Первую часть статьи об основах NLP можно прочитать здесь. А сегодня мы поговорим об одной из самых популярных задач NLP – извлечении именованных сущностей (Named-entity recognition, NER) – и разберем подробно архитектуры решений этой задачи.
Рубрика «нейросети» - 26
NLP. Основы. Техники. Саморазвитие. Часть 2: NER
2019-05-14 в 12:07, admin, рубрики: ABBYY, machine learning, natural language processing, ner, RNN, Блог компании ABBYY, искусственный интеллект, машинное обучение, нейронные сети, нейросети, токены, эмбеддинги
Дайджест интересных материалов для мобильного разработчика #297 (6 — 12 мая)
2019-05-12 в 15:30, admin, рубрики: abdroid studio, accessibility, firebase, flutter, Google, Google Play, iOS, swift, ux дизайн, Блог компании Everyday Tools, маркетинг мобильных приложений, нейросети, разработка игр, разработка мобильных приложений, Разработка под android, разработка под iOSПосле длинных выходных возвращаемся с новым дайджестом. В нем новинки I/O и Build, PWA, Flutter и React Native, ограничения и переработки, UX и анимации.
Ученые из MIT нашли маленькие и точные нейросети, которые быстрее и легче учатся. Осталось понять, как их создать
2019-05-07 в 11:04, admin, рубрики: MIT, машинное обучение, нейросетиИсследователи Массачусетского Технологического Института (MIT) предположили, что современные нейросети можно уменьшить до десяти раз, не потеряв в точности предсказаний. Скорость и легкость обучения таких сетей также может быть значительно выше. При этом тренировать и обеспечивать данными их смогут даже программисты-одиночки, а не только технологические гиганты с GPU-серверами и огромными датасетами.
Читать полностью »
Окей, Google: как пройти капчу?
2019-04-26 в 6:11, admin, рубрики: automation, captcha, computer vision, Google, machine learning, neural network, optical character recognition, python, recaptcha, автоматизация, безопасность, информационная безопасность, капча, Компьютерное зрение, машинное обучение, нейросети, обработка изображений, оптическое распознавание символовЗдравствуйте. Меня зовут Ибадов Илькин, я студент Уральского федерального университета.
В данной статье я хочу рассказать о своем опыте автоматизированного решения капчи компании «Google» — «reCAPTCHA». Хотелось бы заранее предупредить читателя о том, что на момент написания статьи прототип работает не так эффективно, как может показаться из заголовка, однако, результат демонстрирует, что реализуемый подход способен решать поставленную задачу.
Читать полностью »
«Тайна третьей планеты» с улучшенной нейросетями графикой
2019-04-22 в 14:39, admin, рубрики: искусственный интеллект, машинное обучение, нейросетиЗаметил, что у Хабра есть интерес к теме улучшения графики в старых играх.
Я как раз сделал мод графики для первой готики.
А недавно, решил схожим методом улучшить графику в любимом с детства мультфильме — "Тайна третьей планеты".
Тут кадры-сравнения.
А ниже результат:
Расскажите, стоит ли этим заниматься. Надо ли это кому-то? Или классику лучше не трогать?
Читать полностью »
ProКонтент 2019: три хардовых доклада и частушка
2019-04-17 в 14:17, admin, рубрики: Блог компании «Лаборатория Касперского», документирование, конференции, нейросети, юзабилити интерфейсовПривет! У нас прошла конференция по разработке технической документации – ProКонтент 2019. Мне довелось изнутри посмотреть на процесс рождения конференции и даже выступить с пятиминутным мини-докладом. Не претендуя на объективность, очень кратко расскажу про доклады, которые мне больше всего понравились.
Читать полностью »
Ускоряем работу нейросетей с помощью хеширования
2019-04-12 в 12:00, admin, рубрики: искусственный интеллект, машинное обучение, нейросети, хешиИндустрия сконцентрировалась на ускорении перемножений матриц, однако улучшение алгоритма поиска может привести к более серьёзному повышению быстродействия
В последние годы компьютерная индустрия была занята, пытаясь ускорить вычисления, требуемые для искусственных нейросетей – как для обучения, так и для получения выводов её работы. В частности, довольно много усилий было положено на разработку специального железа, на котором можно выполнять эти вычисления. В Google разработали Tensor Processing Unit, или TPU, впервые представленный публике в 2016-м. Позже Nvidia представила V100 Graphics Processing Unit, описывая его, как чип, специально разработанный для обучения и использования ИИ, а также для других высокопроизводительных вычислительных нужд. Полно и иных стартапов, концентрирующихся на других типах аппаратных ускорителей.
Читать полностью »
Уменьшение зависимости от размеченных данных у генеративно-состязательных сетей
2019-03-22 в 12:00, admin, рубрики: GAN, Google, генеративно-состязательные сети, искусственный интеллект, машинное обучение, нейросетиГенеративно-состязательные сети (ГСС) [Generative Adversarial Networks, GAN] – обладающий интересными возможностями класс глубоких генеративных моделей. Их основная идея – обучение двух нейросетей, генератора, который обучается синтезу данных (к примеру, изображений), и дискриминатора, обучающегося тому, как отличать реальные данных от тех, что синтезировал генератор. Этот подход успешно использовался для высококачественного синтеза изображений, улучшения сжатия изображений, и прочего.
Читать полностью »
Семь мифов в области исследований машинного обучения
2019-03-19 в 12:00, admin, рубрики: TensorFlow, искусственный интеллект, машинное зрение, машинное обучение, нейросети, сверточные нейронные сетиДля тех, кому лень читать всё: предлагается опровержение семи популярных мифов, которые в области исследований машинного обучения часто считаются истинными, по состоянию на февраль 2019. Данная статья доступна на сайте ArXiv в виде pdf [на английском языке].
Миф 1: TensorFlow – это библиотека для работы с тензорами.
Миф 2: Базы данных изображений отражают реальные фотографии, встречающиеся в природе.
Миф 3: Исследователи МО не используют проверочные наборы для испытаний.
Миф 4: В обучении нейросети используются все входные данные.
Миф 5: Для обучения очень глубоких остаточных сетей требуется пакетная нормализация.
Миф 6: Сети с вниманием [attention] лучше свёрточных [convolution].
Миф 7: Карты значимости – надёжный способ интерпретации нейросетей.
А теперь — подробности.
Читать полностью »
У нейросетей удивительно простая стратегия классификации изображений
2019-03-15 в 7:00, admin, рубрики: глубинное обучение, искусственный интеллект, машинное обучение, нейросетиСвёрточные нейросети отлично справляются с классификацией искажённых изображений, в отличие от людей
В данной статье я покажу, почему передовые глубинные нейросети прекрасно могут распознавать искажённые изображения и как это помогает раскрыть удивительно простую стратегию, используемую нейросетями для классификации естественных фотографий. У этих открытий, опубликованных в ICLR 2019, есть много последствий: во-первых, они демонстрируют, что найти «решение» ImageNet гораздо проще, чем считалось. Во-вторых, они помогают нам создавать более интерпретируемые и понятные системы классификации изображений. В-третьих, они объясняют несколько явлений, наблюдаемых в современных свёрточных нейросетях (СНС), к примеру, их склонность к поиску текстур (см. другую нашу работу в ICLR 2019 и соотв. запись в блоге), и игнорирование пространственного расположения частей объекта.
Читать полностью »