Наука

Восстановление глубины прозрачных объектов: самообучение на основе невидимого

от

Обучение без учителя использует замаскированные данные, полученные в процессе обучения с учителем, позволяя модели извлекать знания без необходимости доступа к полной информации о глубине сцены, что демонстрирует возможность самообучения на основе уже существующих, неполных данных.

Новый подход позволяет эффективно восстанавливать трехмерную информацию о прозрачных объектах, используя данные с RGB-D сенсоров и самообучение без необходимости в размеченных данных.

Устойчивость нейросетей: как функции активации и данные влияют на защиту от атак

от

В условиях федеративного обучения, распределение данных между десятью клиентами исследуется посредством независимого и идентичного (IID) подхода, а также не-IID стратегий, используя набор данных CIFAR-10, состоящий из изображений десяти различных классов, что позволяет оценить влияние различных стратегий разделения данных на эффективность обучения.

В новом обзоре рассматриваются методы повышения устойчивости глубоких нейронных сетей к враждебным атакам в условиях как централизованного, так и федеративного обучения.

Нейросети учатся собирать себя сами: новый подход к повторному использованию кода

от

Процесс отладки кода нейронных сетей, включающий точное удаление дубликатов с учетом префиксов, лексическое приближенное удаление дубликатов посредством MinHash+LSH с проверкой по индексу Жаккара, структурное удаление дубликатов на основе отпечатков AST и последующее повышение разнообразия для обеспечения репрезентации недостаточно представленных семейств, позволяет выявить преобладание уникальных архитектур, полученных из извлечений NN-RAG в LEMUR.

Исследователи разработали систему, позволяющую автоматически находить, компоновать и проверять готовые модули PyTorch из различных источников, значительно ускоряя процесс разработки и исследования нейронных сетей.