Architectures et entraînement
124 méthodes dans cette famille.
À la une
Entraînement contradictoireAdversarial 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 Normalisation par lotsBatch 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 varCapsule NetworkA 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) rathRéseau de neurones convolutif (Classification)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 cApprentissage par curriculumCurriculum 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
Parcours de lecture
Les méthodes fondamentales les plus citées de ce thème, dans l'ordre de leur développement — un point de départ si vous débutez ici.
Toutes les méthodes 124
Entraînement contradictoireAlexNetNormalisation par lotsCapsule NetworkRéseau de neurones convolutif (Classification)Apprentissage par curriculumAugmentation des donnéesRéseau de croyance profond (DBN)Apprentissage par renforcement profondDenseNetCNN dilatéeDLinearRéseau neuronal convolutif adaptatif au domaineDoc2Vec adaptatif au domaineSegmentation d'instances adaptative au domainePerceptron multicouche adaptatif au domaineQuestion-réponse adaptative au domaineApprentissage par renforcement adaptatif au domaineAdaptation de domaine pour la résumé de texteDropoutRéseau à états d'échoEfficientNetRéseaux de neurones graphiques explicablesSegmentation d'instances explicableRéponse aux questions explicableApprentissage par Renforcement ExplicableEmbeddings de phrases explicablesExplainable Text SummarizationFaster R-CNNFiLM: Modèle de mémoire de Legendre à fréquence amélioréeRéseau neuronal convolutif affinéDoc2Vec affinéPerceptron multicouche affinéApprentissage par renforcement affinéFreTSRéseau de neurones convolutifs sur graphes (GCN)Réseau de neurones à graphesRéseau Inception (GoogLeNet)Segmentation d'instancesDistillation de connaissancesRéseaux de Kolmogorov-ArnoldKoopa : Prédicteurs de Koopman pour Séries Temporelles Non StationnairesLightTSLoRA et PEFTMamba (Modèle à espace d'états)MICNMélange d'expertsMobileNet : Réseaux neuronaux convolutifs efficaces pour la vision mobilePerceptron multicouche (MLP)Réseau de neurones convolutif multilingueMultilingual Doc2VecRéseau neuronal à graphes multilinguePerceptron Multicouche MultilingueInterrogation en langue multipleApprentissage par renforcement multilinguePlongements de phrases multilinguesRéseau de neurones convolutifs multimodauxMultimodal Doc2VecRéseau neuronal graphique multimodalSegmentation d'instances multimodalePerceptron Multicouche MultimodalRéponse aux questions multimodalesApprentissage par renforcement multimodalPlongements de phrases multimodauxSynthèse multimodale de texteApprentissage multi-tâchesN-BEATSN-BEATSxN-HiTSNEAT : Évolution neuronale de topologies augmentéesRecherche d'architecture neuronaleODE neuronaleChamps de radiance neuronaux (NeRF)Transfert de style neuronalFlux normalisésApprentissage par renforcementResNet (Réseau Résiduel)ResNeXtMachine de Boltzmann restreinte (RBM)SCINetModèle Segment AnythingRéseau de neurones convolutif auto-superviséSegmentation d'instances auto-superviséeQuestion-Réponse Auto-SuperviséeApprentissage par renforcement auto-superviséPlongements de phrases auto-supervisésCNN convolutive semi-superviséeDoc2Vec semi-superviséRéseau neuronal graphique semi-superviséSegmentation d'instances semi-superviséePerceptron multicouche semi-superviséQuestion-réponse semi-superviséApprentissage par renforcement semi-superviséPlongements de phrases semi-supervisésRésumé automatique semi-superviséSGD avec Momentum / Optimiseur AdamRéseau neuronal siamoisSimCLRRéseaux de convolution sur graphes spatio-temporelsSundial : modèles fondamentaux génératifs pour séries temporellesTextCNNTiDE : Encodeur Dense pour Séries TemporellesTimeMixerTimesFMTimesNetApprentissage par transfert avec réseau neuronal convolutifApprentissage par transfert avec réseaux de neurones sur graphesApprentissage par transfert avec segmentation d'instancesApprentissage par transfert avec apprentissage par renforcementApprentissage par transfert pour la synthèse de texteApprentissage par transfert avec Word2VecTSMixer : une architecture tout MLP pour la prévision de séries temporellesU-NetVGGNet (Very Deep Convolutional Networks)Mamba VisionApprentissage visuel contrastifRéseau neuronal convolutif faiblement superviséRéseau neuronal profond sur graphe faiblement superviséSegmentation d'instances faiblement superviséePerceptron multicouche faiblement superviséRéponse aux questions par supervision faibleApprentissage par renforcement faiblement superviséEmbeddings de phrases faiblement superviséesRésumé de texte faiblement supervisé