Fugu-MT 論文翻訳(概要): Deep Learning Framework From Scratch Using Numpy

論文の概要: Deep Learning Framework From Scratch Using Numpy

arxiv url: http://arxiv.org/abs/2011.08461v1
Date: Tue, 17 Nov 2020 06:28:05 GMT
ステータス: 処理完了
システム内更新日: 2022-09-24 17:39:41.198920
Title: Deep Learning Framework From Scratch Using Numpy
Title（参考訳）: Numpyを使ったスクラッチからのディープラーニングフレームワーク
Authors: Andrei Nicolae
Abstract要約: この研究は、完全に汎用的なディープラーニングフレームワークをゼロから厳格に開発したものである。ディープラーニングの基本コンポーネントは基本計算から開発され、PythonとNumpyライブラリのみを使用して、合理的なオブジェクト指向アプローチで実装されている。 ArrayFlowというフレームワークを使って解決された問題の例は、コンピュータビジョン分類タスク、カテナリーの形状の解法、二階微分方程式などである。
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: This work is a rigorous development of a complete and general-purpose deep learning framework from the ground up. The fundamental components of deep learning - automatic differentiation and gradient methods of optimizing multivariable scalar functions - are developed from elementary calculus and implemented in a sensible object-oriented approach using only Python and the Numpy library. Demonstrations of solved problems using the framework, named ArrayFlow, include a computer vision classification task, solving for the shape of a catenary, and a 2nd order differential equation.
Abstract（参考訳）: この研究は、完全で汎用的なディープラーニングフレームワークを最初から厳格に開発しています。多変数スカラー関数を最適化する自動微分法と勾配法であるディープラーニングの基本成分は,基本計算から開発され,Python と Numpy ライブラリのみを用いて,合理的なオブジェクト指向アプローチで実装されている。 arrayflowと呼ばれるこのフレームワークを使って解決された問題のデモンストレーションには、コンピュータビジョン分類タスク、カテナリーの形状の解法、および2階微分方程式が含まれる。

関連論文リスト

Automated Sizing and Training of Efficient Deep Autoencoders using Second Order Algorithms [0.46040036610482665]
一般化線形分類器の多段階学習法を提案する。検証エラーは不要な入力のプルーニングによって最小化される。所望の出力は、Ho-Kashyapルールに似た方法で改善される。
論文参考訳（メタデータ） (2023-08-11T16:48:31Z)
Oflib: Facilitating Operations with and on Optical Flow Fields in Python [5.936095386978232]
動作推定アルゴリズムなどにおける光学的流れ,すなわち2次元ベクトル場の特徴付けと操作に関する理論的枠組みを提案する。この構造化されたアプローチは、深層学習に必要なバックプロパゲーションをサポートするPyTorchバージョンのlibpytorchで、Python 3の実装の基礎として使用される。本研究では,このフローコンポジション法を実証的に検証し,合成トレーニングデータ作成における光学的フローグラウンド真理への適用例を示す。
論文参考訳（メタデータ） (2022-10-11T17:28:10Z)
PAConv: Position Adaptive Convolution with Dynamic Kernel Assembling on Point Clouds [33.41204351513122]
PAConvは、3Dポイントクラウド処理のための汎用畳み込み操作です。カーネルはデータ駆動方式で構築されており、PAConvは2D畳み込みよりも柔軟性がある。単純なネットワーク上で構築された場合でも、この手法は最先端のモデルにアプローチしたり、超えたりします。
論文参考訳（メタデータ） (2021-03-26T17:52:38Z)
Composable Learning with Sparse Kernel Representations [110.19179439773578]
再生カーネルヒルベルト空間におけるスパース非パラメトリック制御系を学習するための強化学習アルゴリズムを提案する。正規化アドバンテージ関数を通じてステートアクション関数の構造を付与することにより、このアプローチのサンプル複雑さを改善します。 2次元環境下を走行しながらレーザースキャナーを搭載したロボットの複数シミュレーションにおける障害物回避政策の学習に関するアルゴリズムの性能を実証する。
論文参考訳（メタデータ） (2021-03-26T13:58:23Z)
Neural Function Modules with Sparse Arguments: A Dynamic Approach to Integrating Information across Layers [84.57980167400513]
Neural Function Modules (NFM)は、ディープラーニングに同じ構造機能を導入することを目的としている。トップダウンとボトムアップのフィードバックを組み合わせたフィードフォワードネットワークのコンテキストにおける作業のほとんどは、分類の問題に限られている。私たちの仕事の重要な貢献は、フレキシブルなアルゴリズムで注意、疎結合、トップダウン、ボトムアップのフィードバックを組み合わせることです。
論文参考訳（メタデータ） (2020-10-15T20:43:17Z)
Fast Few-Shot Classification by Few-Iteration Meta-Learning [173.32497326674775]
数ショット分類のための高速な最適化に基づくメタラーニング手法を提案する。我々の戦略はメタ学習において学習すべき基礎学習者の目的の重要な側面を可能にする。我々は、我々のアプローチの速度と効果を実証し、総合的な実験分析を行う。
論文参考訳（メタデータ） (2020-10-01T15:59:31Z)
A survey on Kornia: an Open Source Differentiable Computer Vision Library for PyTorch [0.0]
Korniaは、汎用的なコンピュータビジョン問題を解決することを目的とした、さまざまなルーチンとモジュールのセットに基づいて構築された、オープンソースのコンピュータビジョンライブラリである。パッケージはPyTorchをメインバックエンドとして使用しており、効率だけでなく、逆自動微分エンジンを利用して複雑な関数の勾配を定義し、計算する。
論文参考訳（メタデータ） (2020-09-21T08:48:28Z)
MKLpy: a python-based framework for Multiple Kernel Learning [4.670305538969914]
マルチカーネル学習のためのピソンベースのフレームワークであるMKLpyを紹介する。このライブラリは、分類タスクのための多重カーネル学習アルゴリズム、異なるデータ型のためのカーネル関数を計算するメカニズム、評価戦略を提供する。
論文参考訳（メタデータ） (2020-07-20T10:10:13Z)
A Flexible Framework for Designing Trainable Priors with Adaptive Smoothing and Game Encoding [57.1077544780653]
我々は、前方通過を非滑らかな凸最適化問題として解釈できるニューラルネットワーク層の設計とトレーニングのための一般的なフレームワークを紹介する。グラフのノードに代表されるローカルエージェントによって解決され、正規化関数を介して相互作用する凸ゲームに焦点を当てる。このアプローチは、訓練可能なエンドツーエンドのディープモデル内で、古典的な画像の事前使用を可能にするため、画像の問題を解決するために魅力的である。
論文参考訳（メタデータ） (2020-06-26T08:34:54Z)
Physarum Powered Differentiable Linear Programming Layers and Applications [48.77235931652611]
一般線形プログラミング問題に対する効率的かつ微分可能な解法を提案する。本稿では,ビデオセグメンテーションタスクとメタラーニングにおける問題解決手法について述べる。
論文参考訳（メタデータ） (2020-04-30T01:50:37Z)
PolyScientist: Automatic Loop Transformations Combined with Microkernels for Optimization of Deep Learning Primitives [55.79741270235602]
深層学習カーネル開発のためのハイブリッドソリューションを開発する。我々は、高度な多面体技術を用いて、パフォーマンスのために外部ループを自動的に調整する。
論文参考訳（メタデータ） (2020-02-06T08:02:34Z)

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。