- Метод трансферного обучения в задаче бинарной классификации рентгенограмм грудной клетки (arXiv)
Автор : Колесников Дмитрий
Резюме: Возможность высокоточного и быстрого выявления патологий на рентгенограммах органов грудной клетки позволяет выявить развитие пневмонии на ранней стадии и начать немедленное лечение. Искусственный интеллект может ускорить и качественно улучшить процедуру рентгенологического исследования и дать рекомендации врачу для дополнительного рассмотрения подозрительных снимков. Целью данного исследования является определение лучших моделей и реализаций метода трансфертного обучения в задаче бинарной классификации при наличии небольшого количества обучающих данных. В данной статье рассмотрены различные методы аугментации исходных данных и подходы к обучению моделей ResNet и DenseNet для черно-белых рентгеновских снимков, те подходы, которые способствуют получению наиболее высоких результатов точности определения случаев пневмонии. и норму на этапе испытаний выявляют.
2. Теория квантового обучения за пределами пакетной двоичной классификации (arXiv)
Автор: Притам Мохан, Амбудж Тевари.
Аннотация: Аруначалам и де Вольф (2018) показали, что сложность выборки квантового пакетного обучения булевых функций в реализуемых и агностических настройках имеет ту же форму и порядок, что и соответствующие классические сложности выборки. В этой статье мы распространяем это, казалось бы, удивительное сообщение на пакетное многоклассовое обучение, онлайн-обучение с логическими значениями и онлайн-обучение с несколькими классами. Для наших результатов онлайн-обучения мы сначала рассмотрим вариант адаптивного противника классической модели Давида и Тевари (2022). Затем мы представляем первую (насколько нам известно) модель онлайн-обучения на квантовом примере.
