Fugu-MT 論文翻訳(概要): Introduction to deep learning

論文の概要: Introduction to deep learning

arxiv url: http://arxiv.org/abs/2003.03253v1
Date: Sat, 29 Feb 2020 14:52:28 GMT
ステータス: 処理完了
システム内更新日: 2022-12-27 20:51:08.069806
Title: Introduction to deep learning
Title（参考訳）: 深層学習入門
Authors: Lihi Shiloh-Perl and Raja Giryes
Abstract要約: 本章では、この分野の基本概念を紹介する。これには、ディープニューラルネットワークの設計に使用される基本構造と、人気のあるユースケースの簡単な調査の両方が含まれている。
参考スコア（独自算出の注目度）: 41.07083436560303
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Deep Learning (DL) has made a major impact on data science in the last decade. This chapter introduces the basic concepts of this field. It includes both the basic structures used to design deep neural networks and a brief survey of some of its popular use cases.
Abstract（参考訳）: ディープラーニング(DL)は、過去10年間、データサイエンスに大きな影響を与えてきた。本章では、この分野の基本概念を紹介する。ディープニューラルネットワークの設計に使用される基本的な構造と、その一般的なユースケースに関する簡単な調査の両方を含んでいる。

関連論文リスト

Deep Internal Learning: Deep Learning from a Single Input [88.59966585422914]
多くの場合、手元にある入力からネットワークをトレーニングする価値がある。これは、トレーニングデータが少なく、多様性が大きい多くの信号および画像処理問題に特に関係している。本研究の目的は,この2つの重要な方向に向けて,過去数年間に提案されてきた深層学習技術について報告することである。
論文参考訳（メタデータ） (2023-12-12T16:48:53Z)
Deep neural networks architectures from the perspective of manifold learning [0.0]
本稿では,ゲノメトリとトポロジの観点から,ニューラルネットワークアーキテクチャの包括的比較と記述を行う。我々は、ニューラルネットワークの内部表現と、異なる層上のデータ多様体のトポロジーと幾何学の変化のダイナミクスに焦点を当てる。
論文参考訳（メタデータ） (2023-06-06T04:57:39Z)
Transfer Learning with Deep Tabular Models [66.67017691983182]
上流データにより、グラフニューラルネットワークはGBDTモデルよりも決定的な優位性を示す。そこで本研究では,表在化学習のための現実的な診断ベンチマークを提案する。上流と下流の特徴セットが異なる場合の擬似特徴法を提案する。
論文参考訳（メタデータ） (2022-06-30T14:24:32Z)
A streamable large-scale clinical EEG dataset for Deep Learning [0.0]
ディープラーニングのためのデータアクセスと管理を簡略化する,最初の大規模臨床脳波データセットを公表する。このデータセットには、Healthy Brain Networkから1,574人の青少年の収集した目を閉じた脳波データが含まれている。
論文参考訳（メタデータ） (2022-03-04T20:05:50Z)
On the Suitability of Neural Networks as Building Blocks for The Design of Efficient Learned Indexes [0.0]
新たなトレンドは、機械学習技術とデータ構造を適切に組み合わせることだ。この新しい領域はLearred Data Structuresという名前で書かれている。我々は、ニューラルネットワークを学習データ構造の構築ブロックとして用いることに関する、最初の、より必要な比較実験分析を提供する。
論文参考訳（メタデータ） (2022-02-21T11:15:40Z)
Deep Learning for Epidemiologists: An Introduction to Neural Networks [0.0]
深層学習の基礎を疫学的観点から紹介する。本研究の目的は,ディープラーニングの医学的応用に読者が関与し,批判的に評価できるようにすることである。
論文参考訳（メタデータ） (2022-02-02T22:52:18Z)
Deep Learning for Face Anti-Spoofing: A Survey [74.42603610773931]
対面防止(FAS)は、プレゼンテーションアタック(PA)から顔認識システムを保護する上で重要な役割を担っているため、近年注目を集めている。
論文参考訳（メタデータ） (2021-06-28T19:12:00Z)
A Comprehensive Survey on Community Detection with Deep Learning [93.40332347374712]
コミュニティは、ネットワーク内の他のコミュニティと異なるメンバーの特徴と接続を明らかにする。この調査は、最先端の手法の様々なカテゴリをカバーする新しい分類法を考案し、提案する。ディープニューラルネットワーク(Deep Neural Network)は、畳み込みネットワーク(convolutional network)、グラフアテンションネットワーク( graph attention network)、生成的敵ネットワーク(generative adversarial network)、オートエンコーダ(autoencoder)に分けられる。
論文参考訳（メタデータ） (2021-05-26T14:37:07Z)
A Practical Tutorial on Graph Neural Networks [49.919443059032226]
グラフニューラルネットワーク(GNN)は、人工知能(AI)分野において最近人気が高まっている。このチュートリアルでは、GNNのパワーとノベルティをAI実践者に公開している。
論文参考訳（メタデータ） (2020-10-11T12:36:17Z)
A Survey of Deep Learning for Scientific Discovery [13.372738220280317]
私たちは、ディープラーニングにおけるコア問題における根本的なブレークスルーを、主にディープニューラルネットワークの進歩によって見てきた。幅広い科学領域で収集されるデータの量は、サイズと複雑さの両方で劇的に増加しています。これは、科学的な設定でディープラーニングを応用するための多くのエキサイティングな機会を示唆している。
論文参考訳（メタデータ） (2020-03-26T06:16:08Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。