eitaa logo
آزمایشگاه پژوهشی یادگیری عمیق دانشگاه تهران
266 دنبال‌کننده
108 عکس
9 ویدیو
6 فایل
آزمایشگاه پژوهشی یادگیری عمیق دانشگاه تهران
مشاهده در ایتا
دانلود
Unsupervised Deep Learning 👤 (Lazy Programmer Series) 🔹 The LazyProgrammer 🔸 2019 🔗 http://lazyprogrammer.me 🌐 http://dlrl.ut.ac.ir 🆔 @ut_deep
یک کتاب خوب و جامع در مورد پیاده‌سازی یادگیری عمیق بدون نظارت در پایتون 💯 محتوای این کتاب: - Principal Components Analysis - t-SNE - Autoencoders and Stacked Denoising Autoencoders - Restricted Boltzmann Machines and Deep Belief Networks - Feature Visualization - Tricking a Neural Network 🔗 https://t.me/GITAnet 🌐 http://dlrl.ut.ac.ir 🆔 @ut_deep
✍🏻 کتاب هوش مصنوعی با حمایت شرکت آدونیس منتشر شد انتشارات راه پرداخت با حمایت شرکت توسعه خدمات الکترونیکی آدونیس کتاب «هوش مصنوعی؛ چگونه یادگیری ماشین دهه آینده را شکل خواهد داد» را منتشر کرد. ناشر اصلی کتاب مذکور انتشارات وایرد است که در سال ۲۰۲۱ این کتاب را با عنوان «Artificial Intelligence: How Machine Learning Will Shape the Next Decade» منتشر کرده و کمیل علی‌تقوی زحمت ترجمه این کتاب را بر عهده داشته است. انتشارات راه پرداخت پیش از این کتاب کریپتوکارنسی را هم از این انتشارات به چاپ رسانده بود. کتاب هوش مصنوعی بیست‌وهشتمین کتابی است که انتشارات راه پرداخت در سال ۱۴۰۰ منتشر می‌کند و در کمتر از دو هفته باقی‌مانده تا پایان سال نیز حداقل دو کتاب دیگر به این فهرست اضافه خواهد شد. درباره دلیل اهمیت کتاب هوش مصنوعی باید گفت وایرد به‌عنوان ناشر نسخه اصلی این کتاب همواره مدنظر گروه رسانه‌ای راه پرداخت قرار داشته است. وایرد نشریه‌ مهمی است که درباره موضوعات فناوری از زاویه دید متفاوتی صحبت می‌کند و تأثیر فناوری بر حوزه‌های غیرفناوری را خیلی خوب بررسی و تحلیل می‌کند. 📖 مجله هوش مصنوعی 🔗 https://t.me/HomeAI/9627 🌐 http://dlrl.ut.ac.ir 🆔 @ut_deep
Image Data Augmentation for Deep Learning: A Survey by: Suorong Yang , et al. Nanjing University [04/19/2022] Abstract: Deep learning has achieved remarkable results in many computer vision tasks. Deep neural networks typically rely on large amounts of training data to avoid overfitting. However, labeled data for real-world applications may be limited. By improving the quantity and diversity of training data, data augmentation has become an inevitable part of deep learning model training with image data. As an effective way to improve the sufficiency and diversity of training data, data augmentation has become a necessary part of successful application of deep learning models on image data. In this paper, we systematically review different image data augmentation methods. We propose a taxonomy of reviewed methods and present the strengths and limitations of these methods. We also conduct extensive experiments with various data augmentation methods on three typical computer vision tasks, including semantic segmentation, image classification and object detection. Finally, we discuss current challenges faced by data augmentation and future research directions to put forward some useful research guidance. 🔗 https://deepai.org/publication/image-data-augmentation-for-deep-learning-a-survey 🌐 http://dlrl.ut.ac.ir 🆔 @ut_deep
گزارش مرکز نمایه هوش مصنوعی دانشگاه استنفورد از وضعیت هوش مصنوعی در سال ۲۰۲۲ این گزارش به بررسی وضعیت هوش مصنوعی در پنج فصل می‌پردازد: فصل ۱: پژوهش و توسعه فصل ۲: کارآیی تکنیکی فصل ۳: اخلاقیات هوش مصنوعی تکنیکی فصل ۴: اقتصاد و آموزش فصل ۵: سیاست و حکمرانی هوش مصنوعی 🔗 https://aiindex.stanford.edu/report/ 🌐 http://cysp.ut.ac.ir 🆔 @ut_cyber
نظری به چگونگی تنظیم هوش مصنوعی در آمریکا هوش مصنوعی گذشته از اینکه با ظهور خود پیشرفت‌هایی جدید را در دانش و فناوری رقم زده است، باعث برانگیخته شدن نگرانی‌هایی در مورد تأثیراتی که ممکن است این فناوری بر تجارت و حریم خصوصی، و برخی مسائل دیگر بگذارد نیز شده است. از همین رو آمریکا در حال بررسی اقداماتی است که می‌تواند با تشکیل کمیته مشورتی هوش مصنوعی، دولت را از پیشرفت‌های جدید در هوش مصنوعی با توسعه فناوری آگاه کند. هوش مصنوعی با موفقیتی خیره‌کننده قادر به از میان بردنِ طیف گسترده‌ای از مشکلات است؛ از کشف هویت کاربران ناشناس اینترنت گرفته تا ‌پیش‌بینی دقیق آب و هوا؛ اما با وجود این کاربردهای گسترده و سودمند، این سؤال مطرح می‌شود که هوش مصنوعی برای چه چیزهای باید مورد استفاده قرار گیرد و تنظیم هوش مصنوعی در آمریکا چگونه باید باشد؟ ... ادامه‌ی مطلب را در این صفحه بخوانید: 🔗 https://hooshio.com/?p=26037 🌐 http://cysp.ut.ac.ir 🆔 @ut_cyber
✍🏻با این تی‌شرت می‌توان از دید دوربین‌های نظارتی در امان ماند محققان دانشگاه نورث ایسترن، ام‌آی‌تی و آی‌بی‌ام موفق به طراحی لباسی شده‌اند که با رنگ کالیدوسکوپیک چاپ شده روی آن می‌تواند کاربر را در برابر هوش مصنوعی، غیرقابل شناسایی کند. این دستاورد نمونه‌ای از چند محصول تولیدی در زمینه مقابله با نظارت دیجیتال محسوب می‌شود. ژو لین، پژوهشگر این گروه تحقیقاتی توضیح می‌دهد: این تی‌شرت روی شبکه‌های عصبی که برای تشخیص اشیا مورد استفاده قرار می‌گیرد، اثر می‌گذارد. معمولا زمانی که یک شبکه عصبی، شخص یا جسمی ‌را در تصویر شناسایی می‌کند، یک باکس محدودکننده اطراف آن رسم می‌کند و یک برچسب به آن شیء اختصاص می‌دهد. لین و همکارانش با یافتن نقاط مرزی یک شبکه عصبی توانسته‌اند طرحی را ایجاد کنند که می‌تواند سیستم طبقه‌بندی و برچسب‌گذاری شبکه هوش مصنوعی را به اشتباه بیندازد. با نگاهی دقیق و تخصصی به دو شبکه عصبی تشخیص اشیا به نام‌های Yolo۲ و Faster R-CNN، این گروه تحقیقاتی توانستند مناطقی از بدن را شناسایی کنند که با افزایش نویز پیکسل به آن می‌توانند هوش مصنوعی را گیج کند. 📖 مجله هوش مصنوعی 🔗 https://t.me/HomeAI/9846 🌐 http://dlrl.ut.ac.ir 🆔 @ut_deep
شبکه DeepDPM: یک شبکه بر مبنای یادگیری عمیق برای خوشه‌بندی داده‌ها با تعداد نامشخص خوشه لینک: https://paperswithcode.com/paper/deepdpm-deep-clustering-with-an-unknown 🔗 https://t.me/Adv_AI/962 🌐 http://dlrl.ut.ac.ir 🆔 @ut_deep
هدایت شده از ismvip
✅ انجمن بینایی ‌ماشین و پردازش ‌تصویر ایران با همکاری دانشکده مهندسی دانشکدگان فارابی دانشگاه تهران برگزار می کند: ✳️ «هفتمین وبینار تخصصی بینایی ماشین و پردازش تصویر ایران» با موضوع: داغ ترین کاربردهای بینایی ماشین در صنعت 👤 سخنران: دکتر محمد شکوهی یکتا 📅 پنجشنبه ۲۲ اردیبهشت ماه ۱۴۰۱ ⏰ ساعت ۱۶:۰۰ به وقت تهران تالار اجتماعات مجازی شماره ۱ دانشکده مهندسی: http://vroom.ut.ac.ir/farabi3 ✅ به شرکت کنندگان در وبینار که عضو انجمن نیز باشند، گواهی حضور اعطا خواهد شد. 🌐 http://ismvip.ir 🆔 @ismvip_webinar 🆔 @ismvip_ir