Search Results ランキング

特徴選択にANOVAを使用しますか？

「機械学習モデルを開発する際に最も重要なステップをしばしば忘れがちです — 特徴選択です適切な特徴を選ばないことは、モデルが最良のパフォーマンスを発揮できない原因となります」

新しいAI研究がマイクロバイオロジーの研究所での菌叢の同定と解析のための包括的なフレームワークであるDeepColonyを提案しています。このシステムは培養プレートの高解像度デジタルスキャンを使用し、細菌の菌叢の解析と同定のための5つの階層構造を採用しています。レベル0では、DeepColonyは菌叢の位置と量を確定し、重要な空間分布情報を提供します。レベル1では、微生物学者が使用する基準に類似した基準を考慮して、孤立した菌叢を同定します。DeepColonyの核心は、レベル2から4にあります。ここでは、システムが初期の種の同定を行い、同定のランキングを洗練し、全体的なプレートの臨床的意義を評価します。システムのアーキテクチャには、階層構造で組織化された畳み込みニューラルネットワーク（CNN）が含まれます。単一の菌叢同定のためのCNNは、畳み込み層4層と完全接続層1層から構成されています。DeepColonyのユニークなアプローチには、コンテキストに基づく同定が含まれます。同定には、非線形の類似度に基づいた埋め込みが用いられるSiameseニューラルネットワークが使用されます。この埋め込みは、平均シフトクラスタリングと組み合わされ、視覚データに基づいて病原体種の同定を向上させます。この研究で使用されたデータセットには、培養プレートの高解像度デジタルスキャンから得られた菌叢レベルおよびプレートレベルのデータが含まれています。システムの評価は尿培養に焦点を当てて行われ、データセットには多様な範囲の生物が含まれています。 DeepColonyはマイクロバイオロジー研究所の日常業務の効率と品質を向上させる潜在能力を示しています。それは作業量を減らし、解釈のガイドラインに沿った一貫した意思決定を行い、微生物学者の役割を向上させることができます。システムには、同種の領域での種の同定の難しさなどの制約がありますが、安全設計の特徴により結果の一貫性への影響を最小限に抑えています。まとめると、DeepColonyは高スループットな研究所における微生物学者の重要な役割を洗練し強化する能力を持つ、ユニークなフレームワークとして浮かび上がります。これにより、微生物学的分析における意思決定プロセスの改善に大きな潜在力をもたらすことができます。この記事はAI研究がマイクロバイオロジストに菌を同定するのを助けるに最初に投稿されたものであり、MarkTechPostによって提供されました。

「基本的なアルゴリズムと機械学習の最新のアルゴリズムを使用して、コンピュータ科学の問題に取り組む」

「Packtの『プログラマーが知っておくべき50のアルゴリズム』で、LSTMsやGRUs、RNNsなどのディープラーニング、そしてChatGPTなどのジェネレーティブAI＆LLMsを含むマスターアルゴリズムを学びましょう」

Partners

「RAGとLLM：動的言語モデリングの新たなフロンティア」

「LLM（Legal and Letters of Masters）はどんな課題をもたらすのか？ GPT-4やLlama2などの従来の言語モデルには固有の制限がありますそれらの静的な性質は、最後のトレーニング日以降の進歩についての知識を持たせることができず、彼らが認識しないまま固定された知識の切り捨てに縛られています彼らは膨大な量のデータを包含していますが、彼らの知識には制限があります...」

Qwak

テンセントAIラボは、検索補完された言語モデルの堅牢性と信頼性を高めるために、Chain-of-Noting（CoN）を導入します

Tencent AI Labの研究者は、検索補完型の言語モデル（RALM）の信頼性に関する課題に取り組み、関連性のない情報を取得し、誤った応答を引き起こす可能性に対処しています。提案されたアプローチであるCHAIN-OF-NOTING（CON）は、RALMを強化することを目指しています。CONを装備したRALMは、オープンドメインのQAベンチマークで顕著なパフォーマンスの向上を示し、正確な一致（EM）スコアと範囲外の質問に対する拒否率が著しく向上しました。研究は、RALMの限界に取り組み、ノイズの耐性と取得したドキュメントへの依存度の低減を強調しています。CONアプローチは、取得したドキュメントのための連続的な読み取りメモを生成し、包括的な関連性評価を可能にします。事例研究では、CONがドキュメントの関連性をモデルが理解することを向上させ、関連しないまたは信頼性の低いコンテンツをフィルタリングすることで、より正確で文脈に即した応答を実現することが示されています。標準のRALMを上回る性能を持つCONは、範囲外の質問に対する正確な一致スコアと拒否率を実現します。直接的な検索、推論的な推論、知識のギャップの認識をバランスよく行うことで、人間の情報処理に似た性能を示します。CONの実装には、読み取りメモの設計、データ収集、モデルトレーニングが含まれており、現在のRALMの制限に対する解決策を提供し、信頼性を向上させます。連続的な読み取りメモを生成するフレームワークであるCONは、RALMのパフォーマンスを向上させます。ChatGPTのトレーニングデータを使用してLLaMa-2 7BモデルでトレーニングされたCONは、特に高ノイズのシナリオで標準のRALMを上回るパフォーマンスを発揮します。CONは、読み取りメモを直接の回答、有用な文脈、不明なシナリオに分類し、ドキュメントの関連性を評価するための堅牢なメカニズムを示します。ベースライン方法であるLLaMa-2 wo IRとの比較は、CONが関連しないコンテンツをフィルタリングする能力を示し、応答の正確性と文脈の関連性を向上させます。 CONを装備したRALMは、著しく改善され、完全なノイズのあるドキュメントに対して平均+7.9のEMスコアの向上を実現します。CONは、事前トレーニングの知識を超えたリアルタイムの質問に対する拒否率の+10.5の向上を示します。評価指標には、EMスコア、F1スコア、オープンドメインのQAに対する拒否率が含まれます。事例研究では、CONがRALMの理解を深め、ノイズや関係のないドキュメントの課題に対処し、全体的な堅牢性を向上させることを示しています。 CONフレームワークは、RALMを大幅に強化します。取得したドキュメントの連続的な読み取りメモを生成し、これを最終的な回答に統合することで、CONを装備したRALMは標準のRALMを上回り、顕著な平均改善を示します。CONは、標準のRALMの制約に取り組み、関連する情報の理解を深め、さまざまなオープンドメインのQAベンチマークでの全体的なパフォーマンスを向上させるよう促進しています。将来の研究では、CONフレームワークを異なるドメインとタスクに応用し、RALMの強化の汎用性と効果を評価することが考えられます。多様な検索戦略やドキュメントのランキング方法の調査により、検索プロセスの最適化と取得ドキュメントの関連性の向上が可能となります。ユーザースタディでは、実世界のシナリオでのRALM with CONの使用可能性と満足度を評価し、応答の品質と信頼性を考慮します。追加の外部知識源の探索や、事前トレーニングやファインチューニングなどの技術との組み合わせによるCONの組み込みは、さらなるRALMのパフォーマンスと適応性の向上につながるでしょう。

LinkedInのフィード進化：より詳細かつパワフルな機械学習、そして依然として人間も重要

LinkedInのフィードとインフラの最新更新について読むと、人間を中心に据えた原則を技術用語と実装に繋げる方法が解説されています

機械学習を用いたサッカータッチダウンの予測

日本語訳：「フットボール全米のファンを結びつける、アメリカの伝統的なスポーツです1試合平均1670万人の視聴者数と、スーパーボウルLVIIの1億1300万人の視聴者数を誇り、明らかに多くの人々に愛されています私は…」

「（ベクター）インデックスの隠れた世界」

「ChatGPTの一般公開以来、LLM、RAG、およびベクターデータベースについての新しいコンテンツが掲載されることなく経過した日はほとんどありませんテクノロジー界はLLMの可能性を巡って大いに盛り上がっています」

「LLMを評価するためのより良い方法」

この記事は、NLPタスクによってカテゴリ分けされたリアルワールドのユーザープロンプトに対するLLMの応答を比較し、人間の洞察を活用したLLM評価の新しいアプローチを紹介していますこれは、LLM評価基準の向上に向けた有望な解決策を提供しています

「加速、効率的なAIシステムの新しいクラスがスーパーコンピューティングの次の時代を示す」

エヌビディアは、今日のSC23で、科学や産業の研究センターを新たなパフォーマンスとエネルギー効率のレベルに引き上げる次世代のテクノロジーを発表しました。同社の高性能コンピューティングおよびハイパースケールデータセンター事業の副社長であるイアン・バックは、この会議での特別なスピーチで、「エヌビディアのハードウェアとソフトウェアのイノベーションは、新しいAIスーパーコンピュータのクラスを創り出しています」と述べました。これらのシステムの一部は、メモリ強化型のNVIDIA Hopperアクセラレータを搭載し、他のシステムは新しいNVIDIA Grace Hopperシステムアーキテクチャを搭載しています。すべてのシステムは、拡張された並列処理を使用して、生成AI、HPCおよびハイブリッド量子コンピューティングのためのスタックを実行するための加速ソフトウェアを使用します。バックは新しいNVIDIA HGX H200を「世界最高のAIコンピューティングプラットフォーム」と表現しました。 NVIDIA H200 Tensor Core GPUsは、成長する生成AIモデルを実行するためのHBM3eメモリを搭載しています。このGPUは、最初のAIアクセラレータとして超高速技術を使用した141GBのHBM3eを搭載しています。GPT-3などのモデルを実行する場合、NVIDIA H200 Tensor Core GPUsは前世代のアクセラレータに比べて18倍のパフォーマンス向上を提供します。ほかの生成AIベンチマークの中でも、彼らはLlama2-13Bの大規模な言語モデル(LLM)で1秒あたり12,000トークンを処理します。バックは、4つのNVIDIA GH200 Grace Hopper…

Learn more about Search Results ランキング - Page 6