Support us

В Amazon разработали быстрый метод добавления новых типов данных в ИИ-классификаторы

Оставить комментарий
В Amazon разработали быстрый метод добавления новых типов данных в ИИ-классификаторы

Исследователи Amazon Alexa представили метод добавления новых типов данных в классификаторы с использованием только тренировочных данных для нового класса, пишет VentureBeat.

Задача классификаторов — разделять данные по типу (фото, видео, предметы, аудио), и сегодня они справляются с ней достаточно хорошо. Но добавить в алгоритм новый класс обычно очень трудно, так как это требует сбора большого количества данных и перетренировки модели.

В своей работе учёные Amazon показали возможность переноса ИИ-системы и её параметров на новую систему, обученную идентифицировать дополнительный класс.

По словам исследователей, вопрос адаптирования существующих сетей к новым типам данных особенно важен для голосовых ассистентов. Описанные ими метод адаптации — или перенос обучения — позволил бы сторонним разработчикам навыков напрямую использовать частные системы Amazon без необходимости доступа к её тренировочным данным.

В работе исследователи добавляли новый класс в нейросеть, обученную распознавать людей и компании в онлайн-публикациях. Они пропустили выходные данные изначального классификатора через отдельную нейросеть (адаптер), чьи выходные данные отправили на второй параллельный классификатор, обученный на данных по новому классу. Далее учёные совместно обучали адаптер и второй классификатор. В результате они получили новую нейросеть для распознавания мест, обученную с помощью сети для распознавания людей и компаний с её параметрами.

В испытаниях двух нейросетевых архитектур и двух методов переноса обучения им удалось достичь точности нейросетей в 91,08 процента на изначальных данных и 90,73 процента — на новых.

Читайте также
15 вещей с Amazon, чтобы прокачать рабочее пространство
15 вещей с Amazon, чтобы прокачать рабочее пространство
15 вещей с Amazon, чтобы прокачать рабочее пространство
Собрали в подборку очевидные и неочевидные вещи с Amazon, которые сделают ваше рабочее пространство удобнее, комфортнее и безопаснее.
TinyML, No-code и обучение с подкреплением: новейшие тренды в машинном обучении
TinyML, No-code и обучение с подкреплением: новейшие тренды в машинном обучении
TinyML, No-code и обучение с подкреплением: новейшие тренды в машинном обучении
Пока 20% топ-менеджеров утверждают, что машинное обучение является существенной частью их бизнеса, неудивительно, что стоимость мирового рынка машинного обучения, по некоторым оценкам, достигнет $117 млрд к концу 2027 года. Мы перевели материал Udacity о семи самых обсуждаемых тенденциях в машинном обучении в 2022 году.
Нейросеть «оживляет» классические пиксельные игры
Нейросеть «оживляет» классические пиксельные игры
Нейросеть «оживляет» классические пиксельные игры
Google, Apple, Microsoft постепенно выносят производство из Китая
Google, Apple, Microsoft постепенно выносят производство из Китая
Google, Apple, Microsoft постепенно выносят производство из Китая
4 комментария

Хотите сообщить важную новость? Пишите в Telegram-бот

Главные события и полезные ссылки в нашем Telegram-канале

Обсуждение
Комментируйте без ограничений

Релоцировались? Теперь вы можете комментировать без верификации аккаунта.

Комментариев пока нет.