Или просто "литературный" перевод?
Topic: Гугл акбар! (Read 1410 times)
Или просто "литературный" перевод?
...
машина фактически сама изобрела для себя концепцию кошки
...
Как это? Что за сущность "концепция кошки"?машина фактически сама изобрела для себя концепцию кошки
...
Или просто "литературный" перевод?
Расскажите, пожалуйста, какие возможности достигнуты в 2012 году в проектах такого типа:
http://spectrum.ieee.org/computing/hardware/ibm-unveils-a-new-brain-simulator
http://spectrum.ieee.org/computing/hardware/ibm-unveils-a-new-brain-simulator
https://en.wikipedia.org/wiki/Blue_Brain_Project
The project is funded primarily by the Swiss government
cellular rat brain is planned for 2014 with 100 mesocircuits totalling a hundred million cells.
cellular human brain is predicted possible by 2023
Обратите внимание, что тут мозг крысы. А там морда кошки. IBM и Google. Можно, наверное, сказать и что Европа против Америки?
зе баттл бегинс.
http://www.cnews.ru/news/top/index.shtml?2012/06/26/494318
http://www.wired.com/wiredscience/2012/06/google-x-neural-network/
http://arxiv.org/abs/1112.6209
http://arxiv.org/pdf/1112.6209v3.pdf
http://googleblog.blogspot.com/2012/06/using-large-scale-brain-simulations-for.html
Ученые из X Labs, «секретной лаборатории» компании Google,
рассказали , что им удалось создать самообучаемую
нейронную сеть из более чем 1 млрд соединений (в мозгу ~ в 100 000 раз больше)
16 тыс. компьютерных процессоров
we train a 9-layered locally connected sparse autoencoder with pooling and local contrast normalization
изображения из видеороликов
картинок с именно этим животным в Сети представлено больше всего.
машина фактически сама изобрела для себя концепцию кошки
самостоятельно сформировала размытое изображение кошки
ученые говорят, что на примере этой сети им впервые удалось повторить
процесс обучения, который происходит в человеческом мозге.
(и просят еще этих сладких денег и грантов)
на научной конференции в Эдинбурге, Шотландия
International Conference on Machine Learning in Edinburgh, 26 June-1 July.
http://icml.cc/2012/
“deep learning” algorithm
the system achieved
81.7 percent accuracy in detecting human faces,
76.7 percent accuracy when identifying human body parts and
74.8 percent accuracy when identifying cats.
we trained our network to obtain 15.8% accuracy in recognizing 20,000 object categories from ImageNet
“Contrary to what appears to be a widely-held intuition, our experimental results reveal that
it is possible to train a face detector without having to label images as containing a face or not,”
И что характерно, мне бы в инстутите в 1996-м году такого типа работу за курсовую не зачли бы
(потому что тогда это была уже устаревшая наука и были "более правильные" методы распознавания),
а надо было делать работы, имеющие практическую значимость...
А в 2012-м году это оказывается всемирная новость, по поводу которой пишут журналисты на всех языках. Обидно.
радует, что ещё в Египте
каждый храм, в котором имелись свои кошки, был очень важным —
к ним был приставлен собственный «страж кошек» (важный пост, передаваемый по наследству).
http://www.wired.com/wiredscience/2012/06/google-x-neural-network/
http://arxiv.org/abs/1112.6209
http://arxiv.org/pdf/1112.6209v3.pdf
http://googleblog.blogspot.com/2012/06/using-large-scale-brain-simulations-for.html
Ученые из X Labs, «секретной лаборатории» компании Google,
рассказали , что им удалось создать самообучаемую
нейронную сеть из более чем 1 млрд соединений (в мозгу ~ в 100 000 раз больше)
16 тыс. компьютерных процессоров
we train a 9-layered locally connected sparse autoencoder with pooling and local contrast normalization
изображения из видеороликов
картинок с именно этим животным в Сети представлено больше всего.
машина фактически сама изобрела для себя концепцию кошки
самостоятельно сформировала размытое изображение кошки
ученые говорят, что на примере этой сети им впервые удалось повторить
процесс обучения, который происходит в человеческом мозге.
(и просят еще этих сладких денег и грантов)
на научной конференции в Эдинбурге, Шотландия
International Conference on Machine Learning in Edinburgh, 26 June-1 July.
http://icml.cc/2012/
“deep learning” algorithm
the system achieved
81.7 percent accuracy in detecting human faces,
76.7 percent accuracy when identifying human body parts and
74.8 percent accuracy when identifying cats.
we trained our network to obtain 15.8% accuracy in recognizing 20,000 object categories from ImageNet
“Contrary to what appears to be a widely-held intuition, our experimental results reveal that
it is possible to train a face detector without having to label images as containing a face or not,”
И что характерно, мне бы в инстутите в 1996-м году такого типа работу за курсовую не зачли бы
(потому что тогда это была уже устаревшая наука и были "более правильные" методы распознавания),
а надо было делать работы, имеющие практическую значимость...
А в 2012-м году это оказывается всемирная новость, по поводу которой пишут журналисты на всех языках. Обидно.
радует, что ещё в Египте
каждый храм, в котором имелись свои кошки, был очень важным —
к ним был приставлен собственный «страж кошек» (важный пост, передаваемый по наследству).
Jump to: