Все журналы
Материал из MachineLearning.
Общий список журналов сайта MachineLearning. Вы можете отфильтровать результаты по типу журнала, имени участника или затронутой странице.
Просмотреть (предыдущие 50) (следующие 50) (20 | 50 | 100 | 250 | 500)
- 20:41, 26 июня 2026 Vsevolod Peretiatko (Обсуждение | вклад) загружено «Изображение:Spectral graph partitioning fiedler vector.svg»
- 20:37, 18 июня 2026 Vsevolod Peretiatko (Обсуждение | вклад) загружено «Изображение:Pretext tasks.svg» (Базовые классические вспомогательные задачи (Pretext Tasks) в компьютерном зрении: разбиение на пазлы (Jigsaw Puzzles), предсказание угла поворота (Rotation Prediction) и колоризация в цветовом пространстве LAB.)
- 20:37, 18 июня 2026 Vsevolod Peretiatko (Обсуждение | вклад) загружено «Изображение:Simclr vs byol.svg» (Архитектурное сравнение систем совместного встраивания: контрастивный подход SimCLR (явное отталкивание от негативного пула батча с лоссом InfoNCE) и неконтрастивный подход BYOL (использование асимметричного предиктора, блокировки градиента stop-gradient )
- 20:36, 18 июня 2026 Vsevolod Peretiatko (Обсуждение | вклад) загружено «Изображение:Wang isola geometry.svg» (Геометрическая интерпретация метрик Ванга — Изолы на единичной гиперсфере: минимизация расстояния между позитивными парами (Alignment) и равномерное распределение всех представлений случайных объектов выборки (Uniformity) для предотвращения скрытого колла)
- 20:36, 18 июня 2026 Vsevolod Peretiatko (Обсуждение | вклад) загружено «Изображение:Mae architecture.svg» (Функциональный конвейер Masked Autoencoder (MAE): из входного изображения удаляется до 75-80% патчей, тяжелый ViT-кодировщик извлекает признаки только из видимой части, а легкий ViT-декодер реконструирует исходные пиксели на основе скрытых векторов и маск)
- 20:35, 18 июня 2026 Vsevolod Peretiatko (Обсуждение | вклад) загружено «Изображение:Graph ssl augmentations.svg» (Дискретные стохастические преобразования неевклидовых данных в графовом SSL: случайное удаление ребер из топологической матрицы смежности, маскирование признаковых матриц узлов и локальное сэмплирование подграфов методами случайных блужданий.)
- 09:19, 18 июня 2026 Vsevolod Peretiatko (Обсуждение | вклад) загружено «Изображение:Grokking phenomenon curves.svg» (Феномен гроккинга при обучении на структурированных данных: долгое плато переобучения сменяется внезапным фазовым переходом к идеальной обобщающей способности на тесте.)
- 09:15, 18 июня 2026 Vsevolod Peretiatko (Обсуждение | вклад) загружено «Изображение:Bias variance double descent.svg» (Поведение смещения и дисперсии в контексте двойного спуска. Острый пик на пороге интерполяции обусловлен неограниченным ростом дисперсии из-за вырождения ковариационной матрицы.)
- 09:13, 18 июня 2026 Vsevolod Peretiatko (Обсуждение | вклад) загружено «Изображение:Double descent generalized curve.svg» (Обобщенная кривая двойного спуска, разделенная порогом интерполяции (критическая точка емкости модели, где p ≈ n) на недопараметризованную и перепараметризованную области.)
- 07:49, 17 июня 2026 Vsevolod Peretiatko (Обсуждение | вклад) загружена новая версия «Изображение:Variational inference elbo mean field.png» (Идея вариационного байесовского вывода: сложное апостериорное распределение (p(z\mid x)) приближается более простым (q(z)). При максимизации ELBO уменьшается KL-разрыв между приближением и истинным posterior.)
- 07:48, 17 июня 2026 Vsevolod Peretiatko (Обсуждение | вклад) загружено «Изображение:Variational inference elbo mean field.png» (Идея вариационного байесовского вывода: сложное апостериорное распределение (p(z\mid x)) приближается более простым (q(z)). При максимизации ELBO уменьшается KL-разрыв между приближением и истинным posterior.)
- 21:44, 16 июня 2026 Vsevolod Peretiatko (Обсуждение | вклад) загружено «Изображение:User item bipartite graph gnn.svg» (Формирование вектора целевого товара в GNN через Message Passing.)
- 21:36, 16 июня 2026 Vsevolod Peretiatko (Обсуждение | вклад) загружена новая версия «Изображение:Transformer ranking architectures.svg» (Топология современных ранжировщиков на базе Трансформеров. Сверху: вычислительно легкий Bi-Encoder для быстрого ANN-поиска. В центре: Cross-Encoder с полным механизмом Self-Attention для финального отбора. Снизу: схема ColBERT (Late Interaction).)
- 21:33, 16 июня 2026 Vsevolod Peretiatko (Обсуждение | вклад) загружено «Изображение:Transformer ranking architectures.svg» (Топология современных ранжировщиков на базе Трансформеров. Сверху: вычислительно легкий Bi-Encoder для быстрого ANN-поиска. В центре: Cross-Encoder с полным механизмом Self-Attention для финального отбора. Снизу: схема ColBERT (Late Interaction).)
- 21:27, 16 июня 2026 Vsevolod Peretiatko (Обсуждение | вклад) загружено «Изображение:Dssm two tower architecture.svg» (Архитектура нейросети DSSM: независимое отображение текстовых пространств запроса и документа в векторное пространство признаков одинаковой размерности с последующим расчетом косинусного расстояния.)
- 21:22, 16 июня 2026 Vsevolod Peretiatko (Обсуждение | вклад) загружено «Изображение:Lambdarank gradient forces.svg» (Действие виртуальных сил ($\lambda$-градиентов) на документы промежуточной выдачи: релевантные объекты выталкиваются вверх, а нерелевантные — смещаются вниз.)
- 21:17, 16 июня 2026 Vsevolod Peretiatko (Обсуждение | вклад) загружено «Изображение:Pointwise pairwise listwise approaches.svg» (Математическое различие подходов к обучению ранжированию: независимое предсказание оценок (Pointwise), оптимизация относительного порядка внутри комбинаторных пар (Pairwise) и структурная минимизация ошибки на всей группе документов (Listwise).)
- 21:10, 16 июня 2026 Vsevolod Peretiatko (Обсуждение | вклад) загружено «Изображение:Multi stage search ranking cascade pipeline.svg» (Схема многоэтапного каскада обработки данных в современных поисковых системах: отсечение нерелевантного индекса на этапе Retrieval и точечное переранжирование нейросетями в топе выдачи.)
- 21:02, 16 июня 2026 Vsevolod Peretiatko (Обсуждение | вклад) загружена новая версия «Изображение:Multi stage search ranking cascade pipeline.png» (Схема многоэтапного каскада обработки данных в современных поисковых системах: отсечение нерелевантного индекса на этапе Retrieval и точечное переранжирование нейросетями в топе выдачи.)
- 20:57, 16 июня 2026 Vsevolod Peretiatko (Обсуждение | вклад) загружено «Изображение:Multi stage search ranking cascade pipeline.png» (Схема многоэтапного каскада обработки данных в современных поисковых системах: отсечение нерелевантного индекса на этапе Retrieval и точечное переранжирование нейросетями в топе выдачи.)
- 07:42, 16 июня 2026 Vsevolod Peretiatko (Обсуждение | вклад) загружено «Изображение:Time series cv schemes.png» (Схемы блокированного скользящего контроля (Time Series Cross-Validation) с расширяющимся (Expanding) и движущимся (Rolling) окнами. Жёлтым цветом выделен временной зазор (Gap), предотвращающий утечку данных через признаки-лаги.)
- 07:39, 16 июня 2026 Vsevolod Peretiatko (Обсуждение | вклад) загружено «Изображение:Time series decomposition.png» (Аддитивная декомпозиция временного ряда (Time Series Decomposition) на долгосрочный тренд, сезонную компоненту и случайный шум (остатки), лежащая в основе классических статистических подходов.)
- 07:33, 16 июня 2026 Vsevolod Peretiatko (Обсуждение | вклад) загружено «Изображение:Forecasting intervals.png» (Визуализация точечного, интервального и вероятностного прогнозов. Веерный график (Fan Chart) наглядно демонстрирует расширение доверительных интервалов (80% и 95%) по мере увеличения горизонта прогнозирования h)
Просмотреть (предыдущие 50) (следующие 50) (20 | 50 | 100 | 250 | 500)
