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 dileeplearning
Dileep George
Dileep George
Dileep George
@dileeplearning

Tweets

Dileep George

@dileeplearning

Founder at Vicarious AI (@vicariousai http://www.vicarious.com ). Previously Founder and CTO at Numenta. Triply EE (BTech IIT-Mumbai, MS&PhD Stanford)

San Francisco, CA
vicarious.com/research
Vrijeme pridruživanja: lipanj 2017.

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.

    Dileep George‏ @dileeplearning 7. svi 2019.
    • Prijavi Tweet

    Thread about our new paper on learning the structure of variable order sequences. Imposing a biologically-inspired sparsity structure alleviates the credit diffusion problem in HMMs! Also relevant for neuroscience... (1) @vicariousai https://arxiv.org/abs/1905.00507 pic.twitter.com/K2iXJmM6XW

    09:33 - 7. svi 2019.
    • 15 proslijeđenih tweetova
    • 53 oznake „sviđa mi se”
    • Satpreet Singh HotComputerScience Mikk Ojamaa Atlantic AI Labs Vincent Raksham Pandey Shaoming Wang Alessandro Suglia Marcin Dziduch
    1 reply 15 proslijeđenih tweetova 53 korisnika označavaju da im se sviđa
      1. Novi razgovor
      2. Dileep George‏ @dileeplearning 7. svi 2019.
        • Prijavi Tweet

        The core idea goes back to a compression algo called Dynamic Markov Coding. Instead of forming bigram or trigram states for higher-order Markov chains, represent higher-order info sparsely by 'splitting' or 'cloning' some states. (2) http://citeseerx.ist.psu.edu/viewdoc/summary?doi=10.1.1.49.1790 …pic.twitter.com/Tr3Tw173IT

        1 reply 0 proslijeđenih tweetova 3 korisnika označavaju da im se sviđa
        Prikaži ovu nit
      3. Dileep George‏ @dileeplearning 7. svi 2019.
        • Prijavi Tweet

        Splitting states is also proposed as the mechanism for sequence learning in song birds. https://www.ncbi.nlm.nih.gov/pmc/articles/PMC4957523/ …. Also, suggested in my earlier work on seq learning. https://royalsocietypublishing.org/doi/abs/10.1098/rstb.2008.0322 … (3)pic.twitter.com/w3LXucfKF9

        1 reply 0 proslijeđenih tweetova 2 korisnika označavaju da im se sviđa
        Prikaži ovu nit
      4. Dileep George‏ @dileeplearning 7. svi 2019.
        • Prijavi Tweet

        @Numenta uses this cloning idea in their sequence learning models as well. https://numenta.com/neuroscience-research/sequence-learning/ … (4)

        1 reply 0 proslijeđenih tweetova 2 korisnika označavaju da im se sviđa
        Prikaži ovu nit
      5. Dileep George‏ @dileeplearning 7. svi 2019.
        • Prijavi Tweet

        Interestingly, this idea was also recently re-discovered in network science, "Representing higher-order dependencies networks" without connecting the dots to earlier works in sequence representation... https://advances.sciencemag.org/content/2/5/e1600028 … (5)pic.twitter.com/i3PdlwPiWO

        1 reply 0 proslijeđenih tweetova 2 korisnika označavaju da im se sviđa
        Prikaži ovu nit
      6. Dileep George‏ @dileeplearning 7. svi 2019.
        • Prijavi Tweet

        Rather than splitting/cloning a first order model gradually, we can impose the cloning structure on the emission matrix of an HMM, and let the learning algorithm figure out the transition between clones. This is the idea we pursue in this paper. (6)pic.twitter.com/4SF9VulaDr

        1 reply 0 proslijeđenih tweetova 3 korisnika označavaju da im se sviđa
        Prikaži ovu nit
      7. Dileep George‏ @dileeplearning 7. svi 2019.
        • Prijavi Tweet

        It is known that overcomplete HMMs with many more hidden states than emission states can represent higher-order sequences, but learning is challenging without a sparsity structure because of credit diffusion. https://papers.nips.cc/paper/6695-learning-overcomplete-hmms.pdf … (7)pic.twitter.com/z1csVft3py

        1 reply 0 proslijeđenih tweetova 2 korisnika označavaju da im se sviđa
        Prikaži ovu nit
      8. Dileep George‏ @dileeplearning 7. svi 2019.
        • Prijavi Tweet

        We found that imposing the 'cloning' sparisty on the emission matrix alleviates this credit diffusion problem, and the cloned HMM (CHMM) can now learn higher-order sequences with an online EM algorithm. You can even overfit with larger models (more clones)pic.twitter.com/Sa6ctSKmX5

        1 reply 0 proslijeđenih tweetova 2 korisnika označavaju da im se sviđa
        Prikaži ovu nit
      9. Dileep George‏ @dileeplearning 7. svi 2019.
        • Prijavi Tweet

        CHMMs were able to beat ngrams, sequence memoizers, and even LSTMs on some character-level language modeling tasks. (9)pic.twitter.com/1POrdqciPP

        1 reply 0 proslijeđenih tweetova 3 korisnika označavaju da im se sviđa
        Prikaži ovu nit
      10. Dileep George‏ @dileeplearning 7. svi 2019.
        • Prijavi Tweet

        One benefit of CHMMs compared to RNNs is that CHMMs discover a directed graph underlying the sequence generation process. If you partition the graph of a char-CHMM, you find words as subgraphs. (10)pic.twitter.com/DM3UEI7RZK

        1 reply 0 proslijeđenih tweetova 2 korisnika označavaju da im se sviđa
        Prikaži ovu nit
      11. Dileep George‏ @dileeplearning 7. svi 2019.
        • Prijavi Tweet

        Another advantage is that CHMM is a generative model, and can handle uncertainty. Decoding uncertain inputs is a standard MAP query. (11)pic.twitter.com/FJG5LtWUuw

        1 reply 0 proslijeđenih tweetova 4 korisnika označavaju da im se sviđa
        Prikaži ovu nit
      12. Dileep George‏ @dileeplearning 7. svi 2019.
        • Prijavi Tweet

        These advantages may make CHMMs applicable in many sequence modeling tasks. Of course, many caveats apply. (12)pic.twitter.com/TVCzX8pBjn

        1 reply 0 proslijeđenih tweetova 3 korisnika označavaju da im se sviđa
        Prikaži ovu nit
      13. Dileep George‏ @dileeplearning 7. svi 2019.
        • Prijavi Tweet

        We think CHMMs are also applicable to sequence learning in other parts of the brain (eg, hippocampus). We hope to have more to say on this in the future. (Fin).

        0 replies 0 proslijeđenih tweetova 4 korisnika označavaju da im se sviđa
        Prikaži ovu nit
      14. Kraj razgovora

    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