Preskoči na sadržaj
Korištenjem servisa na Twitteru pristajete na korištenje kolačića. Twitter i partneri rade globalno te koriste kolačiće za analize, personalizaciju i oglase.

Za najbolje sučelje na Twitteru koristite Microsoft Edge ili instalirajte aplikaciju Twitter iz trgovine Microsoft Store.

  • Naslovnica Naslovnica Naslovnica, trenutna stranica.
  • O Twitteru

Spremljena pretraživanja

  • obriši
  • U ovom razgovoru
    Ovjeren akauntZaštićeni tweetovi @
Predloženi korisnici
  • Ovjeren akauntZaštićeni tweetovi @
  • Ovjeren akauntZaštićeni tweetovi @
  • Jezik: Hrvatski
    • Bahasa Indonesia
    • Bahasa Melayu
    • Català
    • Čeština
    • Dansk
    • Deutsch
    • English
    • English UK
    • Español
    • Filipino
    • Français
    • Italiano
    • Magyar
    • Nederlands
    • Norsk
    • Polski
    • Português
    • Română
    • Slovenčina
    • Suomi
    • Svenska
    • Tiếng Việt
    • Türkçe
    • Български език
    • Русский
    • Српски
    • Українська мова
    • Ελληνικά
    • עִבְרִית
    • العربية
    • فارسی
    • मराठी
    • हिन्दी
    • বাংলা
    • ગુજરાતી
    • தமிழ்
    • ಕನ್ನಡ
    • ภาษาไทย
    • 한국어
    • 日本語
    • 简体中文
    • 繁體中文
  • Imate račun? Prijava
    Imate račun?
    · Zaboravili ste lozinku?

    Novi ste na Twitteru?
    Registrirajte se
Profil korisnika/ce MSFTResearch
Microsoft Research
Microsoft Research
Microsoft Research
Ovjeren akaunt
@MSFTResearch

Tweets

Microsoft ResearchOvjeren akaunt

@MSFTResearch

Founded in 1991, Microsoft Research is dedicated to conducting both basic and applied research in computer science and software engineering.

microsoft.com/research
Vrijeme pridruživanja: veljača 2009.

Tweets

  • © 2020 Twitter
  • O Twitteru
  • Centar za pomoć
  • Uvjeti
  • Pravila o privatnosti
  • Imprint
  • Kolačići
  • Informacije o oglasima
Odbaci
Prethodni
Sljedeće

Idite na profil osobe

Spremljena pretraživanja

  • obriši
  • U ovom razgovoru
    Ovjeren akauntZaštićeni tweetovi @
Predloženi korisnici
  • Ovjeren akauntZaštićeni tweetovi @
  • Ovjeren akauntZaštićeni tweetovi @

Odjava

Blokiraj

  • Objavi Tweet s lokacijom

    U tweetove putem weba ili aplikacija drugih proizvođača možete dodati podatke o lokaciji, kao što su grad ili točna lokacija. Povijest lokacija tweetova uvijek možete izbrisati. Saznajte više

    Vaši popisi

    Izradi novi popis


    Manje od 100 znakova, neobavezno

    Privatnost

    Kopiraj vezu u tweet

    Ugradi ovaj Tweet

    Embed this Video

    Dodajte ovaj Tweet na svoje web-mjesto kopiranjem koda u nastavku. Saznajte više

    Dodajte ovaj videozapis na svoje web-mjesto kopiranjem koda u nastavku. Saznajte više

    Hm, došlo je do problema prilikom povezivanja s poslužiteljem.

    Integracijom Twitterova sadržaja u svoje web-mjesto ili aplikaciju prihvaćate Twitterov Ugovor za programere i Pravila za programere.

    Pregled

    Razlog prikaza oglasa

    Prijavi se na Twitter

    · Zaboravili ste lozinku?
    Nemate račun? Registrirajte se »

    Prijavite se na Twitter

    Niste na Twitteru? Registrirajte se, uključite se u stvari koje vas zanimaju, i dobivajte promjene čim se dogode.

    Registrirajte se
    Imate račun? Prijava »

    Dvosmjerni (slanje i primanje) kratki kodovi:

    Država Kod Samo za korisnike
    Sjedinjene Američke Države 40404 (bilo koje)
    Kanada 21212 (bilo koje)
    Ujedinjeno Kraljevstvo 86444 Vodafone, Orange, 3, O2
    Brazil 40404 Nextel, TIM
    Haiti 40404 Digicel, Voila
    Irska 51210 Vodafone, O2
    Indija 53000 Bharti Airtel, Videocon, Reliance
    Indonezija 89887 AXIS, 3, Telkomsel, Indosat, XL Axiata
    Italija 4880804 Wind
    3424486444 Vodafone
    » Pogledajte SMS kratke šifre za druge zemlje

    Potvrda

     

    Dobro došli kući!

    Vremenska crta mjesto je na kojem ćete provesti najviše vremena i bez odgode dobivati novosti o svemu što vam je važno.

    Tweetovi vam ne valjaju?

    Prijeđite pokazivačem preko slike profila pa kliknite gumb Pratim da biste prestali pratiti neki račun.

    Kažite mnogo uz malo riječi

    Kada vidite Tweet koji volite, dodirnite srce – to osobi koja ga je napisala daje do znanja da vam se sviđa.

    Proširite glas

    Najbolji je način da podijelite nečiji Tweet s osobama koje vas prate prosljeđivanje. Dodirnite ikonu da biste smjesta poslali.

    Pridruži se razgovoru

    Pomoću odgovora dodajte sve što mislite o nekom tweetu. Pronađite temu koja vam je važna i uključite se.

    Saznajte najnovije vijesti

    Bez odgode pogledajte o čemu ljudi razgovaraju.

    Pratite više onoga što vam se sviđa

    Pratite više računa da biste dobivali novosti o temama do kojih vam je stalo.

    Saznajte što se događa

    Bez odgode pogledajte najnovije razgovore o bilo kojoj temi.

    Ne propustite nijedan aktualni događaj

    Bez odgode pratite kako se razvijaju događaji koje pratite.

    Microsoft Research‏Ovjeren akaunt @MSFTResearch 14. sij
    • Prijavi Tweet

    How does deep learning perform DEEP learning? Microsoft and CMU researchers establish a principle called "backward feature correction" and explain how very deep neural networks can actually perform DEEP hierarchical learning efficiently: https://aka.ms/AA70ptc  @ZeyuanAllenZhu

    13:33 - 14. sij 2020.
    • 93 proslijeđena tweeta
    • 296 oznaka „sviđa mi se”
    • Koushik HubBucket HealthIT MedTech mHealth D___ja. .dimitra.maoutsa. Adarsh Samy MBARAGA ISHIMWE Tequehead Mohammad khalooei JDK
    5 replies 93 proslijeđena tweeta 296 korisnika označava da im se sviđa
      1. Novi razgovor
      2. Ron 🔹‏ @TechRonic9876 14. sij
        • Prijavi Tweet
        Odgovor korisnicima @MSFTResearch @ZeyuanAllenZhu

        This seems like layerwise pre training? This is an under-explored approach I always thought; nice to see new work in this area

        1 reply 0 proslijeđenih tweetova 1 korisnik označava da mu se sviđa
      3. James‏ @AwokeKnowing 15. sij
        • Prijavi Tweet
        Odgovor korisnicima @TechRonic9876 @MSFTResearch @ZeyuanAllenZhu

        They specifically say it's not. Layerwise lacks backwards feature correction, where higher level concepts change lower ones, presumably to fit the smaller higher-level manifold related to actual samples

        0 replies 0 proslijeđenih tweetova 1 korisnik označava da mu se sviđa
      4. Kraj razgovora
      1. Michael Holakovsky‏ @coffeemug13 15. sij
        • Prijavi Tweet
        Odgovor korisnicima @MSFTResearch @ZeyuanAllenZhu

        Kind of iterative/sequential layer training

        0 replies 0 proslijeđenih tweetova 0 korisnika označava da im se sviđa
        Hvala. Twitter će to iskoristiti za poboljšanje vaše vremenske crte. Poništi
        Poništi
      1. James‏ @AwokeKnowing 15. sij
        • Prijavi Tweet
        Odgovor korisnicima @MSFTResearch @ZeyuanAllenZhu

        Maybe the deeper layers provide a 'decision buffer' so that bigger leaps can be made to 1st layer, after considering 'intermediate' goals. ie goal of lower layer becomes to make stable upper level representation, rather than 'obey' direct classification goal.

        0 replies 0 proslijeđenih tweetova 0 korisnika označava da im se sviđa
        Hvala. Twitter će to iskoristiti za poboljšanje vaše vremenske crte. Poništi
        Poništi
      1. James‏ @AwokeKnowing 15. sij
        • Prijavi Tweet
        Odgovor korisnicima @MSFTResearch @ZeyuanAllenZhu

        Dovetail with weight agnostic networks - high levels can be random while low levels learn. So for a time low levels provide structure that when comb with higher level random concepts, still has useful results. Then as low level concepts stabilize, high level are recruited vice vs

        0 replies 0 proslijeđenih tweetova 0 korisnika označava da im se sviđa
        Hvala. Twitter će to iskoristiti za poboljšanje vaše vremenske crte. Poništi
        Poništi
      1. Kyle Liang‏ @KyleLiang5 3. velj
        • Prijavi Tweet
        Odgovor korisnicima @MSFTResearch @ZeyuanAllenZhu

        Does it mean that there is a period during training when the upper layers are not improving? Here is an experiment on CIFAR10, where I restart training at each of the epochs and train only the first layer. Shouldn't we expect a step-wise descent in loss, but not smooth?pic.twitter.com/kN43moPqH6

        0 replies 0 proslijeđenih tweetova 0 korisnika označava da im se sviđa
        Hvala. Twitter će to iskoristiti za poboljšanje vaše vremenske crte. Poništi
        Poništi

    Čini se da učitavanje traje već neko vrijeme.

    Twitter je možda preopterećen ili ima kratkotrajnih poteškoća u radu. Pokušajte ponovno ili potražite dodatne informacije u odjeljku Status Twittera.

      Sponzorirani tweet

      false

      • © 2020 Twitter
      • O Twitteru
      • Centar za pomoć
      • Uvjeti
      • Pravila o privatnosti
      • Imprint
      • Kolačići
      • Informacije o oglasima