• ВХОД

    •  

    Полное описание


     Fusionbrain: исследовательский проект по мультимодальному и мультизадачному обучению / Д. В. Димитров, А. В. Кузнецов, А. А. Мальцева, Е. Ф. Гончарова. - DOI 10.31857/S2686954322070244. - Текст : непосредственный // Российская академия наук. Доклады Российской академии наук. Математика, информатика, процессы управления : журнал. - 2022. - Т. Т.508(Специальный выпуск: технологии искусственного интеллекта и машинного обучения). - С. 146-148. - Библиогр. в конце ст. - ISSN 2686-9543.
    (Шифр в БД У5097/2022/Т.508)
    ГРНТИ УДК
    28.23004.8
    28.23.15004.032.26
    28.23.37004.93
    РУБ ИИ
    04.01
    05.06
    04.08

    Рубрики:
    Искусственный интеллект
    Нейронные сети
    Компьютерное зрение
    Мультизадачность

    Кл.слова (ненормированные): мультимодальность -- мультизадачность -- компьютерное зрение -- обработка естественного языка -- нейронные сети -- трансформеры -- фундаментальные модели -- fusionbrain
    Аннотация: FusionBrain – это исследовательский проект, основными задачами которого являются разработка эффективных мультизадачных и мультимодальных моделей и применение их для решения широкого круга практических задач. Общая цель и идея проекта – научиться создавать модели, которые смогут как можно более эффективно извлекать дополнительные важные знания из большого количества модальностей и задач при обучении, и за счет этого лучше решать разные другие задачи. Исследования проводятся во многих модальностях: тексты, изображения, аудио, видео, языки программирования, графы (например, молекулярные структуры), временные ряды и так далее. Список решаемых задач очень большой: от классических задач CV и NLP до задач, вовлекающих разные модальности: VideoQA, Visual Commonsense Reasoning, IQ tests (эти задачи сложны даже для человека). Изучается также способность моделей решать задачи, сформулированные на естественном или визуальном языках, и даже справляться со скрытыми задачами (для которых в обучающей выборке отсутствовали примеры). Исследования сосредоточены в том числе на сокращении данных, человеческих и вычислительных ресурсов, необходимых для обучения и инференса различных моделей. В рамках данного материала мы поделимся полученными результатами в рамках исследования и разработки некоторых мультимодальных и мультизадачных архитектур.
    Доп. точки доступа:
    Димитров, Д.В.
    Кузнецов, А.В.
    Мальцева, А.А.
    Гончарова, Е.Ф.

    Экз-ры полностью У5097/2022/Т.508
    Имеются экземпляры в отделах: всего 2 : ПНТ (1), ХРЦ (1)
    Свободны: ПНТ (1), ХРЦ (1)
    Переход по DOI



    Заказ фрагмента документа ₽