การเรียนรู้เชิงลึก

336 วิธี

Deep learning / NLP / CV 223

การจำแนกประเภทโดยใช้ BERT การจำแนกประเภทแบบ BERT ที่ปรับให้เข้ากับโดเมน Domain-adaptive Convolutional Neural Network แบบจำลองการแพร่กระจายแบบปรับตามโดเมน Domain-adaptive Doc2Vec เครือข่ายก่อกำเนิดที่ปรับตามโดเมน Domain-Adaptive GRU การจำแนกภาพแบบปรับตัวตามโดเมน การแบ่งส่วนอินสแตนซ์แบบปรับตัวตามโดเมน โดเมน-ปรับปรุงหลายชั้นรับรู้ (Domain-adaptive Multilayer Perceptron)การรู้จำสิ่งอ้างอิงเฉพาะที่ปรับตามโดเมน แบบจำลองหัวข้อ NMF แบบปรับตัวตามโดเมน การตอบคำถามแบบปรับตามโดเมน โครงข่ายประสาทเทียมเวียนซ้ำแบบปรับโดเมน การเรียนรู้แบบเสริมกำลังที่ปรับตามโดเมน การจำแนกประเภทโดยใช้ RoBERTa แบบปรับตามโดเมน การฝังประโยคแบบปรับตัวตามโดเมน (Domain-Adaptive Sentence Embeddings)การวิเคราะห์ความรู้สึกแบบปรับตามโดเมน การสรุปความแบบปรับตามโดเมน โดเมน-อะแดปทีฟ ทรานส์ฟอร์มเมอร์Domain-Adaptive Variational Autoencoder วิทัศน์ทรานส์ฟอร์มปรับโดเมน (Domain-Adaptive Vision Transformer - DA-ViT)Domain-adaptive Word2Vec การจำแนกประเภทโดยใช้ BERT ที่อธิบายได้แบบจำลองการแพร่กระจายที่อธิบายได้Explainable GAN โครงข่ายประสาทเทียมแบบกราฟที่อธิบายได้GRU ที่อธิบายได้การจำแนกภาพที่อธิบายได้การแบ่งส่วนอินสแตนซ์ที่อธิบายได้Explainable LDA Topic Model LSTM ที่อธิบายได้Explainable Multilayer Perceptron การรู้จำเอนทิตีที่มีคำอธิบาย (Explainable Named Entity Recognition)Explainable NMF Topic Model การตรวจจับวัตถุที่อธิบายได้การตอบคำถามที่อธิบายได้โครงข่ายประสาทเทียมเวียนซ้ำที่อธิบายได้การเรียนรู้แบบเสริมกำลังที่อธิบายได้การจำแนกประเภทโดยใช้ RoBERTa ที่อธิบายได้Explainable Semantic Segmentation การฝังประโยคที่อธิบายได้การวิเคราะห์ความรู้สึกที่อธิบายได้การสรุปข้อความที่อธิบายได้การสร้างหัวข้อที่อธิบายได้ทรานส์ฟอร์มเมอร์ที่อธิบายได้ตัวเข้ารหัส-ถอดรหัสแบบแปรผันที่อธิบายได้Transformer วิสัยทัศน์ที่อธิบายได้การจำแนกประเภทโดยใช้ BERT ที่ปรับละเอียด Fine-Tuned Convolutional Neural Network โมเดลการแพร่กระจายที่ปรับละเอียด Fine-Tuned Doc2Vec เครือข่ายปฏิปักษ์เชิงกำเนิดที่ปรับละเอียดแล้ว GRU แบบละเอียด การจำแนกภาพแบบปรับละเอียด แบบจำลองหัวข้อ LDA ที่ปรับแต่งอย่างละเอียด Fine-Tuned LSTM มัลติเลเยอร์ เพอร์เซปตรอนที่ปรับละเอียด การรู้จำชื่อเฉพาะแบบปรับละเอียด การตอบคำถามแบบปรับละเอียด เครือข่ายประสาทเทียมแบบวนซ้ำที่ปรับละเอียด (Fine-Tuned Recurrent Neural Network)การเรียนรู้แบบเสริมกำลังแบบปรับละเอียด การจำแนกประเภทแบบ Fine-Tuned RoBERTa การแบ่งส่วนความหมายแบบปรับละเอียด การฝังประโยคแบบปรับละเอียด การสรุปความข้อความแบบปรับละเอียด การสร้างหัวข้อแบบปรับละเอียด การปรับจูนทรานส์ฟอร์มเมอร์ (Fine-Tuned Transformer)ตัวเข้ารหัสอัตโนมัติแบบแปรผันที่ปรับจูนอย่างละเอียด วิชันทรานส์ฟอร์มเมอร์ที่ปรับละเอียด Word2Vec ที่ปรับละเอียด หน่วยความจำแบบวนซ้ำแบบมีประตู (Gated Recurrent Unit - GRU)การจำแนกประเภทรูปภาพ การแบ่งส่วนอินสแตนซ์ (Instance Segmentation)แบบจำลองหัวข้อ LDA หน่วยความจำระยะสั้นแบบยาว (LSTM)โครงข่ายประสาทเทียมคอนโวลูชันแบบหลายภาษา แบบจำลองการแพร่กระจายหลายภาษา Multilingual Doc2Vec GAN แบบหลายภาษา Multilingual Graph Neural Network Multilingual GRU การจำแนกภาพหลายภาษา LSTM หลายภาษา เพอร์เซปตรอนหลายชั้นแบบหลายภาษา การตอบคำถามหลายภาษา โครงข่ายประสาทเทียมเวียนซ้ำหลายภาษา การเรียนรู้แบบเสริมกำลังหลายภาษา การจำแนกประเภทโดยใช้ RoBERTa หลายภาษา การแบ่งส่วนความหมายหลายภาษา การฝังประโยคหลายภาษา การวิเคราะห์ความรู้สึกหลายภาษา การสรุปความข้อความหลายภาษา การสร้างแบบจำลองหัวข้อแบบหลายภาษา หม้อแปลงหลายภาษา Multilingual Variational Autoencoder Multilingual Vision Transformer การจำแนกประเภทแบบหลายรูปแบบโดยใช้ BERT โครงข่ายประสาทเทียมคอนโวลูชันหลายรูปแบบ แบบจำลองการแพร่กระจายหลายรูปแบบ Multimodal Doc2Vec Multimodal GAN Multimodal Graph Neural Network GRU หลายรูปแบบ การจำแนกประเภทภาพหลายรูปแบบ การแบ่งส่วนอินสแตนซ์แบบหลายรูปแบบ แบบจำลองหัวข้อ LDA หลายรูปแบบ Multimodal LSTM เพอร์เซปตรอนหลายชั้นหลายรูปแบบ การรู้จำสิ่งอ้างอิงจำเพาะหลายรูปแบบ Multimodal NMF Topic Model การตรวจจับวัตถุหลายรูปแบบ การตอบคำถามหลายรูปแบบ โครงข่ายประสาทเทียมเวียนซ้ำหลายรูปแบบ การเรียนรู้แบบเสริมกำลังหลายรูปแบบ (Multimodal Reinforcement Learning)การจำแนกประเภทแบบหลายรูปแบบโดยใช้ RoBERTa การแบ่งส่วนความหมายแบบหลายรูปแบบ การฝังประโยคหลายรูปแบบ การสรุปความข้อความหลายรูปแบบ (Multimodal Text Summarization)การสร้างแบบจำลองหัวข้อแบบหลายรูปแบบ Multimodal Transformer Multimodal Variational Autoencoder ทรานส์ฟอร์มเมอร์วิสัยทัศน์หลายรูปแบบ Multimodal Word2Vec แบบจำลองหัวข้อ NMF การตรวจจับวัตถุ โครงข่ายประสาทเทียมแบบเวียนซ้ำ (Recurrent Neural Network - RNN)การเรียนรู้แบบเสริมกำลัง การจำแนกประเภทโดยใช้ RoBERTa การจำแนกประเภทแบบเรียนรู้ด้วยตนเองโดยใช้ BERT โครงข่ายประสาทเทียมคอนโวลูชันแบบเรียนรู้ด้วยตนเอง แบบจำลองการแพร่กระจายแบบกำกับตนเอง GAN แบบกำกับตนเอง หน่วยประสาทซ้ำแบบเกทที่เรียนรู้ด้วยตนเอง (Self-supervised GRU)การจำแนกภาพแบบกำกับตนเอง การแบ่งส่วนอินสแตนซ์แบบกำกับตนเอง แบบจำลองหัวข้อ LDA แบบกำกับตนเอง การรู้จำชื่อเฉพาะแบบกำกับตนเอง แบบจำลองหัวข้อ NMF แบบกำกับตนเอง การตรวจจับวัตถุแบบเรียนรู้ด้วยตนเอง การตอบคำถามแบบกำกับตนเอง การเรียนรู้แบบเสริมกำลังด้วยการกำกับดูแลตนเอง การจำแนกประเภทโดยใช้ RoBERTa แบบกำกับดูแลตนเอง การแบ่งส่วนภาพตามความหมายแบบเรียนรู้ด้วยตนเอง การสร้างเวกเตอร์แทนประโยคแบบ Self-supervised การวิเคราะห์ความรู้สึกแบบกำกับดูแลตนเอง การสร้างแบบจำลองหัวข้อแบบกำกับตนเอง Self-supervised Transformer Self-supervised Variational Autoencoder Self-supervised Vision Transformer Word2Vec แบบกำกับตนเอง Semantic Segmentation การจำแนกประเภทข้อความแบบกึ่งมีผู้สอนโดยใช้ BERT โครงข่ายประสาทเทียมแบบสังวัตนาการแบบกึ่งมีผู้สอน แบบจำลองการแพร่กระจายแบบกึ่งควบคุม (Semi-supervised Diffusion Model)Doc2Vec แบบกึ่งมีผู้สอน GAN แบบกึ่งกำกับดูแล โครงข่ายประสาทเทียมแบบกราฟกึ่งควบคุม (Semi-supervised Graph Neural Network)เซมิซูเปอร์ไวส์ GRU การจำแนกภาพแบบกึ่งมีผู้สอน การแบ่งส่วนภาพอินสแตนซ์แบบกึ่งกำกับดูแล แบบจำลองหัวข้อ LDA แบบกึ่งมีผู้สอน (Semi-supervised LDA Topic Model)LSTM แบบกึ่งกำกับดูแล Multilayer Perceptron ที่มีการเรียนรู้แบบกึ่งหนึ่ง แบบจำลองหัวข้อ NMF แบบกึ่งกำกับดูแล การตรวจจับวัตถุแบบกึ่งมีผู้สอน การตอบคำถามแบบกึ่งกำกับดูแล (Semi-supervised Question Answering)การเรียนรู้แบบเสริมกำลังกึ่งมีผู้สอน การจำแนกประเภทแบบกึ่งกำกับดูแลโดยใช้ RoBERTa การแบ่งส่วนภาพความหมายแบบกึ่งกำกับดูแล การฝังประโยคแบบกึ่งกำกับดูแล (Semi-supervised Sentence Embeddings)การวิเคราะห์ความรู้สึกแบบกึ่งมีผู้สอน การสรุปความแบบกึ่งมีผู้สอน การสร้างหัวข้อแบบกึ่งกำกับดูแล Transformer แบบกึ่งกำกับดูแล Variational Autoencoder แบบกึ่งกำกับดูแล หม้อแปลงวิทัศน์แบบกึ่งมีผู้สอน Word2Vec แบบกึ่งมีผู้สอน Sentence Embeddings การสร้างแบบจำลองหัวข้อ (Topic Modeling)Transfer Learning GAN การเรียนรู้แบบถ่ายโอนด้วย Variational Autoencoder การเรียนรู้แบบถ่ายโอนด้วยการจำแนกประเภทโดยใช้ BERT การเรียนรู้แบบถ่ายโอนด้วยโครงข่ายประสาทเทียมแบบสังวัตนาการ การเรียนรู้แบบถ่ายโอนด้วยแบบจำลองการแพร่กระจาย การเรียนรู้แบบถ่ายโอนด้วยกราฟโครงข่ายประสาทเทียม การเรียนรู้แบบถ่ายโอนสำหรับการจำแนกประเภทรูปภาพ Transfer Learning with Instance Segmentation การเรียนรู้แบบถ่ายโอนด้วยแบบจำลองหัวข้อ LDA การเรียนรู้แบบถ่ายโอนด้วย LSTM การเรียนรู้แบบถ่ายโอนกับการรู้จำเอนทิตีที่มีชื่อ การเรียนรู้แบบถ่ายโอนด้วยแบบจำลองหัวข้อ NMF การเรียนรู้แบบถ่ายโอนกับการตรวจจับวัตถุ การเรียนรู้แบบถ่ายโอนด้วยโครงข่ายประสาทเทียมแบบเวียนซ้ำ Transfer Learning with Reinforcement Learning การเรียนรู้แบบถ่ายโอนด้วยการฝังประโยค การเรียนรู้แบบถ่ายโอนกับการสรุปข้อความ การเรียนรู้แบบถ่ายโอนด้วยการสร้างแบบจำลองหัวข้อ การเรียนรู้แบบถ่ายโอนด้วย Word2Vec การจำแนกประเภทแบบ BERT โดยใช้การกำกับดูแลแบบอ่อน Weakly supervised convolutional neural network แบบจำลองการแพร่กระจายแบบกำกับดูแลอย่างอ่อน (Weakly Supervised Diffusion Model)GAN แบบมีการกำกับดูแลอย่างอ่อน Weakly Supervised Graph Neural Network GRU ที่ได้รับการกำกับดูแลแบบอ่อน การจำแนกภาพแบบเรียนรู้อย่างอ่อน (Weakly Supervised Image Classification)การแบ่งส่วนอินสแตนซ์แบบกำกับดูแลอย่างอ่อน แบบจำลองหัวข้อ LDA แบบมีผู้สอนแบบอ่อน Weakly Supervised LSTM เพอร์เซปตรอนหลายชั้นแบบมีผู้สอนแบบอ่อน การตรวจจับวัตถุแบบมีผู้สอนแบบอ่อน การตอบคำถามแบบมีผู้สอนแบบอ่อน (Weakly Supervised Question Answering)Recurrent Neural Network แบบเรียนรู้ด้วยการกำกับดูแลแบบอ่อน Weakly supervised reinforcement learning การจำแนกประเภทโดยใช้ RoBERTa แบบกำกับดูแลอย่างอ่อน การแบ่งส่วนเชิงความหมายแบบมีผู้สอนแบบอ่อน Weakly Supervised Sentence Embeddings การสรุปความแบบอาศัยการกำกับดูแลแบบอ่อน (Weakly Supervised Text Summarization)การสร้างแบบจำลองหัวข้อแบบมีผู้สอนแบบอ่อน Weakly Supervised Transformer Weakly Supervised Variational Autoencoder วิทัศน์ทรานส์ฟอร์มแบบมีผู้สอนแบบอ่อน Word2Vec ที่มีการดูแลแบบอ่อนน้อย

Ml-model 55

AlexNet กลไกการใส่ใจ (Attention Mechanism)ออโตเอ็นโค้ดเดอร์Batch Normalization การปรับจูน BERT โครงข่ายประสาทเทียมแบบวนซ้ำสองทิศทาง เครือข่าย Capsule CLIP การจำแนกภาพด้วยโครงข่ายประสาทเทียมแบบคอนโวลูชัน (CNN Image Classification)โครงข่ายประสาทเทียมแบบสังวัตนาการ (การจำแนกประเภท)การเรียนรู้แบบเสริมกำลังเชิงลึก DeepAR DenseNet แบบจำลองการแพร่ (Diffusion Model)เครือข่ายคอนโวลูชันแบบขยาย (Dilated CNN)Dropout EfficientNet Faster R-CNN FastText Fully Convolutional Network (FCN)โครงข่ายปฏิปักษ์เชิงกำเนิด การปรับละเอียด GPT (GPT Fine-Tuning)Graph Attention Network Graph Convolutional Network (GCN)โครงข่ายประสาทเทียมกราฟ Gated Recurrent Unit (GRU)Informer การกลั่นความรู้Longformer / BigBird LoRA และ PEFT แอลเอสทีเอ็ม Mixture of Experts เพอร์เซปตรอนหลายชั้น (MLP)N-BEATS N-HiTS การค้นหาสถาปัตยกรรมโครงข่ายประสาทเทียม โครงข่ายประสาทเทียมเชิงอนุพันธ์สามัญ (Neural ODE)การถ่ายทอดสไตล์ด้วยโครงข่ายประสาทเทียม PatchTST ResNet (เครือข่ายส่วนที่เหลือ)ResNeXt แบบจำลองเชิงกำเนิดที่ใช้คะแนน ความสนใจหลายหัวของตนเอง (Multi-Head Self-Attention)แบบจำลองลำดับต่อลำดับ SGD with Momentum / Adam Optimizer T5 (Text-to-Text Transfer Transformer)ตัวแปลงฟิวชั่นเชิงเวลา TextCNN ทรานส์ฟอร์มเมอร์ (การประมวลผลภาษาธรรมชาติ)U-Net ตัวเข้ารหัสอัตโนมัติแบบแปรผัน VGGNet (เครือข่ายประสาทคอนโวลูชันแบบลึกมาก)วิชันทรานส์ฟอร์มเมอร์การเรียนรู้เชิงเปรียบเทียบสำหรับภาพ (Visual Contrastive Learning)YOLO (You Only Look Once)

Time-series forecasting 26

Autoformer: Decomposition Transformer สำหรับการพยากรณ์อนุกรมเวลาในระยะยาว Chronos: แบบจำลองพื้นฐานแบบโทเค็นสำหรับการพยากรณ์อนุกรมเวลา Crossformer DLinear: แบบจำลองเชิงเส้นแบบแยกส่วนสำหรับการพยากรณ์อนุกรมเวลา ETSformer: การพยากรณ์อนุกรมเวลาด้วย Exponential Smoothing Transformers FEDformer: หม้อแปลงไฟฟ้าแบบแยกส่วนที่ปรับปรุงความถี่FiLM: แบบจำลองหน่วยความจำแบบเลเจนดร์ที่ปรับปรุงความถี่FreTS: โครงข่ายประสาทเทียมหลายชั้นในโดเมนความถี่สำหรับการพยากรณ์อนุกรมเวลา iTransformer: การแปลงอินเวอร์สสำหรับอนุกรมเวลาหลายตัวแปร Koopa: Koopman Predictors for Non-stationary Time Series LightTS: MLP ที่เน้นการสุ่มตัวอย่างแบบเบาสำหรับ การพยากรณ์อนุกรมเวลาหลายตัวแปร MICN Moirai: แบบจำลองพื้นฐานสำหรับการพยากรณ์อนุกรมเวลาแบบสากล Transformer ไม่คงที่Pyraformer: Pyramidal Attention Transformer สำหรับการพยากรณ์อนุกรมเวลาช่วงยาว Reformer: The Efficient Transformer for Long Sequences SCINet SegRNN: Segment Recurrent Neural Network สำหรับการพยากรณ์อนุกรมเวลาแบบระยะยาว Sundial: แบบจำลองพื้นฐานอนุกรมเวลาแบบก่อกำเนิด TiDE: ตัวเข้ารหัสแบบหนาแน่นสำหรับอนุกรมเวลา (Time-series Dense Encoder)Time-MoE: แบบจำลองพื้นฐานอนุกรมเวลาแบบผสมผสานผู้เชี่ยวชาญ (Mixture-of-Experts)TimeMixer: การผสมผสานหลายมาตราส่วนที่แยกส่วนได้สำหรับการพยากรณ์อนุกรมเวลา TimesFM: แบบจำลองพื้นฐานแบบถอดรหัสเท่านั้นสำหรับการพยากรณ์อนุกรมเวลา TimesNet: การสร้างแบบจำลองความแปรปรวนเชิงพื้นที่ 2 มิติสำหรับอนุกรมเวลา TiRex: การพยากรณ์อนุกรมเวลาแบบ Zero-Shot ด้วย xLSTM TSMixer: สถาปัตยกรรมแบบ All-MLP สำหรับการพยากรณ์อนุกรมเวลา

Generative models 3

CycleGAN: การแปลภาพต่อภาพแบบไม่จับคู่ด้วยความสอดคล้องแบบวัฏจักร ไหลการปกติ Wasserstein GAN (WGAN)

Training techniques 2

การฝึกแบบปฏิปักษ์การเพิ่มข้อมูล

Training paradigms 2

การเรียนรู้ตามหลักสูตร การเรียนรู้หลายภารกิจ

CNN architectures 2

Inception Network (GoogLeNet)MobileNet

Generative / pretraining 1

โครงข่ายความเชื่อเชิงลึก (Deep Belief Network: DBN)

Deep Learning, Object Detection 1

DETR (Detection Transformer)

Deep Learning, Language Models, RLHF Alternatives 1

Direct Preference Optimization

Recurrent / reservoir 1

Echo State Network

Deep Learning, Object Detection, Meta-Learning 1

การตรวจจับวัตถุแบบ Few-Shot

Deep Learning, Language Models, Knowledge Graphs 1

Deep Learning, Neural Network Architectures, Approximation Theory 1

โครงข่ายประสาทคอลโมโกรอฟ-อาร์โนลด์

Deep Learning, Generative Models 1

[NEEDS TRANSLATION]

Deep Learning, Sequence Models, State Space Models 1

Mamba (แบบจำลองปริภูมิสถานะ)

Object detection / segmentation 1

Mask R-CNN: การแบ่งส่วนอินสแตนซ์ด้วยมาสก์ระดับพิกเซล

Deep Learning, Self-Supervised Learning 1

Masked Autoencoders

Deep Learning, Time Series Forecasting 1

Neuroevolution 1

NEAT: NeuroEvolution of Augmenting Topologies

Deep Learning, 3D Vision, Generative Models 1

สนามการแผ่รังสีประสาท (NeRF)

Deep Learning, Language Models, Parameter Efficient Fine-Tuning 1

คิวโลรา

Latent-structure 1

Restricted Boltzmann Machine (RBM)

Deep Learning, Image Segmentation, Foundation Models 1

โมเดล Segment Anything

Metric learning 1

Siamese Neural Network

Deep Learning, Self-Supervised Learning, Contrastive Learning 1

Deep Learning, Graph Neural Networks, Action Recognition 1

เครือข่ายคอนโวลูชันกราฟเชิงพื้นที่-เวลา

Deep Learning, Vision Transformers 1

Swin Transformer (โปรแกรมแปลง Swin)

Deep Learning, Time Series Forecasting, Foundation Models 1

Deep Learning, State Space Models 1

วิชันแมมบ้า