ScholarGate
دستیار

معماری‌ها و آموزش

124 روش در این خانواده.

برگزیده

آموزش خصمانهAdversarial Training is a robust optimization procedure for deep neural networks in which the model is trained not on clean data alone but on worst-case perturbed inputs crafted duAlexNetAlexNet is a deep convolutional neural network (CNN) introduced by Alex Krizhevsky, Ilya Sutskever, and Geoffrey Hinton in 2012. It won the ImageNet Large Scale Visual Recognition نرمال‌سازی دسته‌ای (Batch Normalization)Batch Normalization is a training technique introduced by Sergey Ioffe and Christian Szegedy in 2015 that normalizes the pre-activation outputs of each layer using the mean and varشبکه کپسولیA Capsule Network (CapsNet) is a deep learning architecture introduced by Sara Sabour, Nicholas Frosst and Geoffrey Hinton in 2017 that organises neurons as vectors (capsules) rathشبکه عصبی کانولوشنی (طبقه‌بندی)A Convolutional Neural Network (CNN) is a deep learning model, established by LeCun and colleagues in 1998, that learns local patterns directly from images and structured data to cیادگیری برنامه‌درسیCurriculum Learning is a training strategy for machine learning models, introduced by Bengio et al. in 2009, in which training examples are presented in a meaningful order—typicall

مسیر مطالعه

پرارجاع‌ترین روش‌های بنیادی این موضوع، به ترتیب پیدایش آن‌ها — جایی برای آغاز اگر تازه‌واردید.

  1. یادگیری تقویتی1950s–1998به قلم Sutton, R. S. & Barto, A. G. (formalised); Bellman, R. (foundations)
  2. پِرسِپترون چندلایه‌ای (MLP)1986به قلم Rumelhart, D. E.; Hinton, G. E.; Williams, R. J.
  3. یادگیری انتقالی با شبکه‌های عصبی کانولوشنی2010–2014به قلم Pan, S. J. & Yang, Q. (transfer learning framework); popularized for CNNs by Yosinski et al. and Razavian et al.
  4. شبکه عصبی کانولوشنی تنظیم‌شده2012–2014به قلم Yosinski, J. et al. (theoretical basis); practice widespread from Krizhevsky et al. 2012 onward
  5. تعبیه‌های جملات چندوجهی2013–2021به قلم Frome et al. (DeViSE, 2013); popularized by Radford et al. (CLIP, 2021)
  6. ResNet (شبکه باقی‌مانده)2016به قلم He, K.; Zhang, X.; Ren, S.; Sun, J.
  7. برش زنی نمونه (Instance Segmentation)2017به قلم He, K., Gkioxari, G., Dollar, P., Girshick, R.
  8. تعبیه‌های چندزبانه جمله2019–2022به قلم Reimers, N. & Gurevych, I.; Feng, F. et al. (Google)
همهٔ روش‌های این قفسه ↓

همهٔ روش‌ها 124

آموزش خصمانهAlexNetنرمال‌سازی دسته‌ای (Batch Normalization)شبکه کپسولیشبکه عصبی کانولوشنی (طبقه‌بندی)یادگیری برنامه‌درسیافزایش دادهشبکه باور عمیق (DBN)یادگیری تقویتی عمیقDenseNetشبکه عصبی کانولوشنی گشادشده (Dilated CNN)مدل خطی تجزیه‌پذیر برای پیش‌بینی سری‌های زمانی (DLinear)شبکه عصبی کانولوشنی سازگار با دامنهDoc2Vec تطبیق‌پذیر با دامنهبخش‌بندی نمونه تطبیقی دامنهDomain-adaptive Multilayer Perceptronپرسش و پاسخ سازگار با دامنه (DA-QA)یادگیری تقویتی تطبیقی دامنهخلاصه‌سازی متن با انطباق دامنهقطع تصادفیEcho State NetworkEfficientNetشبکه‌های عصبی گراف توضیح‌پذیر (Explainable Graph Neural Networks)Image Segmentation با قابلیت توضیح‌پذیری (Explainable Instance Segmentation)پرسش و پاسخ توضیح‌پذیریادگیری تقویتی قابل توضیحتعبیه‌های جمله قابل توضیحخلاصه‌سازی متن تبیین‌پذیرFaster R-CNNفیلم: مدل حافظه لژاندر بهبود یافته با فرکانسشبکه عصبی کانولوشنی تنظیم‌شدهDoc2Vec تنظیم‌شدهیادگیری چندلایه از پیش تنظیم شده (Fine-Tuned Multilayer Perceptron)یادگیری تقویتی تنظیم‌شده دقیقفریتس: شبکه‌های پرسپترون چندلایه در حوزه فرکانس برای پیش‌بینی سری‌های زمانیشبکه کانولوشن گراف (GCN)شبکه عصبی گرافشبکه Inception (GoogLeNet)برش زنی نمونه (Instance Segmentation)تقطیر دانش (Knowledge Distillation)شبکه‌های کولموگروف-آرنولدکوپا: پیش‌بینی‌کننده‌های کوپمن برای سری‌های زمانی ناایستاLightTS: یک MLP سبک‌محور برای پیش‌بینی سری‌های زمانی چندمتغیرهلورا و PEFTمامبا (مدل فضای حالت)MICN: شبکه کانولوشن ایزومتریک چندمقیاسی برای پیش‌بینی سری‌های زمانی بلندمدتترکیبی از متخصصانMobileNet: شبکه‌های عصبی کانولوشنی کارآمد برای بینایی ماشین در موبایلپِرسِپترون چندلایه‌ای (MLP)شبکه عصبی کانولوشنی چندزبانهMultilingual Doc2Vecشبکه عصبی گراف چندزبانهپرسپترون چندلایه چندزبانهپرسش و پاسخ چندزبانهیادگیری تقویتی چندزبانهتعبیه‌های چندزبانه جملهشبکه عصبی پیچشی چندوجهیداک تو وِک چندوجهیشبکه عصبی گراف چندوجهیتقسیم‌بندی نمونه چندوجهیپرسپترون چندلایه‌ی چندوجهیپاسخگویی به پرسش‌های چندوجهییادگیری تقویتی چندوجهی (Multimodal Reinforcement Learning)تعبیه‌های جملات چندوجهیخلاصه‌سازی متن چندوجهییادگیری چندوظیفه‌ایN-BEATSN-BEATSxN-HiTSNEAT: تکامل عصبی توپولوژی‌های افزایشیجستجوی معماری عصبیODE عصبیمیدان‌های تابش عصبی (NeRF)انتقال سبک عصبیجریان‌های نرمال‌ساز (Normalizing Flows)یادگیری تقویتیResNet (شبکه باقی‌مانده)ResNeXtماشین بولتزمن محدود (RBM)SCINet: شبکه‌ی کانولوشن و تعامل نمونه برای پیش‌بینی سری زمانیمدل قطعه‌بندی هر چیزی (Segment Anything Model - SAM)شبکه عصبی کانولوشنی خودنظارتیSelf-supervised Instance Segmentationپرسش و پاسخ خودنظارتییادگیری تقویتی خودنظارتیجاسازی‌های جملات خودنظارتیشبکه عصبی کانولوشنی نیمه‌نظارت‌شدهSemi-supervised Doc2Vecشبکه عصبی گراف نیمه‌نظارتیتقسیم‌بندی نمونه نیمه‌نظارت‌شدهپرسپترون چندلایه نیمه‌نظارت‌شدهپرسش و پاسخ نیمه‌نظارتییادگیری تقویتی نیمه‌نظارت‌شدهتعبیه‌های جمله نیمه‌نظارتیخلاصه‌سازی متن نیمه‌نظارتیبهینه‌ساز گرادیان کاهشی تصادفی (SGD) با مومنتوم / بهینه‌ساز Adamشبکه عصبی سیامیسیم‌سی‌ال‌آر (SimCLR)شبکه‌های کانولوشن گرافی فضایی-زمانیSundial: مدل‌های بنیادی سری زمانی مولدTextCNNTiDE: انکودر متراکم سری زمانیTimeMixer: ترکیبی چندمقیاسی تجزیه‌پذیر برای پیش‌بینی سری‌های زمانیTimesFM: یک مدل پایه فقط-رمزگشا برای پیش‌بینی سری‌های زمانیTimesNet: مدل‌سازی تغییرات دوبعدی زمانی برای سری‌های زمانییادگیری انتقالی با شبکه‌های عصبی کانولوشنیTransfer Learning with Graph Neural Networkیادگیری انتقالی با بخش‌بندی نمونه (Transfer Learning with Instance Segmentation)یادگیری انتقالی با یادگیری تقویتییادگیری انتقالی با خلاصه‌سازی متنیادگیری انتقالی با Word2VecTSMixer: معماری تمام MLP برای پیش‌بینی سری زمانییونِتVGGNet (شبکه‌های کانولوشنی بسیار عمیق)ویژن مامبایادگیری تقابلی بصریشبکه عصبی کانولوشنی با نظارت ضعیفشبکه عصبی گراف ضعیف نظارت شدهتقسیم‌بندی نمونه‌ای با نظارت ضعیفپرسپترون چندلایه با نظارت ضعیفپرسش و پاسخ با نظارت ضعیفیادگیری تقویتی با نظارت ضعیفآموزش تعبیه‌سازی جملات با نظارت ضعیفخلاصه‌سازی متن با نظارت ضعیف

بیشتر در یادگیری عمیق

دنباله‌ای و مولد 103