Dropout: A Revolutionary Approach to Reducing Overfitting in Neural Networks
过度拟合和 Dropout 简介：在有限的数据上训练大型神经网络时，过度拟合是一个常见的挑战。当模型在训练数据上表现异常出色但无法推广到看不见的测试数据时，就会发生这种情况。出现此问题的原因是网络的特征检测器对于训练数据来说变得过于专业化，从而产生了复杂的依赖关系 Dropout：一种减少神经网络过度拟合的革命性方法首先出现在 AI Quantum Intelligence 上。
Convolutional Neural Networks (CNNs) Explained
在人工智能和机器学习领域，卷积神经网络 (CNN) 已成为图像识别、处理和分类的强大工具。它们独特的架构和学习空间层次的能力使它们特别适合处理涉及视觉数据的任务。在这篇博文中，我们将深入探讨 CNN 的复杂性、其组件及其应用。什么是卷积神经网络？卷积神经网络 (CNN) 是一类深度神经网络，特别适合分析视觉图像。受动物视觉皮层的启发，CNN 旨在自动和自适应地学习空间 […]
Российские ученые создали усовершенствованный аналог нейросетевого ускорителя Google
俄罗斯人工智能公司 Smart Engines 的科学家在美国提出了一种全新的神经网络模型——双极形态网络，并获得了专利。他们将使创建神经网络模型加速器成为可能，该加速器可以将硬件特性提高 30-40%，而性能质量几乎不会降低。 BM网络有能力取代经典神经网络，并在不久的将来对人工智能技术的发展产生重大影响。
Сонный огурец против машинного обучения: нейросети уязвимы как никогда ранее
研究人员发现了一种黑客攻击机器学习系统的新武器。
人类在宇宙中是孤独的还是在某处存在其他智慧生物？科学还无法回答这个问题。但我们确信，人们在虚拟世界中并不孤单。此外，万维网已经相当拥挤：最近发布的一项研究表明，到 2023 年，世界上几乎一半的互联网流量不是由真实用户产生的，而是由各种机器人产生的。 RBC Life 与包括 UCSB 科学技术工作副主任 Nikolai Domukhovsky 在内的专家一起了解了我们面临的威胁、人工网络活动是什么样的以及当今打击垃圾邮件的情况如何。美国网络安全公司 Imperva 每年都会发布《Bad Bot Report》，这是一份专门针对互联网上的机器人的大型报告。今年研究中包含的主要数字是49.6%。
Прозрачные нейросети: Model Explorer позволяет заглянуть внутрь «черного ящика» ИИ
新的 Google 工具可可视化神经网络并提高开发人员的工作效率。
如今，俄罗斯联邦银行业的大型企业、采矿和工业企业以及个人和公司都受到西方制裁，FPMM 科学家开发了一种基于神经网络的智能系统，该报告基于许多俄罗斯公司市场独有的经济因素，预测了它们被列入制裁名单的威胁。塔斯社科学
Cognitive Pilot решила сложную задачу при обучении нейросетей
从视频流中选择罕见的有趣数据是极其重要的一步，尤其是在训练神经网络的后期阶段。正是这一点使得实现物体识别的最大准确度成为可能，并且在解决生命攸关级（对人类生命至关重要）的问题时极其重要，其中包括用于有轨电车、拖拉机和其他旨在确保车辆安全的车辆的自动驾驶系统。任何条件下的交通参与者。
Самарские ученые научили нейросеть видеть "невидимое" со скоростью света
以萨马拉大学科学家的名字命名。 Korolev 开发并测试了一种高速神经网络，能够实时分析传入的视频流，并几乎立即识别和查找该视频流中的指定对象和图像。
В ЛЭТИ обучили нейросеть определять патологию сетчатки, которая возникает при сахарном диабете
该开发成果将帮助眼科医生利用视网膜图像在糖尿病视网膜病变进展的早期阶段进行诊断。这种疾病也可以作为糖尿病发展的最初迹象之一。
В ЛЭТИ придумали новую модель реакции для создания "химической" нейронной сети
提出的模型描述了圣彼得堡电子技术大学“LETI”科学家开发的特殊化学反应器中发生的过程。未来，它可以用于物理神经网络的开发，即同时存储和处理数据的计算机架构。
Asymmetric Certified Robustness via Feature-Convex Neural Networks
通过特征凸神经网络实现非对称认证稳健性 TLDR：我们提出了非对称认证稳健性问题，它只需要对一个类进行认证稳健性，并反映了现实世界的对抗场景。这种集中设置使我们能够引入特征凸分类器，该分类器可在毫秒级产生闭式和确定性的认证半径。图 1. 特征凸分类器及其对敏感类输入的认证的说明。该架构由 Lipschitz 连续特征图 $\varphi$ 和学习到的凸函数 $g$ 组成。由于 $g$ 是凸的，因此它在 $\varphi(x)$ 处的切平面全局欠近似，从而在特征空间中产生认证范数球。然后，$\varphi$ 的 Lipschitz 性会在原始输入空间中产生适当缩放的证书。尽管深度学习分类器被广泛
Ant-Inspired Neural Network Boosts Robot Navigation
受到蚂蚁的启发，爱丁堡大学和谢菲尔德大学的研究人员正在开发一种人工神经网络，帮助机器人在复杂的自然环境中识别和记住路线。
«Северсталь» повышает качество травленого проката с помощью нейронной сети
谢韦尔钢铁公司使用自己的 VERA 计算机视觉模型控制切列波维茨冶金厂（谢韦尔钢铁公司的重要资产）4 号连续酸洗装置的金属质量。基于神经网络的解决方案有助于发现轧制金属产品的质量偏差，并有助于减少客户的通知数量。
Neural Networks gone wild! They can sample from discrete distributions now!
了解如何使用 Gumbel 分布形成包含离散随机分量的 NN。
