إذا كنت لا تعرف بالفعل

إذا كنت لا تعرف بالفعل

الطابع الزمني: 8 نوفمبر 2023 الساعة 1:07 صباحًا
عقدة المصدر: 2969387

التوصية المستندة إلى التعلم المعزز العميق (DRR) جوجل
تعد التوصية أمرًا بالغ الأهمية في كل من الأوساط الأكاديمية والصناعة، ويتم اقتراح تقنيات مختلفة مثل التصفية التعاونية القائمة على المحتوى، وعوامل المصفوفة، والانحدار اللوجستي، وآلات التحليل، والشبكات العصبية، وقطاع الطرق متعددي الأسلحة. ومع ذلك، فإن معظم الدراسات السابقة تعاني من قيدين: (1) اعتبار التوصية إجراءً ثابتًا وتجاهل الطبيعة التفاعلية الديناميكية بين المستخدمين وأنظمة التوصية، (2) التركيز على التغذية الراجعة الفورية للعناصر الموصى بها وإهمال الوقت الطويل. -مكافآت الأجل. ولمعالجة هذين القيدين، نقترح في هذه الورقة إطارًا جديدًا للتوصية يعتمد على التعلم المعزز العميق، والذي يسمى DRR. يتعامل إطار الحد من مخاطر الكوارث مع التوصية كإجراء متسلسل لاتخاذ القرار ويعتمد نظام التعلم المعزز "الممثل-الناقد" لنمذجة التفاعلات بين المستخدمين وأنظمة التوصية، والتي يمكن أن تأخذ في الاعتبار كلاً من التكيف الديناميكي والمكافآت طويلة المدى. علاوة على ذلك، تم دمج وحدة تمثيل الحالة في الحد من مخاطر الكوارث، والتي يمكنها التقاط التفاعلات بين العناصر والمستخدمين بشكل واضح. تم تطوير ثلاثة هياكل إنشاء مثيل. يتم إجراء تجارب موسعة على أربع مجموعات بيانات في العالم الحقيقي ضمن إعدادات التقييم عبر الإنترنت وغير المتصلة بالإنترنت. توضح النتائج التجريبية أن طريقة الحد من مخاطر الكوارث المقترحة تتفوق بالفعل على أحدث المنافسين. …

تعلم عميق جوجل
التعلم العميق عبارة عن مجموعة من الخوارزميات في التعلم الآلي التي تحاول نمذجة التجريدات عالية المستوى في البيانات باستخدام بنيات مكونة من تحويلات غير خطية متعددة. يعد التعلم العميق جزءًا من عائلة أوسع من أساليب التعلم الآلي القائمة على تمثيلات التعلم. يمكن تمثيل الملاحظة (على سبيل المثال، صورة) بعدة طرق (على سبيل المثال، ناقل البكسل)، ولكن بعض التمثيلات تسهل تعلم المهام محل الاهتمام (على سبيل المثال، هل هذه صورة لوجه بشري؟) من الأمثلة، وتحاول الأبحاث في هذا المجال تحديد ما الذي يجعل التمثيلات أفضل وكيفية إنشاء نماذج لتعلم هذه التمثيلات. تم تطبيق مختلف بنيات التعلم العميق مثل الشبكات العصبية العميقة، والشبكات العصبية العميقة التلافيفية، وشبكات المعتقد العميق على مجالات مثل رؤية الكمبيوتر، والتعرف التلقائي على الكلام، ومعالجة اللغة الطبيعية، والتعرف على إشارات الموسيقى/الصوت حيث ثبت أنها تنتج حالة -من بين الفن النتائج في مختلف المهام. …

التعلم الإحداثي المركزي (CCL) جوجل
بفضل التطور السريع لتقنيات الشبكة العصبية العميقة (DNN) وظهور قواعد بيانات الوجه واسعة النطاق، حقق التعرف على الوجوه نجاحًا كبيرًا في السنوات الأخيرة. أثناء عملية تدريب DNN، ستتفاعل ميزات الوجه ومتجهات التصنيف التي سيتم تعلمها مع بعضها البعض، بينما سيؤثر توزيع ميزات الوجه بشكل كبير على حالة تقارب الشبكة وحوسبة تشابه الوجه في مرحلة الاختبار. في هذا العمل، نقوم بصياغة تعلم ميزات الوجه ومتجهات التصنيف بشكل مشترك، ونقترح طريقة بسيطة وفعالة للتعلم الإحداثي المركزي (CCL)، والتي تفرض الميزات التي سيتم توزيعها بشكل مشتت في مساحة الإحداثيات مع ضمان وجود متجهات التصنيف عليها كرة مفرطة. يُقترح أيضًا هامش زاوي متكيف لتعزيز القدرة على التمييز في ميزات الوجه. تم إجراء تجارب موسعة على ستة معايير وجهية، بما في ذلك تلك التي بها فجوة عمرية كبيرة وعينات سلبية صعبة. تم تدريب نموذج CCL الخاص بنا فقط على مجموعة بيانات CASIA Webface صغيرة الحجم التي تحتوي على 460 ألف صورة وجه من حوالي 10 آلاف موضوع، ويظهر فعالية وعمومية عالية، ويظهر أداءً تنافسيًا مستمرًا عبر جميع قواعد البيانات القياسية الست. …

سريع Node2Vec جوجل
Node2Vec هي طريقة حديثة لتعلم الميزات للأغراض العامة لتحليل الشبكة. ومع ذلك، لا يمكن للحلول الحالية تشغيل Node2Vec على الرسوم البيانية واسعة النطاق التي تحتوي على مليارات القمم والحواف، وهي شائعة في تطبيقات العالم الحقيقي. يتطلب Node2Vec الموزع الحالي على Spark مساحة كبيرة ووقتًا إضافيًا. تنفد الذاكرة حتى بالنسبة للرسوم البيانية متوسطة الحجم التي تحتوي على ملايين القمم. علاوة على ذلك، فإنه يأخذ في الاعتبار 30 حافة على الأكثر لكل قمة عند إنشاء مسارات عشوائية، مما يتسبب في ضعف جودة النتائج. في هذا البحث، نقترح Fast-Node2Vec، وهي عائلة من خوارزميات Node2Vec الفعالة للمشي العشوائي على إطار حساب بياني يشبه Pregel. يقوم Fast-Node2Vec بحساب احتمالات الانتقال أثناء عمليات السير العشوائية لتقليل استهلاك مساحة الذاكرة وحساب النفقات العامة للرسوم البيانية واسعة النطاق. يتجنب المخطط المشابه لـ Pregel الحمل الزائد للوقت والمساحة لهياكل RDD للقراءة فقط في Spark وعمليات التبديل. علاوة على ذلك، نقترح عددًا من تقنيات التحسين لتقليل الحمل الحسابي للقمم الشائعة بدرجات كبيرة. يُظهر التقييم التجريبي أن Fast-Node2Vec قادر على حساب Node2Vec على الرسوم البيانية بمليارات القمم والحواف على مجموعة آلات متوسطة الحجم. بالمقارنة مع Spark-Node2Vec، يحقق Fast-Node2Vec عمليات تسريع تتراوح بين 7.7 و122x. …

الطابع الزمني:

اكثر من أناليتيكسون