Zaznacz stronę
LoRA i transformery wizyjne w rozpoznawaniu celów podwodnych

LoRA i transformery wizyjne w rozpoznawaniu celów podwodnych

Naukowcy opracowali trzystopniową metodę adaptacji modeli Vision Transformer do rozpoznawania celów przez sonar syntetycznej apertury (SAS). Wykorzystuje LoRA, trudne przykłady negatywne i uczenie kontrastywne, by odróżnić obiekty man-made od skał i...
MIT: system przewiduje błędy autonomicznych samochodów

MIT: system przewiduje błędy autonomicznych samochodów

Naukowcy z MIT i firmy Motional opracowali metodę CW-Net, która tłumaczy decyzje modeli głębokiego uczenia sterujących autonomicznymi pojazdami na zrozumiałe dla człowieka pojęcia. Dzięki temu kierowcy i pasażerowie mogą lepiej przewidywać błędy samochodu i reagować,...
Nova: kompilator MLIR end-to-end dla głębokiego uczenia

Nova: kompilator MLIR end-to-end dla głębokiego uczenia

Naukowcy zaprezentowali Novę – zautomatyzowany kompilator JIT, który optymalizuje modele deep learning na poziomie sprzętowym, łącząc operacje, zarządzając hierarchią pamięci i dostrajając wykonanie do poziomu rejestrów procesora.