глибинне навчання

Ансамблеві методи на основі центрування для сегментації зображення

Ансамблеві методи можуть використовуватись для багатьох завдань, одними з найпопулярніших є: класифікація, регресія та сегментація зображень. Сегментація зображень є складною задачею, де використання ансамблевих методів машинного навчання дає можливість покращити точність передбачень нейронних мереж.

МОДЕЛІ МАШИННОГО НАВЧАННЯ ТА ОПТИМІЗАЦІЙНІ СТРАТЕГІЇ ДЛЯ ПІДВИЩЕННЯ ЕФЕКТИВНОСТІ КЛАСИФІКАЦІЇ НА МОБІЛЬНИХ ПРИСТРОЯХ (ENGLISH)

The paper highlights the increasing importance of machine learning (ML) in mobile applications, with mobile devices becoming ubiquitous due to their accessibility and functionality. Various ML models, including Convolutional Neural Networks (CNNs) and Vision Transformers (ViTs), are explored for their applications in real-time classification on mobile devices. The paper identifies key challenges in deploying these models, such as limited computational resources, battery consumption, and the need for real-time performance.

Інтелектуальна система передбачення фейкових новин на основі технологій NLP та машинного навчання

У статті описано дослідження ідентифікації фейкових новин на основі опрацювання природної мови, аналізу великих даних і технології глибокого навчання. Розроблена система автоматично перевіряє новини на наявність ознак фейкових новин, таких як використання маніпулятивної мови, неперевірених джерел і недостовірної інформації. Візуалізація даних реалізована на основі дружнього інтерфейсу користувача, який відображає результати аналізу новин у зручному та зрозумілому форматі.

Розшифровка Цезію-137: підхід глибинного навчання до екологічного прогнозування

Дослідження зосереджено на значній екологічній загрозі, яку становить цезій-137, побічний продукт ядерних аварій, промислової діяльності та минулих випробувань зброї. Стійкість цезію- 137 порушує екосистеми, забруднюючи ґрунт та воду, що у результаті впливає на здоров’я людей через харчовий ланцюг. Традиційні методи моніторингу, такі як гамма-спектроскопія та відбір проб ґрунту, стикаються з проблемами, серед яких варіативність та інтенсивне використання ресурсів.

Використання ембедінгів голосу в інтегрованих системах для діаризації мовців та виявлення зловмисників

У цій роботі досліджується використання систем діаризації, які застосовують передові алгоритми машинного навчання для точного виявлення та розділення різних спікерів в аудіозаписах для реалізації системи виявлення зловмисників. Порівнюються декілька передових моделей діаризації, зокрема NeMo від Nvidia, Pyannote та SpeechBrain. Ефективність цих моделей оцінюється за допомогою типових метрик, що використову- ються для систем діаризації, таких як коефіцієнт помилки діаризації (DER) та коефіцієнт помилки Жакара (JER). Система діаризації була протестована в різних аудіоумовах.

СЕГМЕНТАЦІЯ ВНУТРІШНЬОЧЕРЕПНОГО КРОВОВИЛИВУ ЗА ДОПОМОГОЮ НЕЙРОННОЇ МЕРЕЖІ ТА ПОКРАЩЕННЯ ТЕКСТУРИ НА ОСНОВІ ДРОБОВОГО ОПЕРАТОРА РІСА

У статті досліджується застосування архітектури U-Net для сегментації внутрішньочерепних крововиливів, зосереджуючись на підвищенні точності сегментації шляхом включення методів покращення текстури на основі похідних дробового порядку Ріса. Дослідження починається з проведення огляду суміжних робіт у галузі сегментації комп’ютерної томографії (КТ). На цьому етапі також вибирається відповідний набір даних. Спочатку він використовувався для навчання U-Net, однієї з широко поширених моделей глибокого навчання в області сегментації медичних зображень.