Arkitekturer & träning

124 metoder i denna familj.

I urval

Adversariell träningAdversarial 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 du AlexNetAlexNet 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 Batch-normaliseringBatch 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 var Capsule 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) rath Konvolutionellt neuralt nätverk (klassificering)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 c Curriculum LearningCurriculum 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

Läsväg

Det här ämnets mest refererade grundläggande metoder, i den ordning de utvecklades — en bra startpunkt om du är ny här.

Förstärkningsinlärning1950s–1998av Sutton, R. S. & Barto, A. G. (formalised); Bellman, R. (foundations)
Multilayer Perceptron (MLP)1986av Rumelhart, D. E.; Hinton, G. E.; Williams, R. J.
Överföringsinlärning med faltningsneurala nätverk2010–2014av Pan, S. J. & Yang, Q. (transfer learning framework); popularized for CNNs by Yosinski et al. and Razavian et al.
Finjusterad faltningsnät (CNN)2012–2014av Yosinski, J. et al. (theoretical basis); practice widespread from Krizhevsky et al. 2012 onward
Multimodala meningsinbäddningar2013–2021av Frome et al. (DeViSE, 2013); popularized by Radford et al. (CLIP, 2021)
ResNet (Residual Network)2016av He, K.; Zhang, X.; Ren, S.; Sun, J.
Instanssegmentering2017av He, K., Gkioxari, G., Dollar, P., Girshick, R.
Flerspråkiga meningsinbäddningar2019–2022av Reimers, N. & Gurevych, I.; Feng, F. et al. (Google)

alla metoder på den här hyllan ↓

Alla metoder 124

Adversariell träning AlexNet Batch-normalisering Capsule Network Konvolutionellt neuralt nätverk (klassificering)Curriculum Learning Dataaugmentering Deep Belief Network (DBN)Djup förstärkningsinlärning DenseNet Dilaterad CNN DLinear: Decomposition Linear Model för tidsserieprognoser Domänadaptiv faltningsnätverk (Convolutional Neural Network, CNN)Domänadaptiv Doc2Vec Domänadaptiv instanssegmentering Domänadaptiv Multilayer Perceptron Domänadaptiv frågesvar (DA-QA)Domänadaptiv förstärkningsinlärning Domänanpassad textsammanfattning Dropout Echo State Network EfficientNet Förklarbara grafneurala nätverk Förklarbar instanssegmentering Förklaringsbar frågebesvarande Förklarbar förstärkningsinlärning Förklarbara meningsinbäddningar Förklarbar textsummering Faster R-CNN FiLM: Frequency Improved Legendre Memory Model Finjusterad faltningsnät (CNN)Finjusterad Doc2Vec Finjusterad Multilayer Perceptron Finjusterad förstärkningsinlärning FreTS: Frekvensdomän-MLP:er för tidsserieprognoser Grafkonvolutionellt nätverk (GCN)Grafneuralnätverk Inception Network (GoogLeNet)Instanssegmentering Kunskapsdestillering Kolmogorov-Arnold-nätverk Koopa: Koopman-prediktorer för icke-stationära tidsserier LightTS LoRA och PEFT Mamba (tillståndsrumsmodell)MICN Blandning av experter MobileNet: Effektiva faltningsnätverk för mobil vision Multilayer Perceptron (MLP)Flerkrigs-CNN (Convolutional Neural Network)Multilingual Doc2Vec Flerspråkigt grafiskt neuralt nätverk Flerspråkig Multilayer Perceptron Flerspråkig frågesvar Flerspråkig förstärkningsinlärning Flerspråkiga meningsinbäddningar Multimodal Convolutional Neural Network Multimodal Doc2Vec Multimodal grafnätverk Multimodal instanssegmentering Multimodal Multilayer Perceptron Multimodal Question Answering Multimodal förstärkningsinlärning Multimodala meningsinbäddningar Multimodal textsammanfattning Multisteg-inlärning N-BEATS N-BEATSx N-HiTS NEAT: NeuroEvolution of Augmenting Topologies Neural Architecture Search Neural ODE Neural Radiance Fields (NeRF)Neural Style Transfer Normaliserande flöden Förstärkningsinlärning ResNet (Residual Network)ResNeXt Restricted Boltzmann Machine (RBM)SCINet: Sample Convolution and Interaction Network för tidsserieprognoser Segment Anything Model Självövervakad faltningsnätverk Självövervakad instanssegmentering Self-supervised Question Answering Självövervakad förstärkningsinlärning Självövervakade meningsinbäddningar Semihandled konvolutionell neuralt nätverk Semi-supervised Doc2Vec Semi-övervakad graf-neuralt nätverk Semi-supervised instance segmentation Semi-supervised Multilayer Perceptron Semi-supervised Question Answering Semi-övervakad förstärkningsinlärning Semi-övervakade meningsinbäddningar Semi-supervised text summarization SGD med Momentum / Adam Optimizer Siamesiskt neuralt nätverk SimCLR Spatial-Temporal Graph Convolutional Networks Sundial: Generativa grundmodeller för tidsserier TextCNN - Textklassificering med convolutional neural networks TiDE: Time-series Dense Encoder TimeMixer: Deformerbar multiskalig blandning för tidsserieprognoser TimesFM: En grundmodell med endast avkodare för tidsserieprognoser TimesNet: Temporal 2D-Variation Modeling for Time Series Överföringsinlärning med faltningsneurala nätverk Transferinlärning med grafneurala nätverk Transfer Learning med instanssegmentering Transfer Learning med Reinforcement Learning Överföringsinlärning med textsammanfattning Transfer Learning med Word2Vec TSMixer: All-MLP-arkitektur för tidsserieprognoser U-Net VGGNet (Very Deep Convolutional Networks)Vision Mamba Visuell kontrastiv inlärning Svagt övervakad faltningsnät (CNN)Svagt övervakade grafneurala nätverk Svag övervakad instanssegmentering Svagt övervakad Multilayer Perceptron Svag övervakad frågesvarsinlärning Svagt övervakad förstärkningsinlärning Svagt övervakade meningsinbäddningar Svagt övervakad textsammanfattning

Mer i Djupinlärning

Sekvensmodeller & generativa modeller 103