ຄົງທີ່ magic

Ch - ຄວາມບໍລິສຸດ (ເບິ່ງ Marshak),

B - ການດຸ່ນດ່ຽງ (ເບິ່ງ Nash),

MLPP - ວັດສະດຸ, ຄົນ, ແລະຂະບວນການໃນອາວະກາດ (ເບິ່ງ Mayakovsky, Corbusier).

ເຄືອຂ່າຍ neural graph convolutional ສົດຈະເຮັດວຽກຢູ່ໃນເຮືອນຄົວຄືກັນ. ການເລີ່ມຕົ້ນມັກຫຼີ້ນການປຸງອາຫານໂມເລກຸນບໍ່ເຄີຍງ່າຍຂຶ້ນ. ມັນພຽງພໍທີ່ຈະອະທິບາຍອາຫານເປັນ:

$inline$H = sigma [ຫມວກ D^{-½} ຫມວກ A ຫມວກ D^{-½} ການເລື່ອນອອກ {sigma[ຫມວກ D^{-½} ຫມວກ A ຫມວກ D ^{-½} XW]}] , $inline $

ບ່ອນທີ່:

- ປົກກະຕິໂດຍການຣີເຊັດພາລາມິເຕີທີ່ເລືອກແບບສຸ່ມ - ອັນດຽວກັນ 'ລືມ' ສິດທິບັດໂດຍ Google,
- ການ​ທໍາ​ງານ​ການ​ກະ​ຕຸ້ນ​ບໍ່​ເສັ້ນ​ ,
- ມາ​ຕຣິກ​ເບື້ອງ​ເສັ້ນ​ຂວາງ​ຂອງ​ອົງ​ສາ vertex (ຈໍາ​ນວນ​ຂອງ​ການ​ເຊື່ອມ​ຕໍ່​)​,
ເປັນ matrix ເສັ້ນຂວາງຂອງອັນ,
- ຕາ​ຕະ​ລາງ​ການ​ເຊື່ອມ​ຕໍ່​,
- ມາ​ຕຣິກ​ເບື້ອງ​ຂອງ​ຄຸນ​ສົມ​ບັດ vertex​,
- ນ້ໍາຫນັກຂອງເຄືອຂ່າຍ neural, ທີ່ພວກເຮົາສາມາດ:

• ຮຽນຮູ້ໃນຮູບແບບການຮຽນຮູ້ກັບຄູສອນ;
• ຕື່ມຂໍ້ມູນໃສ່ກັບຄ່າທີ່ເລືອກແບບສຸ່ມ;
• ຍົກເລີກ (ອັນນີ້ຈະເຮັດໃຫ້ຟັງຊັນເປັນເສັ້ນຫຼາຍຂື້ນ).

ຜູ້ຂຽນເອງໄດ້ກວດກາເບິ່ງກົນໄກຂອງວຽກງານຢ່າງລະອຽດ. ທີ່ນີ້. ນອກຈາກນັ້ນ, ຂັ້ນຕອນໂດຍຂັ້ນຕອນແລະຕົວຢ່າງ, ວິທີການຍັງໄດ້ຖືກປຶກສາຫາລື ທີ່ນີ້.

ກ່ຽວກັບເລື່ອງນັ້ນ, ບ່ອນໃດແລະວິທີການເຂົ້າໄປໃນການຝັງເສັ້ນກາຟ - ການແນະນໍາກ່ຽວກັບທິດສະດີກາຟແລະ notation ທີ່ສອດຄ້ອງກັນສາມາດໂຫຼດຫນ້າຈໍຄືນ - ຂຽນແລ້ວ.

ໃນປັດຈຸບັນ - ກ່ຽວກັບສິ່ງທີ່ສໍາຄັນແທ້ໆ. ກ່ຽວກັບການກະກຽມເຄື່ອງຫມາຍຂໍ້ມູນ.

ໃນລະຫວ່າງໄລຍະເວລາຫ້າປີທີ່ Nestle, ຂ້າພະເຈົ້າໄດ້ສຶກສາວິທີການທີ່ຄົນແລະຫຸ່ນຍົນທີ່ໄດ້ຮັບການຝຶກອົບຮົມພິເສດເຮັດຊັອກໂກແລັດຈາກວັດຖຸດິບແລະການຫຸ້ມຫໍ່. ຄົນຮູ້ຈັກຄັ້ງທໍາອິດກັບຫົວໃຈຂອງທຸລະກິດເກີດຂື້ນໃນຕົ້ນລະດູໃບໄມ້ປົ່ງ, ເມື່ອຂ້ອຍປະຕິບັດຂະບວນການຂອງວົງຈອນຊີວິດຂໍ້ມູນຂອງຜະລິດຕະພັນໂດຍອີງໃສ່ SAP - ຈາກຄວາມຄິດທີ່ຈະອອກຈາກຕະຫຼາດ. ໃນປັດຈຸບັນຂ້າພະເຈົ້າສັງເກດເຫັນຂະບວນການກະກຽມປະລິນຍາຕີຂອງສິລະປະການເຮັດອາຫານໃນ Lisbon. ໃນຮູບຂ້າງເທິງນີ້ແມ່ນຫນຶ່ງໃນຂອບເຂດຈໍາກັດໃນ cakes - lollipop with egg cream . ເຊັ່ນດຽວກັບເຄື່ອງຫຼີ້ນຕົ້ນໄມ້ວັນຄຣິດສະມາດທີ່ເຮັດດ້ວຍ້ໍາຕານ, ພຽງແຕ່ stuffed. ຢູ່ທີ່ນີ້ພວກເຂົາຝຶກອົບຮົມພໍ່ຄົວເປັນເວລາສີ່ປີ.

ຂ້ອຍດີໃຈກັບສິ່ງທີ່ຂ້ອຍໄດ້ເຫັນ. ແລະນັບຕັ້ງແຕ່ຂ້ອຍປະກາດອຸປະກອນການສຶກສາຢູ່ທີ່ນີ້, ຂ້ອຍຈະບອກເຈົ້າວ່າເປັນຫຍັງມັນດີກວ່າທີ່ຈະຮຽນເຮັດອາຫານໃນປອກຕຸຍການກ່ວາຄະນິດສາດ.

Hogwarts ໄດ້ຮັບການຕ້ອນຮັບດ້ວຍສຽງບັນເທິງດ້ວຍຄຳຈາລຶກ 'ວຽກ ແລະ ລະບຽບ'.

ນີ້ແມ່ນສິ່ງທີ່ນັກຮຽນລໍຖ້າຢູ່. ໂດຍບັງເອີນ, ລາວໄດ້ຖືກສ້າງຕັ້ງຂຶ້ນໃນດ້ານຄຸນນະພາບແລະຄວາມປອດໄພແລະການປົກປ້ອງສິ່ງແວດລ້ອມຂອງການຜະລິດສະບຽງອາຫານ - ໃນໂຄງການຫນຶ່ງທີ່ລາວຮັບຜິດຊອບສໍາລັບການຢັ້ງຢືນຕະຫຼາດ (ນິຕິບຸກຄົນ - ຫນ່ວຍງານພາກພື້ນຈາກສອງປະເທດ - ສອງໂຮງງານ, ຫ້ອງການ. , ແລະແມ້ກະທັ້ງຄູ່ຜົວເມຍຂອງສາງ) ຕາມມາດຕະຖານ ISO ທີ່ກ່ຽວຂ້ອງທັງຫມົດແລະການກໍ່ສ້າງການກວດສອບພາຍໃນທີ່ຜູ້ນໍາຕະຫຼາດທົ່ວໂລກ - ເປັນປະສົບການທີ່ຫນ້າສົນໃຈ. ການສະຫນອງພື້ນຖານສໍາລັບການຕັດສິນມູນຄ່າ.

ຕັ້ງຢູ່ໃນເຂດຄົນອັບເດດ: ທີ່ສຸດຂອງ Lisbon, ໂຮງຮຽນການທ່ອງທ່ຽວແລະການຕ້ອນຮັບແມ່ນເປັນພື້ນຖານຂອງທັດສະນະທີ່ຖືກຕ້ອງ.

ຈຸດເອົາໃຈໃສ່ຂອງສະຫຼັດ zucchini ສຸດHabre - ຖາມແມ່ນຫຍັງ?

ຄວາມ​ຈິງ​ແລ້ວ​ແມ່ນ​ວ່າ​ມີ​ຄຸນ​ຄ່າ​ນິ​ລັນ​ດອນ, ເຊັ່ນ​: cake ແລະ​ວິ​ທີ​ແກ້​ໄຂ witty, ແຕ່​ລະ​ຫັດ​ແມ່ນ​ທັນ​ທີ. ຕົວຢ່າງ, ໃນສອງສາມມື້ python ທີສອງຈະບັນທຶກສະພາບການພັດທະນາຂອງມັນ. ມີການສົນທະນາເພີ່ມຂຶ້ນກ່ຽວກັບຈັນຍາບັນທີ່ກ່ຽວຂ້ອງກັບການນໍາໃຊ້ຄະນິດສາດແລະຂ້າພະເຈົ້າເຊື່ອວ່າ confectionery ເປັນພາກສະຫນາມທີ່ດີເລີດສໍາລັບການທົດລອງໃນ molecular gastronomy.

ຫນຶ່ງໃນການຄົ້ນພົບແມ່ນ mousse ຊັອກໂກແລັດກັບ marmalade strawberry. caviar ສີດໍາກັບຊັອກໂກແລດສີຂາວແມ່ນແລ້ວກາຍເປັນ hackneyed, ແຕ່ຍັງປະສົມປະສານທີ່ຫນ້າປະທັບໃຈ. ໂດຍທົ່ວໄປ, ມັນມ່ວນ, ບາງຄັ້ງມີລົດຊາດ, ມີຈັນຍາບັນແລະ yi.

ມັນເປັນໄປໄດ້ທີ່ຈະສົມທົບການຄະນິດສາດແລະການປຸງແຕ່ງອາຫານໃນ Lisbon?

ສ່ວນຫຼາຍອາດຈະ, ແມ່ນແລ້ວ. ໃນ​ຮູບ​ແບບ​ການ​ສຶກ​ສາ​ຕົນ​ເອງ​.

ມີຫຍັງມ່ວນກວ່າທີ່ຈະໃສ່ໃນໂຮງງານຜະລິດອາຫານຂອງເຈົ້າ?

ມີສອງຄໍາແນະນໍາຢູ່ທີ່ນີ້ - ນໍາສະເຫນີບໍ່ດົນມານີ້ graph convolution ຍຸດທະສາດການຝຶກອົບຮົມກ່ອນ ແລະໃຫມ່ ການວັດແທກໄລຍະຫ່າງສໍາລັບແບບຈໍາລອງການຜະລິດ, ເຊິ່ງຈະນໍາສະເຫນີຢູ່ໃນ ICLR 2020 ເທົ່ານັ້ນ.

ທໍາອິດແມ່ນພໍໃຈທີ່ມັນຊ່ວຍໃຫ້ທ່ານສາມາດຮຽນຮູ້ລາຍລະອຽດນ້ອຍໆຂອງການພົວພັນລະຫວ່າງສ່ວນປະກອບໂດຍໃຊ້ຂໍ້ມູນສາທາລະນະແລະນອກຈາກນັ້ນຮຽນຮູ້ສະເພາະທ້ອງຖິ່ນ - ຂໍ້ມູນນີ້ຈະຕ້ອງຖືກລວບລວມ, ສຶກສາ, ກະກຽມ, ແລະອື່ນໆ. — ເມນູຮ້ານອາຫານຫຼືແຜນທີ່ເຕັກໂນໂລຢີສໍາລັບອາຫານສ່ວນບຸກຄົນຖືກກະກຽມແນວໃດ. ພວກເຮົາໄດ້ພິຈາລະນາວຽກງານນີ້ຢູ່ໃນກອງປະຊຸມ NeurIPS Lisbon ທີ່ຜ່ານມາ - ຈັດຂຶ້ນໂດຍຜູ້ຈັດຕັ້ງຂອງ PyData-Lisbon ໃນຮູບແບບຂອງສອງມື້ຕິດຕໍ່ກັນຈາກ 14 ຫາ 20 - ຂອບໃຈພວກເຂົາສໍາລັບການສະຫນອງປົກກະຕິຂອງເລື່ອງ, cake, ແລະ dropout ກັບ pizza.

ພື້ນທີ່ຂອງຄວາມງາມ. ມັນຍັງບໍ່ຊັດເຈນວ່າວິທີການວັດແທກໄລຍະທາງນີ້ຈະເລັ່ງຄວາມຄືບຫນ້າໃນການກໍ່ສ້າງສູດແລະແຜນທີ່ເຕັກໂນໂລຢີຈາກການຖ່າຍຮູບ, ແຕ່ວ່າທ່າແຮງແມ່ນມີຢູ່.

ໂດຍຫຍໍ້, ກຣາຟສາມາດປະມານໄດ້ຫຼາຍອັນ. ຮູບຮ່າງຂອງມັນສາມາດຮຽນຮູ້ໄດ້ຢ່າງຖືກຕ້ອງໂດຍການຈໍາລອງການແຈກຢາຍຄວາມຮ້ອນໃນໂຄງສ້າງ.

ຄະນິດສາດພາຍໃນແມ່ນຫນ້າຢ້ານໃນສະຖານທີ່, ແລະໂດຍທົ່ວໄປທິດສະດີກາຟແມ່ນໄດ້ຮັບຢ່າງໄວວາເຄື່ອງມືແລະທາງເລືອກຂອງ algebras ແມ່ນຂະຫຍາຍ - ພວກເຂົາເຈົ້າກໍາລັງເວົ້າຫຼາຍຂື້ນກ່ຽວກັບ hypergeometry ແລະຊ່ອງອື່ນໆ. ສິ່ງທີ່ສໍາຄັນກວ່ານັ້ນແມ່ນລັກສະນະຂອງຄໍາຮ້ອງສະຫມັກ - ບໍ່ພຽງແຕ່ເຕົາອົບສາມາດຖືວ່າເປັນກ່ອງສີດໍາ.

ຜົນໄດ້ຮັບແມ່ນວ່າພວກເຮົາສາມາດປະເມີນສູດອາຫານທີ່ເຄືອຂ່າຍ neural ສ້າງໄດ້ດີຂຶ້ນ.

ມັນເປັນທີ່ຮູ້ຈັກວ່າການຝຶກອົບຮົມເຄືອຂ່າຍ neural ເປັນລະບຽບວິໄນວິສະວະກໍາ tricky. ບໍລິໂພກຂໍ້ມູນຫຼາຍ, ໄຟຟ້າ, ແລະຊົ່ວໂມງເຄື່ອງຈັກ. ດັ່ງນັ້ນ, ຖ້າທ່ານຍັງບໍ່ໄດ້ເຮັດເປັນດິຈິຕອນໃນປື້ມປຸງແຕ່ງອາຫານຂອງແມ່ຕູ້ຂອງທ່ານເພື່ອຝຶກອົບຮົມສະຖາປັດຕະຍະກໍາທີ່ຂັດພາຍໃຕ້ການຂັດຂອງ throttles, ແລະຍັງສົງໄສກ່ຽວກັບການປຸງອາຫານ algorithmic, ຫຼັງຈາກນັ້ນມີທາງເລືອກ. ຄົນຢູ່ໃນຫມວກສີຂາວ.

ຖ້າທ່ານຍັງບໍ່ພ້ອມທີ່ຈະໃຫ້ວຽກງານເຮືອນຄົວໃຫ້ກັບຫຸ່ນຍົນ, ແຕ່ກໍາລັງເປີດຮ້ານອາຫານ, ຂ້າພະເຈົ້າຂໍແນະນໍາໃຫ້ເບິ່ງຢ່າງໃກ້ຊິດກັບຜູ້ຮຽນຈົບຂອງສະຖາບັນນີ້. ພວກເຂົາເຈົ້າໄດ້ຖືກກະກຽມຢ່າງຖືກຕ້ອງຢູ່ທີ່ນັ້ນ.

ເຄື່ອງແບບເປັນສ່ວນໜຶ່ງຂອງປະສົບການດ້ານການສຶກສາ.

ພໍ່ຄົວສ່ວນບຸກຄົນ (ແລະພະນັກງານສະຫນັບສະຫນູນ) ໄດ້ເລີ່ມຕົ້ນທີ່ຈະສະເຫນີເປັນສ່ວນຫນຶ່ງຂອງຊຸດການຊົດເຊີຍ, ການປະຕິບັດທີ່ມີສຸຂະພາບດີທີ່ເຊື່ອວ່າສະຫນັບສະຫນູນຄວາມຄິດສ້າງສັນຂອງພະນັກງານ.

ນາຍຈ້າງຂອງເຈົ້າເຄີຍປະຕິບັດເລື່ອງນີ້ແລ້ວບໍ?

ພຽງແຕ່ຜູ້ໃຊ້ລົງທະບຽນສາມາດເຂົ້າຮ່ວມໃນການສໍາຫຼວດ. ເຂົ້າ​ສູ່​ລະ​ບົບກະລຸນາ.

ນາຍຈ້າງຂອງເຈົ້າໃຫ້ຄວາມສົນໃຈໃນລະດັບໃດຕໍ່ກັບເລື່ອງອາຫານ?

• 62,5%ວິສະວະກອນໂຊວຽດ? ຍ່າງໄປເບເກີຣີ! (ບໍ່ມີໂຮງອາຫານ)5

• 0,0%ພໍ່ຄົວສ່ວນຕົວ, ພຽງແຕ່ສໍາລັບຜູ້ອໍານວຍການ0

• 0,0%chef ສ່ວນບຸກຄົນ - ມີເຖິງແມ່ນວ່າຜູ້ຊ່ຽວຊານຊັ້ນນໍາ0

• 0,0%ພໍ່ຄົວສ່ວນບຸກຄົນ - ແລະເຖິງແມ່ນວ່າສໍາລັບຫົວຫນ້າພະແນກ 0

• 0,0%ນີ້ແມ່ນຄັ້ງທໍາອິດທີ່ຂ້ອຍໄດ້ຍິນກ່ຽວກັບການປະຕິບັດ0

• 37,5%ມີໂຮງອາຫານ - stationary3

• 0,0%ມີຮ້ານອາຫານ-ອາຫານການກິນ (ເຂົາເຈົ້າເອົາອາຫານມາໃຫ້)0

8 ຜູ້ໃຊ້ລົງຄະແນນສຽງ. 3 ຜູ້ໃຊ້ງົດ.

ແຫຼ່ງຂໍ້ມູນ: www.habr.com