無(wú)監(jiān)督學(xué)習(xí)

基于不同量級(jí)預(yù)訓(xùn)練數(shù)據(jù)的RoBERTa模型分析

NLP領(lǐng)域的研究目前由像RoBERTa等經(jīng)過(guò)數(shù)十億個(gè)字符的語(yǔ)料經(jīng)過(guò)預(yù)訓(xùn)練的模型匯主導(dǎo)。那么對(duì)于一個(gè)預(yù)訓(xùn)練模型，對(duì)于不同量級(jí)下的預(yù)訓(xùn)練數(shù)據(jù)能夠提取到的知識(shí)...

2023-03-03 標(biāo)簽：神經(jīng)網(wǎng)絡(luò)nlp無(wú)監(jiān)督學(xué)習(xí) 1753 0

一文解析人工智能之CV領(lǐng)域內(nèi)的無(wú)監(jiān)督學(xué)習(xí)

簡(jiǎn)單講就是小batch 先不帶梯度推理保存結(jié)果，再帶梯度推理計(jì)算loss，但是需要重復(fù)推理，浪費(fèi)了訓(xùn)練時(shí)間。

2022-07-21 標(biāo)簽：cnn無(wú)監(jiān)督學(xué)習(xí) 1387 0

Recursive prompting增強(qiáng)語(yǔ)言模型方案

無(wú)監(jiān)督問(wèn)題分解，將原問(wèn)題分解為多個(gè)相對(duì)簡(jiǎn)單的子問(wèn)題。這里需要訓(xùn)練一個(gè)分解模型，用于將復(fù)雜問(wèn)題分解成多個(gè)子問(wèn)題。

2023-03-23 標(biāo)簽：語(yǔ)言模型無(wú)監(jiān)督學(xué)習(xí) 305 0

監(jiān)督學(xué)習(xí)和無(wú)監(jiān)督學(xué)習(xí)

在一般情況下，用來(lái)訓(xùn)練的訓(xùn)練集的標(biāo)簽都是由業(yè)務(wù)方來(lái)標(biāo)記，在工作中，最常見(jiàn)的其實(shí)就是數(shù)據(jù)分類(lèi)了，通過(guò)已有的訓(xùn)練的樣本去訓(xùn)練得到一個(gè)模型，我們會(huì)采用K折交叉...

2020-04-15 標(biāo)簽：函數(shù)機(jī)器學(xué)習(xí)無(wú)監(jiān)督學(xué)習(xí) 3954 1

人工智能可預(yù)測(cè)退行性疾病，助力精準(zhǔn)醫(yī)學(xué)

初創(chuàng)公司利用無(wú)監(jiān)督學(xué)習(xí)方法開(kāi)發(fā)出預(yù)測(cè)阿茨海默癥進(jìn)展的系統(tǒng)，可擴(kuò)展到其他退行性疾病預(yù)測(cè)，助力精準(zhǔn)醫(yī)學(xué)。

2018-07-27 標(biāo)簽：人工智能無(wú)監(jiān)督學(xué)習(xí) 3466 0

BigBiGAN問(wèn)世,“GAN父”都說(shuō)酷的無(wú)監(jiān)督表示學(xué)習(xí)模型有多優(yōu)秀?

BigBiGAN是一種純粹基于生成模型的無(wú)監(jiān)督學(xué)習(xí)方法，它在ImageNet上實(shí)現(xiàn)了圖像表示學(xué)習(xí)的最好的結(jié)果。

2019-07-11 標(biāo)簽：GaN無(wú)監(jiān)督學(xué)習(xí) 2738 0

英偉達(dá)通過(guò)利用GAN及無(wú)監(jiān)督學(xué)習(xí)，實(shí)現(xiàn)了場(chǎng)景間的四季轉(zhuǎn)換

英偉達(dá)近期在GAN相關(guān)研究和應(yīng)用方面進(jìn)展迅猛，在前一陣的成果展示中，通過(guò)利用生成對(duì)抗網(wǎng)絡(luò)(GAN)及無(wú)監(jiān)督學(xué)習(xí)兩種深度學(xué)習(xí)技術(shù)，實(shí)現(xiàn)了場(chǎng)景間的四季轉(zhuǎn)換，...

2018-05-16 標(biāo)簽：gan英偉達(dá)深度學(xué)習(xí) 2521 0

無(wú)監(jiān)督學(xué)習(xí)的數(shù)據(jù)集變換和聚類(lèi)

降維：接受數(shù)據(jù)的高維表示，找到新的表示方法，以用較少的特征概括重要特性。

2020-05-04 標(biāo)簽：算法無(wú)監(jiān)督學(xué)習(xí) 2057 0