- 방향:
- 모두 웹3.0 백엔드 개발 웹 프론트엔드 데이터 베이스 운영 및 유지보수 개발 도구 PHP 프레임워크 일일 프로그램 위챗 애플릿 일반적인 문제 다른 기술 CMS 튜토리얼 Java 시스템 튜토리얼 컴퓨터 튜토리얼 하드웨어 튜토리얼 모바일 튜토리얼 소프트웨어 튜토리얼 모바일 게임 튜토리얼
- 나누다:
-
- 광학 데이터 세트의 활용도를 높이기 위해 Tianda 팀은 스펙트럼 예측 효과를 향상시키는 AI 모델을 제안했습니다.
- Editor | Dead Leaf Butterfly 최근 천진대학교 레이저광전자공학연구소 Wu Liang 부교수와 Yao Jianquan 학자 팀, 자연어 처리 연구소 Xiong Deyi 교수팀은 딥러닝 모델을 활용한 솔루션을 보고했습니다. 스펙트럼 예측 효과를 향상시키기 위해 다중 주파수 보충 입력을 사용합니다. 이 방식은 다중 주파수 입력 데이터를 사용하여 스펙트럼 예측의 정확도를 향상시킬 수 있습니다. 또한 이 솔루션은 스펙트럼 예측 과정에서 잡음 간섭을 줄여 예측 효과를 향상시킬 수도 있습니다. 이 솔루션은 기존 광학 데이터 세트의 활용도를 향상시키고 훈련 비용을 늘리지 않고도 메타표면 구조에 해당하는 스펙트럼 응답의 예측 효과를 향상시킬 수 있습니다. 관련 연구 결과는 "Deep을 이용한 향상된 스펙트럼 예측
- 일체 포함 649 2024-06-06 12:09:28
-
- 단일 4090 추론 가능, 2000억 희소 대형 모델 'Tiangong MoE'가 오픈 소스입니다.
- 대규모 모델의 물결 속에서 최첨단 밀집 세트 LLM을 교육하고 배포하는 것은 특히 수백억 또는 수천억 개의 매개변수 규모에서 계산 요구 사항 및 관련 비용 측면에서 큰 과제를 안겨줍니다. 이러한 과제를 해결하기 위해 전문가 혼합(MoE) 모델과 같은 희소 모델이 점점 더 중요해지고 있습니다. 이러한 모델은 리소스 요구 사항이 매우 낮은 밀집된 세트 모델의 성능과 일치하거나 심지어 그 성능을 초과할 가능성이 있는 다양한 특수 하위 모델 또는 "전문가"에게 계산을 분산함으로써 경제적으로 실행 가능한 대안을 제공합니다. 6월 3일, 오픈 소스 대형 모델 분야에서 또 다른 중요한 소식이 전해졌습니다. Kunlun Wanwei는 강력한 성능을 유지하면서 추론 비용을 크게 줄이는 오픈 소스 2,000억 개의 희소 대형 모델 Skywork-MoE를 발표했습니다. 이전 Kunlun Wanwei 오픈 소스 Skywo 기반
- 일체 포함 923 2024-06-05 22:14:46
-
- HuggingFace에서 SOTA 시각적 모델을 만드는 방법을 알려드립니다.
- 이전에는 OpenAI의 GPT-4o가 있었고, Google의 왕 시리즈가 뒤를 이어 고급 다중 모드 대형 모델이 시장에 출시되었습니다. 다른 실무자들도 충격을 받고 어떻게 하면 슈퍼모델들을 다시 따라잡을 수 있을지 고민하기 시작했다. HuggingFace와 프랑스 Sorbonne University의 이 논문에서는 대규모 시각적 모델을 구축하면서 얻은 주요 경험을 요약하고 개발자를 위한 방법을 제시했습니다. 사진 속 이러한 경험은 모델 아키텍처 선택, 훈련 방법, 훈련 데이터 등 다양한 측면을 다루고 있습니다. 저자는 여러 번 비교한 후 자세한 요약을 제공합니다. 핵심 내용은 다음과 같습니다. 대규모 시각적 모델을 잘 수행하려면 아키텍처 선택이 매우 중요합니다. 언어 모델은 시각적 모듈보다 전반적인 성능에 더 큰 영향을 미칩니다. 단계적 사전 학습 전략을 채택하는 것이 모델 기능 구축에 더 도움이 됩니다. 훈련 데이터에는 다음이 포함되어야 합니다.
- 일체 포함 933 2024-06-05 21:39:58
-
- 당신이 모르는 머신러닝의 5가지 학교
- 머신 러닝은 명시적으로 프로그래밍하지 않고도 컴퓨터가 데이터로부터 학습하고 능력을 향상시킬 수 있는 능력을 제공하는 인공 지능의 중요한 분야입니다. 머신러닝은 이미지 인식, 자연어 처리, 추천 시스템, 사기 탐지 등 다양한 분야에서 폭넓게 활용되며 우리의 삶의 방식을 변화시키고 있습니다. 기계 학습 분야에는 다양한 방법과 이론이 있으며, 그 중 가장 영향력 있는 5가지 방법을 "기계 학습의 5개 학교"라고 합니다. 5개 주요 학파는 상징학파, 연결주의 학파, 진화학파, 베이지안 학파, 유추학파이다. 1. 상징주의라고도 알려진 상징주의는 논리적 추론과 지식 표현을 위해 상징을 사용하는 것을 강조합니다. 이 사고 학교는 학습이 기존을 통한 역연역 과정이라고 믿습니다.
- 일체 포함 787 2024-06-05 20:51:22
-
- Bytedance Beanbao 대형 모델 출시, Volcano Engine 풀스택 AI 서비스로 기업의 지능적 혁신 지원
- Volcano Engine의 Tan Dai 사장은 대형 모델을 구현하려는 기업은 모델 효율성, 추론 비용, 구현 어려움이라는 세 가지 주요 과제에 직면하게 된다고 말했습니다. 복잡한 문제를 해결하기 위한 지원으로 좋은 기본 대형 모델이 있어야 하며, 서비스를 통해 대규모 모델을 널리 사용할 수 있으며 기업이 시나리오를 구현하는 데 더 많은 도구, 플랫폼 및 애플리케이션이 필요합니다. ——Tan Dai, Huoshan Engine 01 사장. 대형 빈백 모델이 출시되어 많이 사용되고 있습니다. 모델 효과를 연마하는 것은 AI 구현에 있어 가장 중요한 과제입니다. Tan Dai는 좋은 모델은 많은 양의 사용을 통해서만 연마될 수 있다고 지적했습니다. 현재 Doubao 모델은 매일 1,200억 개의 텍스트 토큰을 처리하고 3,000만 개의 이미지를 생성합니다. 기업이 대규모 모델 시나리오를 구현하는 데 도움을 주기 위해 ByteDance가 독자적으로 개발한 beanbao 대규모 모델이 화산을 통해 출시됩니다.
- 일체 포함 905 2024-06-05 19:59:21
-
- NVIDIA의 새로운 연구: 컨텍스트 길이가 심각하게 거짓이며 32K 성능이 검증된 경우가 많지 않습니다.
- "긴 컨텍스트" 대형 모델의 잘못된 표준 현상을 무자비하게 노출 - NVIDIA의 새로운 연구에서는 GPT-4를 포함한 10개의 대형 모델이 128k 또는 심지어 1M의 컨텍스트 길이를 생성하는 것으로 나타났습니다. 그러나 몇 가지 테스트를 거친 후 새로운 지표인 "유효 컨텍스트"가 심각하게 줄어들었고 32K에 도달할 수 있는 사람은 많지 않습니다. 새로운 벤치마크는 RULER라고 불리며 검색, 다중 홉 추적, 집계, 질문 및 답변의 네 가지 범주에 총 13개의 작업이 포함되어 있습니다. RULER는 모델이 4K 길이에서 Llama-7B 기준과 동일한 성능을 유지할 수 있는 최대 길이인 "유효 컨텍스트 길이"를 정의합니다. 학자들은 이 연구를 "매우 통찰력이 있다"고 평가했습니다. 이 새로운 연구를 본 후 많은 네티즌들은 문맥왕 플레이어인 클로드와 제미니도 보고 싶어했습니다.
- 일체 포함 1039 2024-06-05 16:22:47
-
- iPhone이나 터미널 실습에 yolov를 배포하는 전체 과정
- 오랫동안 기다려온 탐지 클래식에는 YOLOv5라는 또 다른 공격이 있습니다. 그중 YOLOv5에는 완전한 파일이 없습니다. 이제 가장 중요한 것은 YOLOv4를 파악하는 것입니다. YOLOv4는 표적 탐지 분야에서 많은 이점을 제공하고 특정 시나리오에서 크게 향상될 수 있습니다. 오늘은 YOLOv4를 분석해보겠습니다. 다음 호에서는 YOLOv5를 Apple 휴대폰에 배포하거나 단말기의 카메라를 통해 실시간으로 감지하는 연습을 해보겠습니다. 1. 기술 검토 CNN(Convolutional Neural Network)의 정확도를 높이기 위해 고려되는 기능이 많이 있습니다. 이러한 기능의 조합은 대규모 데이터 세트에서 실제로 테스트되어야 하며 결과는 이론적으로 검증되어야 합니다. 일부 기능은 특정 모델에서만 작동하고, 일부 질문은 특정 모델에서만 작동하거나 소규모 문제에서만 작동합니다.
- 일체 포함 515 2024-06-05 16:17:14
-
- 구현 지능에 대한 3차원 인식의 새로운 체인인 TeleAI & Shanghai AI Lab은 다관점 융합 구현 모델 'SAM-E'를 제안했습니다.
- AIxiv 칼럼은 본 사이트에서 학술 및 기술 콘텐츠를 게재하는 칼럼입니다. 지난 몇 년 동안 이 사이트의 AIxiv 칼럼에는 전 세계 주요 대학 및 기업의 최고 연구실을 대상으로 한 2,000개 이상의 보고서가 접수되어 학술 교류 및 보급을 효과적으로 촉진하고 있습니다. 공유하고 싶은 훌륭한 작품이 있다면 자유롭게 기여하거나 보고를 위해 연락주시기 바랍니다. 제출 이메일: liyazhou@jiqizhixin.com; zhaoyunfeng@jiqizhixin.com 기계식 시계를 집어들면 앞면에서 다이얼과 핸즈, 측면에서 크라운과 브레이슬릿, 시계 뒷면을 열면 보입니다. , 복잡한 기어와 움직임을 살펴보겠습니다. 각 관점은 서로 다른 정보를 제공하며, 이를 결합하여 전체 작업 개체를 이해할 수 있습니다.
- 일체 포함 535 2024-06-05 16:09:27
-
- 국가데이터표준화기술위원회, 국가데이터표준화기술위원회 설립 승인
- 2024년 5월 24일 오후, 제7차 디지털 중국 건설 서밋 메인 포럼이 푸저우에서 열렸습니다. 당 지도부 서기이자 국가 데이터 관리국 국장인 Liu Liehong, 당 지도부 구성원이자 국가 시장 규제 관리국 부국장인 Tian Shihong, 국가 표준 관리국 국장 등이 회의에 참석했습니다. 회의에서는 디지털 차이나 구축의 중요성과 전략 기획에 관해 심도 있는 논의가 진행되었습니다. 참가자들은 디지털 혁신이 국가 발전의 핵심 동인이 되었음을 인식했습니다. 동시에 그들은 경제, 사회 및 거버넌스에 디지털 기술을 광범위하게 적용할 것을 강조했습니다. Tian Shihong은 회의에서 "국가 데이터 표준화 기술 위원회 설립 준비에 관한 고시"를 낭독했습니다. 국가데이터표준화기술위원회는 데이터 자원, 데이터 기술, 데이터 순환, 스마트시티, 디지털 전환 등을 담당하게 된다.
- 일체 포함 490 2024-06-05 13:51:45
-
- 강화 학습 전략을 통한 특징 선택
- 기능 선택은 기계 학습 모델을 구축하는 과정에서 중요한 단계입니다. 모델과 달성하려는 작업에 적합한 기능을 선택하면 성능이 향상될 수 있습니다. 고차원 데이터 세트를 다루는 경우 기능을 선택하는 것이 특히 중요합니다. 이를 통해 모델은 더 빠르고 효과적으로 학습할 수 있습니다. 아이디어는 최적의 기능 수와 가장 의미 있는 기능을 찾는 것입니다. 이 기사에서는 강화 학습 전략을 통해 새로운 기능 선택을 소개하고 구현합니다. 강화 학습, 특히 Markov 결정 프로세스에 대해 논의하는 것부터 시작합니다. 이는 데이터 과학 분야의 매우 새로운 방법으로, 특히 기능 선택에 적합합니다. 그런 다음 구현 방법과 Python 라이브러리(FSRLearning) 설치 및 사용 방법을 소개합니다. 마지막으로 이를 설명하기 위해 간단한 예를 사용합니다.
- 일체 포함 465 2024-06-05 13:00:43
-
- HPE Aruba 네트워킹의 미래 지향적인 관점: AI 기반 보안 컨버지드 네트워크 구축
- 디지털 시대에 네트워크는 세상을 연결하는 연결고리일 뿐만 아니라 비즈니스와 사회 발전을 촉진하는 핵심 원동력이기도 합니다. 모바일 장치, 사물 인터넷(IoT) 및 클라우드 서비스의 폭발적인 성장으로 인해 사용자의 네트워크 의존도는 전례 없는 수준에 이르렀습니다. 언제 어디서나 안전하고 효율적인 접속을 제공할 수 있는 네트워크 환경은 개인과 기업 모두에게 필수가 되었습니다. 그러나 이러한 수요 증가는 특히 사이버 보안과 네트워크 아키텍처의 복잡성 측면에서 그 자체의 과제도 안겨줍니다. 올해 Gartner가 발표한 유선 및 무선 개입에 대한 최신 Magic Quadrant에서 HPE Aruba Networking은 자동화된 네트워크 오케스트레이션, 고급 소프트웨어 업그레이드 기술, 통합 인공 지능(AI) 기능 분야의 솔루션으로 다시 한 번 인정을 받았습니다.
- 일체 포함 745 2024-06-05 11:12:47
-
- ECCV 2024 워크숍 다중 모드 이해 및 자율 주행 어려운 시나리오의 비디오 생성 논문 모집 및 챌린지가 시작되었습니다!
- 워크숍 홈페이지: https://coda-dataset.github.io/w-coda2024/ 개요 이 워크숍은 현재의 최첨단 자율주행 기술과 포괄적이고 신뢰할 수 있는 지능형 자율주행 에이전트 간의 격차를 탐구하는 것을 목표로 합니다. 최근 몇 년 동안 대규모 다중 모드 모델(예: GPT-4V)은 다중 모드 인식 및 이해에 있어 전례 없는 발전을 보여주었습니다. MLLM을 사용하여 자율 주행의 복잡한 시나리오, 특히 드물지만 중요한 하드 케이스 시나리오를 처리하는 것은 해결되지 않은 과제입니다. 이 워크숍은 다중 모드 대형 모델 인식 및 이해, 자율 주행 시스템에 첨단 AIGC 기술 적용, 엔드투엔드 자율 주행에 대한 혁신적인 연구를 촉진하는 것을 목표로 합니다. 일하다
- 일체 포함 882 2024-06-04 20:47:35
-
- 기초가 전혀 없어도 컨볼루션 신경망의 원리를 이해할 수 있습니다! 매우 상세합니다!
- 저자처럼 기술을 사랑하고 AI에 큰 관심을 갖고 있는 친구들은 컨볼루셔널 신경망에 대해 잘 알고 있을 것이고, 이런 '고급' 이름에 오랫동안 헷갈려 했을 거라 믿는다. 저자는 오늘 처음부터 컨볼루셔널 신경망의 세계로 들어갑니다~ 모두와 공유해보세요! 컨볼루셔널 신경망에 대해 알아보기 전에 이미지가 어떻게 작동하는지 살펴보겠습니다. 이미지 원리 이미지는 컴퓨터에서 숫자(0~255)로 표시되며, 각 숫자는 이미지 픽셀의 밝기나 색상 정보를 나타냅니다. 그중에는 흑백 이미지가 있습니다. 각 픽셀에는 하나의 값만 있으며 이 값은 0(검은색)에서 255(흰색) 사이에서 변합니다. 컬러 이미지: 각 픽셀에는 세 가지 값이 포함되어 있으며, 가장 일반적인 것은 빨간색, 녹색, 파란색인 RGB(Red-Green-Blue) 모델입니다.
- 일체 포함 390 2024-06-04 20:19:27
-
- 회절 한계를 1.5배 초과, 이미징 조건은 10배 더 낮음, 칭화대학교와 중국과학원은 AI 방법을 사용하여 현미경 해상도 향상
- 그림: ZS-DeconvNet을 통한 빠른 감광성 생물학적 과정의 장기 SR 이미징. (출처: Paper) Editor | 전통적인 분석 알고리즘과 딥러닝 모델을 포함한 당근 피부 계산 초해상도 방법은 광학 현미경을 크게 향상시켰습니다. 그 중 지도심층신경망은 뛰어난 성능을 보여주었지만, 살아있는 세포의 높은 역동성으로 인해 대량의 고품질 훈련 데이터가 필요하며 이러한 데이터를 얻는 것은 매우 힘들고 비실용적입니다. 최근 연구에서 칭화대학교와 중국과학원 연구원들은 회절극 너머 현미경 이미지의 해상도를 즉각적으로 향상시킬 수 있는 제로샷 디콘볼루션 네트워크(ZS-DeconvNet)를 개발했습니다.
- 일체 포함 617 2024-06-04 19:26:15
-
- 그것에 집중하세요! ! 인과 추론을 위한 두 가지 주요 알고리즘 프레임워크 분석
- 1. 전체 프레임워크의 주요 작업은 세 가지 범주로 나눌 수 있습니다. 첫 번째는 인과구조의 발견, 즉 데이터로부터 변수들 간의 인과관계를 찾아내는 것이다. 두 번째는 인과효과 추정, 즉 한 변수가 다른 변수에 미치는 영향 정도를 데이터로부터 추론하는 것이다. 이러한 영향은 상대적인 성격을 말하는 것이 아니라, 하나의 변수가 개입될 때 다른 변수의 값이나 분포가 어떻게 변하는가를 의미한다는 점에 유의해야 합니다. 마지막 단계는 편향을 수정하는 것입니다. 왜냐하면 많은 작업에서 다양한 요인으로 인해 개발 샘플과 애플리케이션 샘플의 분포가 다를 수 있기 때문입니다. 이 경우 인과 추론은 편견을 수정하는 데 도움이 될 수 있습니다. 이러한 기능은 다양한 시나리오에 적합하며 그 중 가장 일반적인 것은 의사 결정 시나리오입니다. 인과 추론을 통해 우리는 다양한 사용자가 의사 결정 행동에 어떻게 반응하는지 이해할 수 있습니다. 둘째, 업계에서는
- 일체 포함 644 2024-06-04 16:45:02