ml-arborescence
Il est difficile de suivre les derniers et les meilleurs en apprentissage automatique. Voici une sélection de documents d'enquête résumant les progrès dans le domaine .
Vous avez une façon de mettre en œuvre votre projet ML? Apprenez comment d'autres organisations ont applied-ml
Table des matières
- Recommandation
- Apprentissage en profondeur
- Traitement du langage naturel
- Vision par ordinateur
- Vision et langue
- Apprentissage du renforcement
- Graphique
- Incorporer
- Méta-apprentissage et apprentissage à quelques coups
- Autres
Recommandation
- Algorithmes: Recomderder Systems Survey (2013)
- Algorithmes: Système de recommandation basé sur l'apprentissage en profondeur: une enquête et de nouvelles perspectives (2019)
- Algorithmes: faisons-nous vraiment des progrès? Une analyse des approches de recommandation neuronale (2019)
- Sérendipité: une enquête sur Serendipity in Recchandder Systems (2016)
- Diversité: diversité des systèmes de recommandation - une enquête (2017)
- Explications: Une enquête sur les explications dans Recomderder Systems (2007)
Apprentissage en profondeur
- Architecture: une enquête de pointe sur la théorie et les architectures de l'apprentissage en profondeur (2019)
- Distillation des connaissances: distillation des connaissances: une enquête (2021)
- Compression du modèle: compression des modèles d'apprentissage en profondeur pour le texte: une enquête (2020)
- Apprentissage du transfert: une enquête sur l'apprentissage en profondeur du transfert (2018)
- Recherche d'architecture neurale: une étude complète de la recherche d'architecture neurale (2021)
- Recherche d'architecture neurale: recherche d'architecture neurale: une enquête (2019)
Traitement du langage naturel
- Deep Learning: Tendances récentes du traitement du langage naturel basé sur l'apprentissage en profondeur (2018)
- Classification: Classification de texte basée sur l'apprentissage en profondeur: une revue complète (2021)
- Génération: enquête sur la SOTA en langue naturelle Génération: tâches de base, applications et évaluation (2018)
- Génération: Génération du langage neuronal: formulation, méthodes et évaluation (2020)
- Apprentissage du transfert: Explorer l'apprentissage du transfert avec T5: le transformateur de transfert de texte à texte (2020)
- Transformers: Transformers efficaces: une enquête (2020)
- Métriques: au-delà de la précision: tests comportementaux des modèles PNL avec liste de contrôle (2020)
- Métriques: Évaluation de la génération de texte: une enquête (2020)
Vision par ordinateur
- Détection d'objets: détection d'objets dans 20 ans (2019)
- Attaques contradictoires: menace des attaques contradictoires contre l'apprentissage en profondeur dans Computer Vision (2018)
- Véhicules autonomes: Vision par ordinateur pour les véhicules autonomes: problèmes, ensembles de données et sota (2021)
- Cabillage d'image: une enquête complète de l'apprentissage en profondeur pour le sous-titrage de l'image (2018)
- Segmentation des instances: une enquête sur la segmentation des instances: état de l'art
- Transformateur de vision: une enquête sur le transformateur de vision
- Architectures: Revue de l'apprentissage en profondeur: concepts, architectures CNN, défis, applications, orientations futures
- Transformers: Transformers in Vision: A Survey
Vision et langue
- Tendances: tendances de l'intégration de la vision et de la recherche en langue: tâches, ensembles de données et méthodes (2021)
- Tendances: Recherche multimodale dans la vision et le langage: Tendances actuelles et émergentes (2020)
Apprentissage du renforcement
- Algorithmes: une brève étude de l'apprentissage en renforcement profond (2017)
- Apprentissage du transfert: apprentissage du transfert pour les domaines d'apprentissage du renforcement (2009)
- Économie: Revue des méthodes et applications d'apprentissage en renforcement profond en économie (2020)
- Discovery: Deep Reinforcement Learning for Search, Recommandation et Online Advertising (2018)
Graphique
- Enquête: une enquête complète sur les réseaux de neurones graphiques (2019)
- Enquête: un guide pratique pour graphiquement les réseaux de neurones (2020)
- Détection de fraude: une revue de littérature systématique des approches de détection d'anomalies basées sur des graphiques (2020)
- Graphiques de connaissances: une introduction complète aux graphiques de connaissances (2021)
Incorporer
- Texte: From Word to Sense Embeddings: A Survey on Vector Représentations of Signification (2018)
- Texte: Diachronic Word Embeddings and Semantic Shifts (2018)
- Texte: Word Embeddings: A Survey (2019)
- Texte: une enquête reproductible sur les intérêts des mots et les méthodes basées sur l'ontologie pour la similitude des mots (2019)
- Graphique: Une étude complète de l'intégration de graphiques: problèmes, techniques et applications (2017)
Méta-apprentissage et apprentissage à quelques coups
- NLP: méta-apprentissage pour le traitement du langage naturel à quelques coups: une enquête (2020)
- Domain Agnostic: Apprentissage de quelques échantillons: une enquête (2020)
- Réseaux de neurones: méta-apprentissage dans les réseaux de neurones: une enquête (2020)
- Domain Agnostic: un aperçu complet et une étude des progrès récents du méta-apprentissage (2020)
- Domain Agnostic: Baby marche vers un apprentissage à quelques coups avec plusieurs sémantiques (2020)
- Domain Agnostic: Meta-Learning: A Survey (2018)
- Domain Agnostic: A Perspective View and Survey of Meta-Learning (2002)
Autres
- Apprentissage du transfert: une enquête sur l'apprentissage du transfert (2009)
