Алгоритмы «минималистского машинного обучения» анализируют изображения на основе очень небольшого количества данных: исследователи CAMERA разрабатывают высокоэффективные нейронные сети для анализа экспериментальных научных изображений на основе ограниченных данных обучения.
Дэниел Пелт и Джеймс Сетиан из Центра передовой математики для приложений энергетических исследований (CAMERA) лаборатории Беркли перевернули привычный взгляд на машинное обучение с ног на голову, разработав то, что они называют «нейронной сетью с плотной сверткой смешанного масштаба (MS-D)», которая требует гораздо меньше параметров, чем традиционные методы, быстро сходится и имеет возможность «учиться» на удивительно небольшом обучающем наборе. …