Fugu-MT 論文翻訳(概要): Deep Learning: Our Miraculous Year 1990-1991

論文の概要: Deep Learning: Our Miraculous Year 1990-1991

arxiv url: http://arxiv.org/abs/2005.05744v2
Date: Mon, 10 May 2021 08:26:01 GMT
ステータス: 処理完了
システム内更新日: 2022-12-03 18:31:35.748408
Title: Deep Learning: Our Miraculous Year 1990-1991
Title（参考訳）: 深層学習:1990-1991年の奇跡
Authors: Juergen Schmidhuber
Abstract要約: 深層学習革命の背景にある多くの基本的なアイデアは、20年以上前にミュンヘンで『Annus Mirabilis』または『Miraculous Year』1990-1991で出版された。当時、関心を持った人は少なかったが、その4世紀後、これらのアイデアに基づくニューラルネットワークは、スマートフォンなどの30億台以上のデバイス上に存在した。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In 2020-2021, we are celebrating that many of the basic ideas behind the deep learning revolution were published three decades ago within fewer than 12 months in our "Annus Mirabilis" or "Miraculous Year" 1990-1991 at TU Munich. Back then, few people were interested, but a quarter century later, neural networks based on these ideas were on over 3 billion devices such as smartphones, and used many billions of times per day, consuming a significant fraction of the world's compute.
Abstract（参考訳）: 2020-2021年、深層学習革命の背景にある多くの基本的なアイデアが、20年以上前、ミュンヘンで開催された「Annus Mirabilis」または「奇跡の年」1990-1991で発表されました。当時、関心を持った人は少なかったが、その4世紀後、これらのアイデアに基づくニューラルネットワークは、スマートフォンなどの30億以上のデバイス上に存在し、1日に何十億回も利用され、世界の計算のかなりの部分を消費した。

関連論文リスト

MER 2024: Semi-Supervised Learning, Noise Robustness, and Open-Vocabulary Multimodal Emotion Recognition [102.76954967225231]
我々は、この分野の発展を促進するために、MERシリーズのコンペティションを組織する。昨年、私たちはMER2023を立ち上げ、マルチラベル学習、ノイズの堅牢性、半教師付き学習という3つの興味深いトピックに焦点を当てました。今年は、データセットのサイズの拡大に加えて、オープン語彙の感情認識に関する新たなトラックを導入しました。
論文参考訳（メタデータ） (2024-04-26T02:05:20Z)
TV100: A TV Series Dataset that Pre-Trained CLIP Has Not Seen [59.41896032227508]
2021年以降に公開されたテレビシリーズの画像からなる新しいデータセットを公開している。このデータセットは、インクリメンタルラーニングの評価を含む、さまざまな研究領域での利用に重要な可能性を秘めている。
論文参考訳（メタデータ） (2024-04-16T17:47:45Z)
The End of the Canonical IoT Botnet: A Measurement Study of Mirai's Descendants [24.196342147986016]
もっとも人気のあるミライの子孫のうち、ハジメとモジの2つを測る。結果として得られたデータセットから、これらの2つの人気ボットネットは共通の祖先から様々な方法で進化してきたことが分かる。この発見が研究者や実践者に与える影響について論じる。
論文参考訳（メタデータ） (2023-09-03T10:02:03Z)
Algorithm-assisted discovery of an intrinsic order among mathematical constants [3.7689882895317037]
基礎数学的定数に対する連続的な分数式を前例のない数で発見するコンピュータアルゴリズムを開発した。多数の公式は、保守行列場と呼ばれる新しい数学的構造を明らかにする。そのような行列場は数千の既存の公式を統一し、無限に多くの新しい公式を生成し、異なる数学的定数間の予期せぬ関係をもたらす。
論文参考訳（メタデータ） (2023-08-22T23:27:47Z)
Artificial intelligence adoption in the physical sciences, natural sciences, life sciences, social sciences and the arts and humanities: A bibliometric analysis of research publications from 1960-2021 [73.06361680847708]
1960年には333の研究分野の14%がAIに関連していたが、1972年には全研究分野の半分以上、1986年には80%以上、現在では98%以上まで増加した。 1960年には、333の研究分野の14%がAI(コンピュータ科学の多くの分野)に関連していたが、1972年までに全研究分野の半分以上、1986年には80%以上、現在では98%以上まで増加した。我々は、現在の急上昇の状況が異なっており、学際的AI応用が持続する可能性が高いと結論付けている。
論文参考訳（メタデータ） (2023-06-15T14:08:07Z)
Mindstorms in Natural Language-Based Societies of Mind [110.05229611910478]
ミンスキーの「心の社会」とシュミットフーバーの「思考の学習」は、大規模なマルチモーダルニューラルネットワーク(NN)の多様な社会に刺激を与えた。最近のNNベースの心の社会の実装は、大きな言語モデル(LLM)と、自然言語インタフェースを介してコミュニケーションする他のNNベースの専門家で構成されている。これらの自然言語に基づく心の社会(NLSOMs)では、新しいエージェント(全員が同じ普遍的なシンボル言語を介して通信する)がモジュール化された方法で簡単に追加される。
論文参考訳（メタデータ） (2023-05-26T16:21:25Z)
Annotated History of Modern AI and Deep Learning [0.0]
私は、ニューラルネットワーク(NN)とディープラーニングに支配される現代の人工知能(AI)の歴史に注目します。現代のAIの歴史は、従来のAIテキストブックの焦点外のブレークスルーを強調するだろう。 NN、ディープラーニング、AI、コンピュータサイエンス、数学全般の歴史において、最も重要なイベントのタイムラインを提供します。
論文参考訳（メタデータ） (2022-12-21T16:46:24Z)
Compute Trends Across Three Eras of Machine Learning [0.0]
2010年以前、トレーニング計算はムーアの法則に従って成長し、約20ヶ月毎に倍増した。 2010年代初頭のディープラーニングの出現以来、トレーニング計算のスケーリングは加速し、約6ヶ月毎に倍増している。
論文参考訳（メタデータ） (2022-02-11T22:42:47Z)
A Deep Learning Framework for Lifelong Machine Learning [6.662800021628275]
シンプルなながら強力な統合型ディープラーニングフレームワークを提案する。当社のフレームワークは、これらのプロパティとアプローチのほぼすべてを1つの中央機構でサポートします。この統一生涯学習フレームワークが、大規模な実験と人間の学習全般への新しい取り組みを刺激することを期待している。
論文参考訳（メタデータ） (2021-05-01T03:43:25Z)
Artificial Musical Intelligence: A Survey [51.477064918121336]
音楽は、機械学習と人工知能研究の領域としてますます広まりつつある。この記事では、音楽知能の定義を提供し、その構成成分の分類を導入し、その追求に耐えうる幅広いAI手法を調査します。
論文参考訳（メタデータ） (2020-06-17T04:46:32Z)
Federated and continual learning for classification tasks in a society of devices [59.45414406974091]
Light Federated and Continual Consensus (LFedCon2)は、軽量で伝統的な学習者を用いた新しいフェデレーションおよび継続アーキテクチャである。我々の方法では、スマートフォンやロボットのような無力デバイスが、リアルタイムで、ローカルで、継続的に、自律的に、そしてユーザーから学習することができる。提案手法をスマートフォン利用者の異種コミュニティに適用し,歩行認識の課題を解決した。
論文参考訳（メタデータ） (2020-06-12T12:37:03Z)

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。