2023'te Okunacak En İyi Makine Öğrenimi Makaleleri

Plato tarafından yeniden yayınlandı

İzleyiciler: 0

2023'te Okunacak En İyi Makine Öğrenimi Makaleleri
Image pc.vektör on Freepik

Makine Öğrenimi, sık sık yeni araştırmaların ortaya çıktığı büyük bir alandır. Akademi ve endüstrinin günlük hayatımızı iyileştirmek için yeni şeyler denemeye devam ettiği sıcak bir alandır.

Son yıllarda, üretken yapay zeka, makine öğreniminin uygulanması nedeniyle dünyayı değiştiriyor. Örneğin, ChatGPT ve Stable Diffusion. Üretken yapay zekanın hakim olduğu 2023'te bile, daha birçok makine öğrenimi atılımının farkında olmalıyız.

Yaklaşan trendleri kaçırmamak için 2023'te okunacak en iyi makine öğrenimi makalelerini burada bulabilirsiniz.

1) Şarkılardaki Güzelliği Öğrenmek: Sinirsel Şarkı Söyleyen Ses Güzelleştirici

Şarkı Söyleyen Ses Güzelleştirme (SVB), amatör şarkı söyleyen sesi güzel bir sese dönüştürmeyi amaçlayan üretken yapay zekada yeni bir görevdir. Araştırmanın amacı tam olarak bu Liu ve diğ. (2022) Neural Singing Voice Beautifier (NSVB) adlı yeni bir üretken model önerdiklerinde.

NSVB, perde düzeltici görevi gören ve ses tonunu iyileştiren gizli haritalama algoritması kullanan yarı denetimli bir öğrenme modelidir. Çalışma, müzik endüstrisini geliştirmeyi vaat ediyor ve incelemeye değer.

2) Optimizasyon Algoritmalarının Sembolik Keşfi

Derin sinir ağı modelleri her zamankinden daha büyük hale geldi ve eğitim sürecini basitleştirmek için çok araştırma yapıldı. Google ekibi tarafından yapılan son araştırma (Chen ve ark. (2023)), Sinir Ağı için Lion (EvoLved Sign Momentum) adlı yeni bir optimizasyon önerdi. Yöntem, algoritmanın bellek açısından daha verimli olduğunu ve Adam'dan daha küçük bir öğrenme oranı gerektirdiğini gösteriyor. Kaçırmamanız gereken birçok sözü gösteren harika bir araştırma.

3) TimesNet: Genel Zaman Serisi Analizi için Geçici 2D-Varyasyon Modellemesi

Zaman serisi analizi, birçok işletmede yaygın olarak kullanılan bir durumdur; Örneğin, fiyat tahmini, anormallik tespiti vb. Ancak, geçici verileri yalnızca mevcut verilere (1 boyutlu veriler) dayalı olarak analiz etmenin birçok zorluğu vardır. Bu yüzden Wu ve ark. (2023) 1D verileri 2D verilere dönüştürmek için TimesNet adlı yeni bir yöntem önererek deneyde büyük performans elde etti. Gelecekteki zaman serileri analizine çok yardımcı olacağından, bu yeni yöntemi daha iyi anlamak için makaleyi okumalısınız.

4) OPT: Önceden Eğitilmiş Açık Transformatör Dili Modelleri

Şu anda, birçok büyük dil modelinin şirketler tarafından yoğun bir şekilde geliştirildiği üretken bir yapay zeka çağındayız. Çoğunlukla bu tür araştırmalar, modellerini piyasaya sürmez veya yalnızca ticari olarak temin edilebilir. Bununla birlikte, Meta AI araştırma grubu (Zhang ve diğ. (2022)), GPT-3 ile karşılaştırılabilecek Açık Önceden Eğitimli Transformatörler (OPT) modelini halka yayınlayarak tersini yapmaya çalışır. Grup, makaledeki tüm ayrıntıları günlüğe kaydettiğinden, makale, OPT modelini ve araştırma ayrıntılarını anlamak için harika bir başlangıçtır.

5) REaLTabFormer: Transformers Kullanarak Gerçekçi İlişkisel ve Tablo Verileri Oluşturma

Üretken model yalnızca metin veya resim oluşturmakla sınırlı değildir, aynı zamanda tablo halinde veriler de sunar. Üretilen bu verilere genellikle sentetik veriler denir. Sentetik tablo verileri oluşturmak için birçok model geliştirildi, ancak ilişkisel tablo sentetik verileri oluşturmak için neredeyse hiç model yok. amacı tam olarak bu Solatorio ve Dupriez (2023) araştırma; sentetik ilişkisel veriler için REaLTabFormer adlı bir model oluşturma. Deney, sonucun birçok uygulamaya genişletilebilecek mevcut sentetik modele tam olarak yakın olduğunu göstermiştir.

6) Takviyeli Öğrenim Doğal Dil İşleme İçin mi (Değil)?: Doğal Dil Politikası Optimizasyonu İçin Karşılaştırmalar, Temel Çizgiler ve Yapı Taşları

Takviyeli Öğrenme kavramsal olarak Doğal Dil İşleme görevi için mükemmel bir seçimdir, ancak bu doğru mu? Bu bir soru Ramamurthy ve ark. (2022) cevap vermeye çalış Araştırmacı, NLP görevlerinde Pekiştirmeli Öğrenme tekniklerinin denetimli yönteme kıyasla nerede avantaja sahip olduğunu gösteren çeşitli kitaplıklar ve algoritmalar sunar. Beceri setiniz için bir alternatif istiyorsanız okumanız önerilen bir makaledir.

7) Video Ayarla: Metinden Videoya Oluşturma için Görüntü Dağıtma Modellerinin Tek Adımda Ayarlanması

Metinden görüntüye dönüştürme 2022'de büyüktü ve 2023'te metinden videoya (T2V) yeteneği öngörülecekti. Araştırma yapan Wu ve ark. (2022) T2V'nin birçok yaklaşımda nasıl genişletilebileceğini gösterir. Araştırma, konu ve nesne değiştirme, stil aktarımı, öznitelik düzenleme vb. gibi T2V görevlerini destekleyen yeni bir Video Ayarla yöntemi önermektedir. Metinden videoya araştırmayla ilgileniyorsanız, okumak için harika bir makale.

8) PyGlove: Makine Öğrenimi Fikirlerini Kod Olarak Verimli Bir Şekilde Değiştirme

Verimli işbirliği, özellikle makine öğrenimi alanlarında artan karmaşıklık söz konusu olduğunda, herhangi bir ekipte başarının anahtarıdır. Verimliliği beslemek için, Peng ve ark. (2023) makine öğrenimi fikirlerini kolayca paylaşmak için bir PyGlove kitaplığı sunun. PyGlove konsepti, bir yama kuralları listesi aracılığıyla makine öğrenimi araştırma sürecini yakalamaktır. Liste daha sonra herhangi bir deney sahnesinde yeniden kullanılabilir ve bu da ekibin verimliliğini artırır. Birçoğunun henüz yapmadığı bir makine öğrenimi problemini çözmeye çalışan bir araştırma, bu yüzden okumaya değer.

8) ChatGPT Uzmanlara Ne Kadar Yakın? Karşılaştırma Derlemi, Değerlendirme ve Saptama

ChatGPT dünyayı çok değiştirdi. Halk zaten ChatGPT'yi kullanmaktan yana olduğu için eğilimin buradan yukarı çıkacağını söylemek güvenlidir. Ancak, ChatGPT'nin mevcut sonucu İnsan Uzmanlarla karşılaştırıldığında nasıldır? tam olarak öyle bir soru ki Guo ve diğ. (2023) cevap vermeye çalış Ekip, uzmanlardan ve karşılaştırdıkları ChatGPT bilgi istemi sonuçlarından veri toplamaya çalıştı. Sonuç, ChatGPT ile uzmanlar arasında örtük farklılıkların olduğunu gösteriyor. Araştırma, üretken AI modeli zamanla büyümeye devam edeceğinden gelecekte sorulacağını düşündüğüm bir şey, bu yüzden okumaya değer.

2023, özellikle ChatGPT ve Stable Diffusion gibi üretken yapay zeka olmak üzere mevcut trendin gösterdiği makine öğrenimi araştırmaları için harika bir yıl. Mevcut standardı değiştirebilecek umut verici sonuçlar gösterdiği için kaçırmamamız gerektiğini düşündüğüm pek çok umut verici araştırma var. Bu makalede, size üretken modelden zaman serisi modeline ve iş akışı verimliliğine kadar okumanız gereken en iyi 9 makine öğrenimi makalesini gösterdim. Umut ediyorum bu yardım eder.

Cornellius Yudha Wijaya bir veri bilimi müdür yardımcısı ve veri yazarıdır. Allianz Endonezya'da tam zamanlı çalışırken, sosyal medya ve yazılı medya aracılığıyla Python ve Veri ipuçlarını paylaşmayı seviyor.