機械学習の中心的な問題は、深いネットが高次元でタスクを学習する方法です。魅力的な仮説は、タスクに関係のない情報が失われたデータの表現を構築することで、この偉業を達成したというものです。画像データセット

arxiv_reader のブックマーク 2022/11/24 12:27

<blockquote class="hatena-bookmark-comment"><a class="comment-info" href="https://b.hatena.ne.jp/entry/4728538139134356132/comment/arxiv_reader" data-user-id="arxiv_reader" data-entry-url="https://b.hatena.ne.jp/entry/s/arxiv-check-250201.firebaseapp.com/each/2210.01506v2" data-original-href="https://arxiv-check-250201.firebaseapp.com/each/2210.01506v2" data-entry-favicon="https://cdn-ak2.favicon.st-hatena.com/64?url=https%3A%2F%2Farxiv-check-250201.firebaseapp.com%2Feach%2F2210.01506v2" data-user-icon="/users/arxiv_reader/profile.png">深い畳み込みニューラル ネットワークがトレーニングによって空間情報を失う方法</a><ul class="comment-tag" style="list-style: none; margin: 0px;"><li style="float: left">[<a href="https://b.hatena.ne.jp/q/dataset">dataset</a>]</li><li style="float: left">[<a href="https://b.hatena.ne.jp/q/learning">learning</a>]</li><li style="float: left">[<a href="https://b.hatena.ne.jp/q/arXiv">arXiv</a>]</li><li style="float: left">[<a href="https://b.hatena.ne.jp/q/%22arXiv%20reaDer%22">arXiv reaDer</a>]</li><li style="float: left">[<a href="https://b.hatena.ne.jp/q/representation">representation</a>]</li><li style="float: left">[<a href="https://b.hatena.ne.jp/q/CNN">CNN</a>]</li><li style="float: left">[<a href="https://b.hatena.ne.jp/q/pooling">pooling</a>]</li></ul><br><p style="clear: left">機械学習の中心的な問題は、深いネットが高次元でタスクを学習する方法です。魅力的な仮説は、タスクに関係のない情報が失われたデータの表現を構築することで、この偉業を達成したというものです。画像データセット</p><a class="datetime" href="https://b.hatena.ne.jp/arxiv_reader/20221124#bookmark-4728538139134356132"><span class="datetime-body">2022/11/24 12:27</span></a></blockquote><script src="https://b.st-hatena.com/js/comment-widget.js" charset="utf-8" async></script>

このブックマークにはスターがありません。
最初のスターをつけてみよう！