The OpenNET Project / Index page

[ новости/++ | форум | wiki | теги ]

/ Для программиста / Машинное обучение, AI
08.10.2017 Amazon открыл код компилятора NNVM для систем машинного обучения (8 +10)
  Компания Amazon представила компилятор NNVM, предназначенный для компиляции предоставляемых системами машинного обучения высокоуровневых графов вычислений в оптимизированный набор машинных кодов. Код проекта распространяется под лицензией Apache 2.0...
09.09.2017 Facebook и Microsoft предложили открытый формат обмена моделями машинного обучения (64 –30)
  Facebook и Microsoft выступили с инициативой по унификации обмена моделями между разными фреймворками машинного обучения и системами искусственного интеллекта. Итогом стала разработка открытого формата ONNX (Open Neural Network Exchange) для представления моделей глубинного машинного обучения. Эталонная реализация ONNX написана на языке Python и распространяется под лицензией MIT...
28.06.2017 Компания Sony открыла свои наработки в области нейронных сетей (15 +13)
  Компания Sony представила проект NNabla (Neural Network Libraries), в рамках которого открыла наработки в области построения нейронных сетей для решения задач глубинного машинного обучения. Система универсальная и изначально рассчитана на использование как на настольных ПК и встраиваемых устройствах, так и в кластерах и крупных серверах для решения исследовательских задач и практического применения. Код ядра NNabla написан на языке C++ и распространяется под лицензией Apache 2.0...
01.06.2017 Платформа машинного обучения SystemML получила статус первичного проекта Apache (24 +5)
  Организация Apache Software Foundation объявила о присвоении Apache SystemML статуса первичного проекта Apache. Платформа машинного обучения SystemML изначально была создана компанией IBM и используется в системе IBM Watson Health. В ноябре 2015 года наработки по SystemML были переданы под покровительство фонда Apache, в котором проект находился в инкубаторе, где была проверена способность следования принципам разработки и управления, принятым в сообществе Apache и основанным на идеях меритократии. Теперь Apache SystemML признан готовым для самостоятельного существования, не требующего дополнительного надзора. Компоненты проекта написаны на языках С++ и Java и поставляются под лицензией Apache 2.0...
19.04.2017 Facebook представил модульную систему машинного обучения Caffe2 (11 +7)
  Facebook представил новый открытый фреймворк глубинного машинного обучения Caffe2, отличающийся высокой скоростью, модульной структурой и возможностью создания легковесных и масштабируемых решений. Код проекта распространяется под лицензией BSD. Для использования доступны уже готовые модели, натренированные в кластере Facebook, которые можно использовать для классификации изображений, выделения объектов и лиц на изображениях и обработки видео. API для разработки доступны для Python и C++...
16.02.2017 Выпуск системы машинного обучения TensorFlow 1.0 и классификатора изображений ResNeXt (15 +11)
  Компания Google представила первый стабильный выпуск платформы машинного обучения TensorFlow, предоставляющей готовые реализации различных алгоритмов глубокого машинного обучения. Предоставляется простой программный интерфейс для построения моделей на языке Python и низкоуровневый интерфейс для языка С++, позволяющий управлять построением и выполнением вычислительных графов. Код системы написан на языках С++ и Python и распространяется под лицензией Apache...
14.01.2017 Проект OpenNMT развивает систему машинного перевода на основе нейронной сети (70 +10)
  Доступны первые выпуски OpenNMT (Open Neural Machine Translation), открытой системы машинного перевода, использующей методы машинного обучения. Для построения нейронной сети проект использует возможности библиотеки глубинного машинного обучения Torch. Код развиваемых проектом OpenNMT модулей для Torch написан на языке Lua и распространяется под лицензией MIT. Для упрощения распространения продукта проектом также развивается самодостаточный вариант транслятора на языке C++, который использует предварительно натренированные модели без привязки зависимостями к Torch и Lua...
02.10.2016 В рамках проекта subpixel подготовлена нейронная сеть для восстановления изображений (69 +21)
  Лаборатория Tetrachrome открыла исходные тексты проекта subpixel, в рамках которого подготовлена реализация свёрточной нейронной сети, выполняющей работу по восстановлению качества изображений. Система может использоваться для воссоздания промежуточных пикселей изображения, утерянных в результате масштабирования, или для повышения качества деталей на общих снимках. Иными словами, subpixel предоставляет средства для обратного масштабирования с восстановлением утраченной пиксельной детализации. Код открыт под лицензией MIT...
01.10.2016 Yahoo открыл модель машинного обучения для выявления неприличных изображений (61 +10)
  Компания Yahoo объявила об открытии модели и кода для выявления изображений неприличного содержания с использованием методов глубинного машинного обучения. Представленные наработки позволяют идентифицировать изображения категории NSFW, которые неудобно смотреть в присутствии других людей (в текущем виде модель натренирована на выявление порнографии). Готовая модель для классификации подобных материалов опубликована под лицензией BSD и опробована в использовании с открытыми фреймворками машинного обучения Caffe и CaffeOnSpark...
05.09.2016 Baidu открыл наработки в области машинного обучения (23 +11)
  Китайская компания Baidu, развивающая одноимённую поисковую систему, объявила об открытии исходных текстов своих наработок в области глубинного машинного обучения. В настоящее время опубликован предварительный выпуск ПО PaddlePaddle (PArallel Distributed Deep LEarning), финальная версия которого ожидается 30 сентября. Код открыт под лицензией Apache 2.0...
14.03.2016 Первый выпуск Gneural Network, программируемой нейронной сети от проекта GNU (67 +13)
  Проект GNU представил первый выпуск пакета Gneural Network, в рамках которого развивается система моделирования работы нейронной сети, подходящая для решения задач машинного обучения. Первый выпуск достаточно сильно ограничен по функциональности и подходит для создания очень простых нейронных сетей прямого распространения (без обратных связей), подходящих для решения таких задач как подбор функции, оптимально соответствующей имеющемуся набору данных. В будущем функциональность пакета планируется расширить поддержкой рекуррентных нейронных сети на базе архитектуры LSTM (long short term memory), средствами глубокого машинного обучения и методами обучения с подкреплением.
25.01.2016 Microsoft опубликовал на GitHub систему машинного обучения CNTK (18 –3)
  Компания Microsoft сообщила о публикации на GitHub исходных текстов тулкита CNTK (Computational Network Toolkit) с реализацией алгоритмов глубокого машинного обучения. На практике тулкит используется в сервисах, обеспечивающих распознавание произвольной речи, таких как Windows Cortana, Skype Translator и Project Oxford Speech API. Тулкит также может использоваться для решения задач автоматизированного перевода, распознавания изображений и разбора вопросов на естественном языке. Код написан на языке С++ и распространяется под лицензией MIT...
14.01.2016 Yahoo опубликовал крупнейшую базу данных для систем машинного обучения (37 +17)
  Компания Yahoo разместила в публичном доступе крупнейший набор данных для исследователей машинного обучения и искусственного интеллекта, включающий информацию о 110 миллиардах событий (размер БД 13.5 Тб). База содержит обезличенные данные, накопленные с февраля по май 2015 года и включающие сведения о поведении 20 млн пользователей при чтении новостей на сайтах Yahoo...
27.11.2015 Компания IBM передала сообществу Apache платформу машинного обучения SystemML (12 +7)
  Компания IBM объявила о передаче под крыло организации Apache Software Foundation платформы 
SystemML, предоставляющей средства для построения масштабируемых распределённых систем машинного обучения. Платформа предоставляет транслятор для различных алгоритмов машинного обучения, способный на основе заданного декларативного описания алгоритма автоматически генерировать гибридные планы выполнения как для единичных систем c обработкой данных в оперативной памяти, так и для кластеров с крупными хранилищами, развёрнутыми при помощи систем Apache Hadoop и Apache Spark.
...
13.11.2015 Компания Microsoft открыла код распределённого инструментария машинного обучения DMTK (26 –10)
  Компания Microsoft объявила о переводе в разряд открытых проектов инструментария DMTK (Distributed Machine Learning Toolkit), предназначенного для создания распределённых систем машинного обучения. Система может применяться для решения таких задач, как распознавание естественного языка, классификация документов, компьютерное зрение, распознавание речи и определение смысла текстовой информации...
Следующая страница (раньше) >>


  Закладки на сайте
  Проследить за страницей
Created 1996-2017 by Maxim Chirkov  
ДобавитьРекламаВебмастеруГИД  
Hosting by Ihor