Рубрика «нейросеть» - 12

Глубинное обучение по особенностям заголовка и содержимого статьи для преодоления кликбейта - 1
Облако слов для кликбейта

TL;DR: Я добился точности распознавания кликбейта 99,2% на тестовых данных по особенностям заголовка и контента. Код доступен в репозитории GitHub.

Когда-то в прошлом я написал статью о выявлении кликбейта. Та статья получила хорошие отклики, а также много критики. Некоторые сказали, что нужно учитывать содержимое сайта, другие просили больше примеров из разных источников, а некоторые предложили попробовать методы глубинного обучения.

В этой статье я постараюсь решить эти вопросы и вывести выявление кликбейта на новый уровень.
Читать полностью »

Испанские ученые разработали систему обнаружения пистолетов на изображениях - 1

Пистолеты — излюбленное огнестрельное оружие многих людей. Они невелики, пистолет можно спрятать под пиджаком или в сумке, точность стрельбы многих моделей очень высока (конечно, при условии наличия соответствующих навыков у владельца). К сожалению, все сказанное относится не только к добропорядочным гражданам, военным, сотрудникам правоохранительных органов, но и к преступникам. Небольшие пистолеты часто используются для грабежей, похищений и убийств.

Обнаружить пистолет далеко не так просто как кажется, внешних признаков их ношения может и не быть. Правда, некоторые преступники с огнестрельным оружием ведут себя не слишком предусмотрительно. Иногда они показывают оружие (случайно или специально) где-то на людях, сидя в автомобиле или же просто на улице. Если бы системы видеонаблюдения были оснащены специальным программным обеспечением, позволяющим выявлять такие случаи, то полицейские получали бы больше информации о потенциальных злоумышленниках. Возможно, такая система помогла бы сделать улицы городов разных стран более безопасными. Подобная программная платформа — вовсе не фантастика, над ее созданием сейчас работают ученые из Гранадского университета (Гранада, Испания).
Читать полностью »

Нейросеть DeepCoder учится программировать, заимствуя код у других программ - 1
Условная матрица неточностей для нейросети и тестового набора из 500 программ длиной в 3 строчки. Каждая ячейка содержит среднюю вероятность ложно-положительного результата (крупным шрифтом) и количество тестовых программ, из которых это значение выведено (меньшим шрифтом, в скобках). Насыщенность цвета коррелирует с вероятностью ложно-положительного результата

У программистов скоро появится хороший помощник: умная нейросеть, которая способна выполнять рутинные задачи. Более того, с помощью такой нейросети люди могут создавать программы, даже не зная синтаксиса конкретного языка и фактически не умея программировать. Нужно составить алгоритм и поставить задачи — а нейросеть напишет код для их решения.
Читать полностью »

Вероятностное улучшение фотографий по нескольким пикселям: модель Google Brain - 1
Пример работы нейросети после обучения на базе лиц знаменитостей. Слева — исходный набор изображений 8×8 пикселей на входе нейросети, в центре — результат интерполяции до 32×32 пикселей по предсказанию модели. Справа — реальные фотографии лиц знаменитостей, уменьшенные до 32×32, с которых были получены образцы для левой колонки

Можно ли повышать разрешение фотографий до бесконечности? Можно ли генерировать правдоподобные картины на основе 64 пикселей? Логика подсказывает, что это невозможно. Новая нейросеть от Google Brain считает иначе. Она действительно повышает разрешение фотографий до невероятного уровня.

Такое «сверхповышение» разрешения не является восстановлением исходного изображения по копии низкого разрешения. Это синтез правдоподобной фотографии, которая вероятно могла быть исходным изображением. Это вероятностный процесс.
Читать полностью »

Алгоритм глубинного обучения диагностирует рак кожи не хуже квалифицированного дерматолога - 1

Глубинное обучение — перспективная методика обучения алгоритмов, которая задействована в большом количестве сфер (информационная безопасность, анализ результатов исследований, распознавание изображений). Что касается распознавания изображений, то здесь речь идет не только о том, что машина может отличить кошку от собаки, как это было с нейросетью Google. Нет, подобная технология может оказаться полезной и в медицине, в частности, в онкологии.

Ученые из Стэнфорда создали систему, которая способна ставить диагноз, анализируя фотографию кожи пациента. Недавние тесты показали впечатляющие результаты: алгоритм ставил диагнозы так же точно, как и врачи-дерматологи с большим опытом и серьезной квалификацией. Для сравнения возможностей технологии авторы проекта попросили поставить диагноз по изображению участков кожи различных людей профессиональных дерматологов (с верификацией диагноза), а затем эти же изображения показывали машине.
Читать полностью »

Домашнее задание от МТИ: пишем нейросеть для манёвров в дорожном трафике - 1

DeepTraffic — интересная интерактивная игра, поучаствовать в которой может любой желающий, а студенты Массачусетского технологического института (МТИ), которые изучают курс глубинного обучения в беспилотных автомобилях, обязаны показать хороший результат в этой игре, чтобы им засчитали выполненное задание.
Читать полностью »

image

Пока TensorFlow активно завоевывает мир, воюет за аудиторию с такими крупными игроками рынка машинного обучения и глубоких нейронных сетей как Keras, Theano и Caffe, другие менее грандиозные проекты тем временем партизанят, пытаясь занять хоть какую-нибудь нишу. Про один из таких проектов я как раз и хотел сегодня рассказать ввиду полного отсутствия информации о нем на Хабрахабре. Итак, tiny-dnn — это полностью автономная C++11 реализация глубинного обучения, созданная для применения в условиях ограниченных вычислительных ресурсов, встроенных систем или IoT. Подробности под катом.
Читать полностью »

Покерная программа DeepStack обыгрывает профессионалов один на один - 1
Дерево решений программы DeepStack в хедс-апе (игре один на один) безлимитного холдема на префлопе, флопе и тёрне

Пионер современной теории игр Джон фон Нейман говорил: «Реальная жизнь вся состоит из блефа, из маленьких приёмов обмана, из размышлений о том, каких действий ожидает от тебя другой человек. Вот что представляет игра в моей теории» (цитата из 13-й серии документального сериала «Возвышение человечества»).

Другими словами, Джон фон Нейман предвидел, что для создания сильного ИИ компьютер должен научиться играть в игры с неполной информацией, которые наиболее соответствуют человеческому поведению в реальной жизни. Такие игры как покер.
Читать полностью »

Apple опубликовала первую работу по ИИ - 1
Обучение состязательной нейросети на основе аннотированных синтетических и неаннотированных реальных изображений. Иллюстрация из первой научной работы Apple по ИИ

Представьте будущее, в котором системы искусственного интеллекта крупных корпораций будут конкурировать между собой, зарабатывая деньги для своих акционеров. Разумеется, у корпоративного ИИ основной задачей будет максимизация прибыли. Хорошо, если акционерами компании будут люди и прибыль достанется им. Программы ИИ могут анализировать рынок, определять наиболее перспективные рыночные ниши, устанавливать сотрудникам задачи по разработке новых продуктов. Возможно, ИИ может и сам генерировать продукты, но проверять их надо на людях, так что живые сотрудники всё равно необходимы корпорации для тестирования.

Такое киберпанковское будущее становится немного ближе.
Читать полностью »

Машинный слух. Нейросеть SoundNet обучили распознавать объекты по звуку - 1
Слева: попытка распознать место действия и объекты только по звуку. Справа: реальный источник звука

В последнее время нейросети добились немалого прогресса в области распознавания объектов и сцен на видео. Такие достижения стали возможны благодаря обучению на массивных наборах данных с размеченными объектами (например, см. работу "Learning deep features for scene recognition using places database". NIPS, 2014). Глядя на фотографии или видеоролики, компьютер может практически безошибочно определить место действия, выбрав одно подходящее описание из 401 сцены, например, «захламлённая кухня», «стильная кухня», «спальня подростка» и т.д. А вот в области понимания звуков нейросети пока не демонстрировали такого прогресса. Специалисты из Лаборатории информатики и искусственного интеллекта (CSAIL) Массачусетского технологического института исправили этот недостаток, разработав систему машинного обучения SoundNet.
Читать полностью »


https://ajax.googleapis.com/ajax/libs/jquery/3.4.1/jquery.min.js