة من أكثر تحديا طريقة تحديد الحالي. الفئات الرئيسية المعروفة من مجموعة البيانات لتدريب نموذج، ويستخدم هذا النموذج لتحديد عينة من الطبقة مجهولة.

في الصورة مهمة التصنيف العام، المرحلة فئة تدريب واختبار المرحلة من العينة هي نفسها، ولكن كل عينة من أجل تحديد فئات مختلفة من ضرورة أن إضافة مثل هذه العينة في بيانات التدريب، إذا كان عدد من عينات جديدة أو أقل فإن عدد عينة جديدة من فصول كبيرة جدا، وزيادة تكلفة مجموعات بيانات الإنتاج، وعدم عينة طريقة تكون قادرة على تعلم حل جيد لهذه المشكلة.

أساسا، دراسة صفر عينة هو أحد السبل لتعلم الهجرة. وفي فئة عملية تحديد الهوية عينة غير معروفة، وتحقيق ترحيل مجال المعرفة من المعروف أن المجال فئة فئة غير معروف.

في دراسة الهجرة والمتوسطة متعدية المعرفة تلعب دورا رئيسيا. يجب أن يكون لديك هذه تقاسم المعرفة وسيطة والمرونة وتفسيرها، فقط قادرة على الكمال نقل المعرفة من خلال المعرفة.

حيث أنواع مختلفة من الكائنات البيانات التي تحمل علامة المشتركة ممتلكات . تحليل الخاصية هي أيضا واحدة من بيانات العينة الأساسية المنصوص صفر البعد.

مركز البحوث

الصفر مشكلة عينة ليست شعبية في تعلم الآلة، حتى المقترحة 2008 لا روشيل آخرون طريقة الصفر التعلم عينة (صفر التعلم النار) لتصنيف الشخصيات في هذا المجال، ومعدل دقة التعرف على 60، مفتوحة حقا دراسة عينة الصفر درجة من القلق.

أكثر انتشارا النهج هو السمة مباشرة نموذج التنبؤ (DAP) رفعت لامبرت والممتلكات غير المباشرة نموذج التنبؤ (IAP).

كما هو موضح أدناه، يتم تدريب طريقتين من الصفر عينات في تصنيف أهمية كبيرة، التي أجريت على أساس كلا النموذجين في سمات التقليدية لاستخراج الميزة.

لأول مرة، وذلك باستخدام الرسم البياني اللون، والنفس تشابه الرسم البياني ستة طرق المحلية، وعلى مستوى منخفض فرزت وPHOG استخراج ميزات مثل عينة من الصور، والتي تحتوي على العديد تتميز من حيث اللون الصورة والشكل والملمس، وهذا هو ميزة طريقة استخراج معلومات مميزة قد تكون المعلومات التي تم الحصول عليها تعبير جيد في الصورة، وبالتالي هذه الأنواع من ميزة صورة ينطبق ليس فقط على المصنف الخطي، والمصنف غير الخطية يمكن أن تحقق أداء جيدا.

بعد المعلومات ميزة صورة عينة حصل عليها طريقة استخراج ميزة المبين أعلاه، فإن المعلومات المميزة المستخرجة لاحتمال المعنيين التدريب المصنف سمة، ثم تدرب على يد نموذج للتنبؤ خصائص الاستخدام النهائي للهيكل النموذج نفسه طريقة تقدير فئة من عينات الاختبار. استخدام طرق DAP للحصول على مجموعة البيانات وSUN AWA قليلا فوق 40 و 50 دقيقة، يمكن أن ينظر إليه على تصنيف صورة عينة الصفر لديها تأثير معين، ولكن دقة التعرف إلى تحسين.

سيناريوهات

صفر إمكانات التعلم عينة من السيناريو الحالي، وهناك خمسة تشمل.

وكيل (وكيل) التدريب

في مجال التدريب وكيل "دراسة عينة الصفر" دع وكيل (وكيل) على أمر صادر من فهم المعلمين الدلالي، وجعل السلوك على أساس فهم الأوامر.

ثانيا، هذا العمل يسمح المعلم الظاهري يعطي ردود فعل إيجابية أو سلبية، إذا كانت ردود الفعل إيجابية، وكيل (وكيل) يمكن أن تجعل من العمل الصحيح، يمكنك الحصول على مكافأة، إذا فشل ذلك، انهم سيعاقبون.

في حالة استلام الجائزة، وكيل (وكيل) ببطء حتى تتمكن من فهم معنى اللغة وتعلم الاستخدام السليم للغة.

بعد ذلك، إذا لم تكن على دراية الأمر، فإن وكيل (وكيل) تكون قادرة على استنتاج المعنى الصحيح للغة، وجعل السلوك المناسب لتلبية الأهداف المرجوة.

التعرف على وجوه غير معروفة

على سبيل المثال، ونموذج تحديد على "الحصان"، "البقرة" وفئات أخرى تدريب، بحيث نموذج يمكن التعرف بدقة "الحصان"، "البقرة" الصورة. عندما واجه نموذج "مثل" هذه الفئة الجديدة، كما لم يسبق له مثيل من قبل، ونموذج لا يمكن إصدار حكم.

الحل التقليدي هو جمع عدد كبير من "مثل" الصور، وإعادة تدريب مع مجموعة البيانات الأصلية. ارتفاع تكلفة هذا الحل بطيئة.

ومع ذلك، يمكن أن البشر يتعلمون بسرعة مفهوم جديد من المعرفة وصفية. على سبيل المثال، حتى إذا كان الطفل لم ير "صورة"، كما هو موضح في النص قدم "كما هو الحيوانات العاشبة كبيرة، هناك خرطوم طويل والأسنان". يمكن أن "مثل" هذه الفئة الجديدة، ويمكن أن تتحقق الأطفال في ذلك الوقت، "مثل" تعلم التعرف بسرعة وفقا للوصف.

صفر عينة التعلم وبالمثل، في غياب أي عينات التدريب والمعرفة المساعدة (مثل الملكية، وناقلات كلمة، وصف النص، الخ) لتعلم بعض مفاهيم جديدة لم يسبق له مثيل (فئة).

غير معروف لغة الترجمة

الأكثر شيوعا هو ترجمة بين ثلاث لغات، وفقا للطريقة التقليدية تتطلب ما لا يقل عن ستة شبكة التدريب، في اتجاهين، ثم تحتاج 12 شبكة.

 الترجمة من Google التخطيطي

ومع ذلك، إذا كان أساليب التعلم عينة الصفر، وتدريب اللغة الإنجليزية الفضاء ميزة الياباني، الفضاء ميزة الإنجليزية الكورية شبكتين، يمكن أن تتعلم تلقائيا الفضاء ميزة الكورية اليابانية من عملية الترجمة.

وسوف يتم تحسين الترجمة كفاءة تدريبية نموذجية إلى حد كبير، لتلك الترجمة صغيرة من أي رقابة خاصة، هو أيضا الإنجيل.

فئة مجهولة تركيب صورة

في السنوات الأخيرة، ضد شبكة GAN يتم استخدامها لتخليق صورة، وحققت نتائج حقيقية. ومع ذلك، فئة الصورة الصورة التقليدية التوليف ينظر تصنيعه فقط.

صفر عينة تكوين صورة يريد نموذج لتكون قادرة على توليف لم يسبق له مثيل فئة الصورة. حاليا، بعض خوارزمية لتحقيق شروط صورة عينة الصفر تجميعي من شبكة GAN.

تجزئة صورة

الصورة التقليدية خوارزمية التجزئة لتعلم كيفية استخدام بعض العينات التدريبية لفئات معينة من خوارزمية التجزئة. ولكن هذه تعلمت خوارزمية البعثرة لا يمكن استخدامها لفئة جديدة. صفر التجزئة صورة عينة تريد أن تذهب إلى المدرسة في فئة يعرف خوارزمية البعثرة يمكن تطبيقها على مجموعة جديدة وفئة غير معروفة.

في الوقت الحاضر، وقد اقترحت بعض خوارزميات التجزئة صفر عينة القائم على السمة.

بوابة

كيف، فإنه ليس بالفعل الصفر عينة من هذا السباق حريصة على تعلم؟

تعلمت و qubit أن AI منافسه الصفر التعلم العينة (التعلم الصفر شوت) المنافسة سوف يفتتح رسميا اليوم (22 مارس)، كما قدمها 23 أبريل. يمكن للجميع المشاركة في المسابقة فريق 1-3.

مسابقة سباق جوانب النظام، وسباق كل أسبوعين الطريقة التي من 22 مارس إلى 23 أبريل حتى الآن، وسوف تعقد اللجنة المنظمة مرتين في البطولة كل أسبوعين. سوف ترتيب البطولة مرة كل أسبوعين يكون 8 أبريل، 22 أبريل مساء 23:59:59 النتيجة يجب أن تسود قائمة الترتيب، فإن جميع المشاركين أن يكون الإلكتروني الإخطار، والمكافآت الجائزة مرة كل أسبوعين والمكافآت مع دفع النهائي.

جائزة المسابقة

بطل المسابقة: 30000 يوان، أصدرت شهادات جائزة

الوصيف: 10000 يوان، أصدرت شهادات جائزة

الوصيف: 3000 يوان، أصدرت شهادات جائزة

كل أسبوعين بطل: 3000 يوان

المزدوج تشو يا جون: 2000 يوان

المزدوج تشو Jijun: 1000 يوان

جائزة المسابقة: المبلغ المذكور ما قبل الضريبة

المرفقات: تحميل مجموعة البيانات: الشبكي: //challenger.ai/datasets

- انتهى -

التوظيف الصادق

المكدسة تقوم بتجنيد محرر / مراسل، ومقرها في تشونغ قوان تسون في بكين. نتوقع الموهوبين والطلاب المتحمسين للانضمام إلينا! مزيد من التفاصيل، يرجى و qubit عدد الجمهور (QbitAI) واجهة الحوار والرد "تجنيد" كلمة.

و qubit QbitAI عناوين على التوقيع

' " تتبع تقنيات AI دينامية جديدة والمنتجات