Forwarded from Silicon Brain | جامعه هوش مصنوعی
خیلیهامون زمان میزاریم تا کد مقالهها رو پیدا کنیم! مگه نه؟😅
افزونه مرورگر کروم با نام #CatalyzeX این کار رو برای ما انجام میده!
تو گوگل اسکولار و ArXiv و... امتحانش کن👌
@silicon_brain
افزونه مرورگر کروم با نام #CatalyzeX این کار رو برای ما انجام میده!
تو گوگل اسکولار و ArXiv و... امتحانش کن👌
@silicon_brain
This media is not supported in your browser
VIEW IN TELEGRAM
اگر میخواهید از متن انگلیسی سوال بسازید، کتابخانه QuestGen راهحل خوبی است که از ترنسفورمرها مدل T5 برای رمزنگاری رمزگشایی استفاده کرده است.
https://github.com/ramsrigouthamg/Questgen.ai
@silicon_brain
https://github.com/ramsrigouthamg/Questgen.ai
@silicon_brain
Silicon Brain | جامعه هوش مصنوعی
در اين شكل رفتار نمودار دقت/epoch را براي دو حالاتي كه: -مدل يادگيري عميق ما خيلي كوچك باشد (يك لايه مخفي با 16 نود) -مدل يادگيري عميق ما كوچك باشد (2 لايه مخفي هر كدام 16 نود ) مشاهده ميكنيد به نظر شما براي مدل يادگيري عميق با سايز متوسط (3 لايه مخفي هر…
در پست ریپلای شده دقت مدل با اندازه های خیلی کوچک و کوچک روی نمودار نشان داده شده بود .
اما وقتی حریص میشویم تا اندازه ی مدل یادگیری را بزرگتر (عمیق تر) کنیم تا دقت بالا رود چه اتفاقی می افتاد؟
به خط قرمز و آبی دقت کنید . صرفا عمیق کردن مدل دقت بالایی روی داده های آموزشی خواهد داشت اما روی داده های اعتبار سنجی دقت پایین تر از حتی مدل کوچک خواهد بود.
پس همواره پیچیده و عمیق شدن مدل راه حل درستی نیست.
اما وقتی حریص میشویم تا اندازه ی مدل یادگیری را بزرگتر (عمیق تر) کنیم تا دقت بالا رود چه اتفاقی می افتاد؟
به خط قرمز و آبی دقت کنید . صرفا عمیق کردن مدل دقت بالایی روی داده های آموزشی خواهد داشت اما روی داده های اعتبار سنجی دقت پایین تر از حتی مدل کوچک خواهد بود.
پس همواره پیچیده و عمیق شدن مدل راه حل درستی نیست.
This media is not supported in your browser
VIEW IN TELEGRAM
#deep_reinforcement_learning
#reinforcement_learning
سال 2015 یک برنامه هوش مصنوعی با استفاده از یادگیری تقویتی عمیق توسط Google DeepMind ایجاد شد که بازی های آتاری را انجام میداد و توانایی ارتقا به سطح فوق انسانی را داشت .
در این ویدیو، عامل هوشمد بعد از 240 دقیقه آموزش دیدن متوجه میشود که تونل زدن و رسیدن به پشت اجزا بهترین راه حل ممکن برای این بازی است .
@silicon_brain
#reinforcement_learning
سال 2015 یک برنامه هوش مصنوعی با استفاده از یادگیری تقویتی عمیق توسط Google DeepMind ایجاد شد که بازی های آتاری را انجام میداد و توانایی ارتقا به سطح فوق انسانی را داشت .
در این ویدیو، عامل هوشمد بعد از 240 دقیقه آموزش دیدن متوجه میشود که تونل زدن و رسیدن به پشت اجزا بهترین راه حل ممکن برای این بازی است .
@silicon_brain