Machine Learning для руководителей // Бесплатная Q&A-сессия OTUS
https://youtu.be/ClBNV9KJWGk

💮 И снова нейронки — почти как всегда, позабавиться. В этот раз «Mask-Guided Discovery of Semantic Manifolds in Generative Models» с помощью StyleGAN2 манипулирует различными областями лица. Посмотрите на зубы и морщины, реализм есть и он очень даже великолепен, но артефакты немного портят впечатление.

📋 В общем, чего это я с "нотациями", вот ссылка покавырять:
github.com/bmolab/masked-gan-manifold
Там же кратко написано о том, как нейросетка работает. Если интересно больше, можете прочесть paper (.pdf).

#Neural_network #Fun | Not Boring Tech

Прогнозирование движения трехмерных тел

"Emergent Road Rules in Multi-Agent Driving Environments"

Learned Initializations for Optimizing Coordinate-Based Neural Representations

Liquid Warping GAN with Attention test on Lansdowne portrait of George Washington

Vid2CAD: CAD Model Alignment using Multi-View Constraints from Videos

Full-Glow: Fully conditional Glow for more realistic image generation

Synthesizing Long-Term 3D Human Motion and Interaction in 3D Scenes

Learning Deformable Tetrahedral Meshes for 3D Reconstruction

Weight Agnostic Neural Networks

" «Пластичность» - одно из величайших открытий современной науки, но нейробиолог David Eagleman считает, что это слово вводит в заблуждение. В отличие от пластика, который формирует, а затем сохраняет определенную форму, физическая структура мозга постоянно меняется. Но David Eagleman не может избежать этого слова. «Во всей литературе используется этот термин« пластичность », поэтому я использую его редко», - говорит он. David Eagleman также не принимает во внимание компьютерные аналогии с мозгом. Он ввел термин “livewired”(«живой провод») (название своей новой книги), чтобы указать на то, что аппаратное и программное обеспечение мозга практически неразделимы.

Eagleman - человек невероятной энергии. Адъюнкт-профессор Стэнфордского университета, он также был писателем, телеведущим на канале PBS « The Brain» и научным консультантом сериала HBO « Мир Дикого Запада» . Сейчас он генеральный директор компании NeoSensory из Кремниевой долины, которая разрабатывает гаджеты, которые отправляют потоки данных в мозг, чтобы люди могли слышать «видеть» и «слышать» своей кожей.

Я разговаривал с Иглманом о том, как нейроны конкурируют друг с другом, возможно ли для людей получить совершенно новый сенсорный опыт и почему он считает, что «вы - ваш мозг»..."

The default network of the human brain is associated with perceived social isolation.

"Люди выживают и процветают благодаря социальному обмену. Тем не менее, социальная зависимость также имеет свою цену. Воспринимаемая социальная изоляция или одиночество влияет на физическое и психическое здоровье, когнитивные способности, общую продолжительность жизни и увеличивает уязвимость к деменции, связанной с болезнью Альцгеймера. Несмотря на серьезные последствия для поведения и здоровья, нейронная основа одиночества остается неуловимой. Используя когорту популяционной визуализации и генетики Биобанка Великобритании ( n = ~ 40 000, возраст 40–69 лет на момент набора, средний возраст = 54,9), мы проверяем признаки одиночества в морфологии серого вещества, внутренней функциональной связи и микроструктуре волоконного тракта. Нейробиологические профили, связанные с одиночеством, сходятся в наборе областей мозга, известных как «сеть по умолчанию». Эта более высокая ассоциативная сеть показывает ..."

FLAVR: Flow-Agnostic Video Representations for Fast Frame Interpolation

​"В мозге млекопитающих аллоцентрические представления поддерживают эффективное самоопределение и гибкую навигацию. Был идентифицирован ряд различных популяций этих пространственных реакций, но не было показано, что объединенная функция объясняет их появление. Здесь мы разработали сеть, обученную с простой целью прогнозирования, которая была способна отображать эгоцентрическую информацию в аллоцентрическую пространственную систему отсчета. Предсказания визуальных входов было достаточно, чтобы вызвать появление пространственных представлений, похожих на те, что наблюдаются у грызунов: направление головы, вектор границы и клетки места, наряду с недавно обнаруженными эгоцентрическими граничными клетками, предполагая, что прогнозирующее кодирование является принципом их появления у животных. . Сеть изучила решение для конвергентного отслеживания направления головы с известной биологической связью, предполагая возможный механизм переназначения граничных ячеек. Более того, как и в случае с представлениями млекопитающих, реакции были устойчивыми к манипуляциям со средой, включая воздействие новых настроек, и могли воспроизводиться в отсутствие перцептивного ввода, предоставляя средства для автономного обучения. В отличие от существующих подходов к обучению с подкреплением, агенты, оснащенные этой сетью, могли гибко повторно использовать выученные модели поведения, быстро приспосабливаясь к незнакомой среде. Таким образом, наши результаты показывают, что эти представления, полученные из простой эгоцентрической системы прогнозирования, образуют эффективный базис для когнитивного картирования. и может быть воспроизведен в отсутствие перцептивного ввода, предоставляя средства для автономного обучения. В отличие от существующих подходов к обучению с подкреплением, агенты, оснащенные этой сетью, могли гибко повторно использовать выученные модели поведения, быстро приспосабливаясь к незнакомой среде. Таким образом, наши результаты показывают, что эти представления, полученные из простой эгоцентрической системы прогнозирования, образуют эффективный базис для когнитивного картирования. и может быть воспроизведен в отсутствие перцептивного ввода, предоставляя средства для автономного обучения. В отличие от существующих подходов к обучению с подкреплением, агенты, оснащенные этой сетью, могли гибко повторно использовать выученные модели поведения, быстро приспосабливаясь к незнакомой среде. Таким образом, наши результаты показывают, что эти представления, полученные из простой эгоцентрической системы прогнозирования, образуют эффективный базис для когнитивного картирования..."

Visualisation of the attention patterns of Vision Transformer