Architektury i trenowanie
124 — metody w tej rodzinie.
Wyróżnione
Trening adwersaryjnyAdversarial 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 Normalizacja wsadowaBatch 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 varSieć kapsułkowaA 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) rathKonwolucyjna Sieć Neuronowa (Klasyfikacja)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 cUczenie się według programu nauczaniaCurriculum 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
Ścieżka lektury
Najczęściej przywoływane metody fundamentalne dla tego tematu, w kolejności ich powstawania — dobry punkt wyjścia, jeśli zaczynasz tu przygodę.
Wszystkie metody 124
Trening adwersaryjnyAlexNetNormalizacja wsadowaSieć kapsułkowaKonwolucyjna Sieć Neuronowa (Klasyfikacja)Uczenie się według programu nauczaniaAugmentacja danychGłęboka Sieć Przekonań (DBN)Głębokie uczenie ze wzmocnieniemDenseNetSplotowa sieć konwolucyjna z rozszerzeniem (Dilated CNN)DLinear: Model dekompozycji liniowej do prognozowania szeregów czasowychKonwolucyjna sieć neuronowa adaptacyjna do dziedzinyDomain-adaptive Doc2VecAdaptacyjna segmentacja instancji między domenamiAdaptacyjny do dziedziny Perceptron WielowarstwowyAdaptacyjne odpowiadanie na pytania w dziedzinie (DA-QA)Adaptacyjne uczenie ze wzmocnieniem dla różnych domenAdaptacja domenowa streszczania tekstówDropoutSieć stanów echa (Echo State Network, ESN)EfficientNetExplainable Graph Neural NetworkSegmentacja instancji z wyjaśnieniamiWyjaśnialne odpowiadanie na pytaniaWyjaśnialna uczenie ze wzmocnieniemWyjaśnialne osadzenia zdańWyjaśnialne streszczanie tekstuFaster R-CNNFiLM: Usprawniony Model Pamięci z Wykorzystaniem Częstotliwości Legendre'aDostrojona konwolucyjna sieć neuronowaDostrojony Doc2VecDostrojony Perceptron WielowarstwowyDostrajanie uczenia przez wzmacnianieFreTSSieci konwolucyjne grafów (GCN)Sieci neuronowe grafoweSieć Inception (GoogLeNet)Segmentacja instancjiDestylacja wiedzySieci Kołmogorowa-ArnoldaKoopa: Predyktory Koopmana dla niestacjonarnych szeregów czasowychLightTSLoRA i PEFTMamba (model przestrzeni stanów)MICNMixture of ExpertsMobileNet: Wydajne konwolucyjne sieci neuronowe dla wizji mobilnejPerceptron wielowarstwowy (MLP)Wielojęzyczna splotowa sieć neuronowaMultilingual Doc2VecWielojęzyczna grafowa sieć neuronowaWielojęzyczne Perceptron WielowarstwowyWielojęzyczne odpowiadanie na pytaniaWielojęzyczne uczenie ze wzmocnieniemWielojęzyczne osadzanie zdańWielomodalna sieć neuronowa konwolucyjnaMultimodal Doc2VecWielomodalna grafowa sieć neuronowaSegmentacja instancji multimodalnychWielomodalny Perceptron WielowarstwowyOdpowiadanie na pytania multimodalneUczenie ze wzmocnieniem multimodalneOsadzenia zdań multimodalnychStreszczanie multimodalnych tekstówUczenie wielozadanioweN-BEATSN-BEATSxN-HiTSNEAT: NeuroEwolucja Augmentujących TopologiiAutomatyczne wyszukiwanie architektury sieci neuronowychNeural ODENeural Radiance Fields (NeRF)Transfer stylu neuronowegoPrzepływy normalizująceUczenie ze wzmocnieniemResNet (Residual Network)ResNeXtOgraniczona Maszyna Boltzmanna (RBM)SCINet: Sieć konwolucyjno-interakcyjna do prognozowania szeregów czasowychModel Segment AnythingSamo-nadzorowana konwolucyjna sieć neuronowaSamouczenie segmentacji instancjiSamonadzorowane odpowiadanie na pytaniaUczenie ze wzmocnieniem z samonadzoremSamonadzorowane osadzanie zdańPółnadzorowana konwolucyjna sieć neuronowaPółnadzorowany Doc2VecGrafowa sieć neuronowa w uczeniu częściowo nadzorowanymPółnadzorowana segmentacja instancjiSemi-supervised Multilayer PerceptronPółnadzorowane odpowiadanie na pytaniaWzmocnione uczenie ze sprzężeniem zwrotnym z częściowym nadzoremPółnadzorowane osadzanie zdańPółnadzorowane streszczanie tekstuSGD z pędem / Optymalizator AdamSieci neuronowe typu SiameseSimCLRPrzestrzenno-czasowe sieci konwolucyjne na grafachSundial: Fundamentowe modele generatywne dla szeregów czasowychTextCNNTiDE: Time-series Dense EncoderTimeMixerTimesFM: Model Fundacyjny Tylko z Dekoderem do Prognozowania Szeregów CzasowychTimesNet: Modelowanie dwuwymiarowych wariacji czasowych dla szeregów czasowychUczenie transferowe z konwolucyjną siecią neuronowąTransfer Learning z grafowymi sieciami neuronowymiTransfer Learning with Instance SegmentationUczenie transferowe z uczeniem przez wzmacnianieTransfer Learning with Text SummarizationTransfer Learning z Word2VecTSMixer: Architektura All-MLP do prognozowania szeregów czasowychU-NetVGGNet (Very Deep Convolutional Networks)Mamba WizyjnyWizualne uczenie kontrastoweSłabo nadzorowana konwolucyjna sieć neuronowaSłabo nadzorowana grafowa sieć neuronowaSłabo nadzorowana segmentacja instancjiSłabo nadzorowany perceptron wielowarstwowySłabo nadzorowane odpowiadanie na pytaniaSłabo nadzorowane uczenie ze wzmocnieniemSłabo nadzorowane osadzanie zdańSłabo nadzorowane streszczanie tekstu