• úvod
  • témata
  • události
  • tržiště
  • diskuze
  • nástěnka
  • přihlásit
    registrace
    ztracené heslo?
    RUDOLFMachine Learning | Strojové učení | In Machines We Trust | Víra v mechanickou bestii
    RUDOLF
    RUDOLF --- ---
    nedávno přes živě.cz, postavený na účení samplů, takže při syntéze jsou slyšet mlaskání, nádechy apod.

    tady ukázky:

    WaveNet: A Generative Model for Raw Audio | DeepMind
    https://deepmind.com/blog/wavenet-generative-model-raw-audio/

    This paper introduces WaveNet, a deep neural network for generating raw audio waveforms. The model is fully probabilistic and autoregressive, with the predic- tive distribution for each audio sample conditioned on all previous ones; nonethe- less we show that it can be efficiently trained on data with tens of thousands of samples per second of audio. When applied to text-to-speech, it yields state-of- the-art performance, with human listeners rating it as significantly more natural sounding than the best parametric and concatenative systems for both English and Mandarin. A single WaveNet can capture the characteristics of many different speakers with equal fidelity, and can switch between them by conditioning on the speaker identity. When trained to model music, we find that it generates novel and often highly realistic musical fragments. We also show that it can be employed as a discriminative model, returning promising results for phoneme recognition.


    https://arxiv.org/pdf/1609.03499.pdf
    AXTHEB
    AXTHEB --- ---
    KALISNIK
    KALISNIK --- ---
    Kaggle: Your Home for Data Science
    https://www.kaggle.com
    UETOYO
    UETOYO --- ---
    Nástroj im2txt pro tensorFlow na Githubu: https://research.googleblog.com/2016/09/show-and-tell-image-captioning-open.html

    models/im2txt at master · tensorflow/models · GitHub
    https://github.com/tensorflow/models/tree/master/im2txt
    RUDOLF
    RUDOLF --- ---
    DARPA's Cyber Grand Challenge: Final Event Program
    https://www.youtube.com/watch?v=n0kn4mDXY6I
    RUDOLF
    RUDOLF --- ---
    RUDOLF: Doom-playing AI
    RUDOLF
    RUDOLF --- ---
    RUDOLF
    RUDOLF --- ---
    Než nasadím text na správný klasifikátor, potřebuju rozdělit textový dokumenty podle jazyka.

    Na první jsem našel google implementaci v java
    GitHub - shuyo/language-detection: This is a language detection library implemented in plain Java. (aliases: language identification, language guessing)
    https://github.com/shuyo/language-detection

    a případně v pythonu.
    langdetect 1.0.6 : Python Package Index
    https://pypi.python.org/pypi/langdetect?

    RUDOLF
    RUDOLF --- ---
    Sů z komunity kolem web archivingu, tak mám minimální ML znalost. Ale pro výzkumníky/veřejnost potřebujeme generovat užitečné sety dat. Např. Internet Archive má službu Archive-It Reaserch Service, připravují tři typy setů. Graf odkazů v čase, Extrakci metadat z archivních balíčků a dataset s jmenýma entitama. Pro rozpoznání entit používají Standfor NRE: http://nlp.stanford.edu/software/CRF-NER.shtml

    Pro český jazyk se mi zdá ideání NameTag: http://ufal.mff.cuni.cz/nametag -- vytvoříme s ním mnohem komplexnější datový set, který musí být z menší části anonymizován (tel. čísla, maily, možná adresy). Primárně budou sety ke stažení pro URL+Timestamp.
    Kliknutím sem můžete změnit nastavení reklam