paint-brush
Nakliye Maliyeti Tahmininde Kişisel Dikkatin Gücünü Ortaya Çıkarma: Referanslarile@convolution
116 okumalar

Nakliye Maliyeti Tahmininde Kişisel Dikkatin Gücünü Ortaya Çıkarma: Referanslar

Çok uzun; Okumak

Yeni AI modeli (Ücret Listesi Transformatörü), nakliye maliyetlerini daha doğru tahmin etmek için paket ayrıntılarını (boyut, taşıyıcı vb.) analiz eder.
featured image - Nakliye Maliyeti Tahmininde Kişisel Dikkatin Gücünü Ortaya Çıkarma: Referanslar
Convolution: Leading Authority on Signal Processing HackerNoon profile picture
0-item

Yazarlar:

(1) P Aditya Sreekar, Amazon ve bu yazarlar bu çalışmaya eşit katkıda bulunmuştur {[email protected]};

(2) Sahil Verm, Amazon ve bu yazarlar bu çalışmaya eşit katkıda bulunmuştur {[email protected];}

(3) Varun Madhavan, Hindistan Teknoloji Enstitüsü, Kharagpur. Amazon'da staj sırasında yapılan çalışmalar {[email protected]};

(4) Abhishek Persad, Amazon {[email protected]}.

Bağlantı Tablosu

Referanslar

Alexander Amini, Wilko Schwarting, Ava Soleimany ve Daniela Rus. Derin kanıtsal gerileme. CoRR, abs/1910.02600, 2019. URL http://arxiv.org/abs/1910.02600.


Sercan O Arık, Engin Gedik, Kenan Güney ve Umut Atilla. Tabnet: Dikkatli yorumlanabilir tablo halinde öğrenme. Sinir Bilgi İşleme Sistemlerindeki Gelişmeler, sayfalar 10951–10961, 2019.


Christopher M Piskopos. Örüntü tanıma ve makine öğrenimi. Springer'da, bölüm 2, sayfa 36-43. 2006.


Leo Breiman. Rastgele ormanlar. Makine öğrenimi, 45(1):5–32, 2001.


Jintai Chen, Kuanlun Liao, Yao Wan, Danny Z Chen ve Jian Wu. Danets: Tablosal veri sınıflandırması ve regresyonu için derin soyut ağlar. AAAI Yapay Zeka Konferansı Bildirileri, cilt 36, sayfalar 3930–3938, 2022.


Tianqi Chen ve Carlos Guestrin. Xgboost: Ölçeklenebilir bir ağaç güçlendirme sistemi. 22. ACM SIGKDD Uluslararası Bilgi Keşfi ve Veri Madenciliği Konferansı Bildirileri, sayfa 785–794, 2016.


Jacob Devlin, Ming-Wei Chang, Kenton Lee ve Kristina Toutanova. BERT: Dilin anlaşılması için derin çift yönlü transformatörlerin ön eğitimi. Editörler Jill Burstein, Christy Doran ve Thamar Solorio, Hesaplamalı Dilbilim Derneği Kuzey Amerika Bölümü 2019 Konferansı Bildirileri: İnsan Dili Teknolojileri, NAACL-HLT 2019, Minneapolis, MN, ABD, 2-7 Haziran, 2019, Cilt 1 (Uzun ve Kısa Makaleler), sayfa 4171–4186. Hesaplamalı Dilbilim Derneği, 2019. doi: 10.18653/v1/n19-1423. URL https://doi.org/10.18653/v1/n19-1423.


Alexey Dosovitskiy, Lucas Beyer, Alexander Kolesnikov, Dirk Weissenborn, Xiaohua Zhai, Thomas Unterthiner, Mostafa Dehghani, Matthias Minderer, Georg Heigold, Sylvain Gelly, Jakob Uszkoreit ve Neil Houlsby. Bir görüntü 16x16 kelimeye bedeldir: Büyük ölçekte görüntü tanıma için transformatörler. ICLR, 2021.


Nick Erickson, Jonas Mueller, Alexander Shirkov, Hang Zhang, Pedro Larroy, Mu Li ve Alexander Smola. Autogluon-tabular: Yapılandırılmış veriler için sağlam ve doğru otomatikleştirme, 2020.


William Falcon ve PyTorch Lightning ekibi. PyTorch Lightning, 3 2019. URL https: //github.com/Lightning-AI/lightning.


Jerome H Friedman. Açgözlü fonksiyon yaklaşımı: bir gradyan artırma makinesi. İstatistik yıllıkları, sayfalar 1189–1232, 2001.


Yuan Gong, Yu-An Chung ve James Glass. AST: Ses Spektrogram Transformatörü. Proc'ta. Konuşmalar Arası 2021, sayfalar 571–575, 2021. doi: 10.21437/Interspeech.2021-698.


Yuri Gorishniy, Ivan Rubachev, Valentin Khrulkov ve Artem Babenko. Tablosal veriler için derin öğrenme modellerinin yeniden gözden geçirilmesi. Sinir Bilgisi İşleme Sistemlerindeki Gelişmeler, 34:18932–18943, 2021.


Trevor Hastie, Robert Tibshirani ve Jerome Friedman. İstatistiksel öğrenmenin unsurları: veri madenciliği, çıkarım ve tahmin. Springer Bilim ve İşletme Medyası, 2009.


Hüseyin Hazimeh, Natalia Ponomareva, Petros Mol, Zhenyu Tan ve Rahul Mazumder. Ağaç topluluğu katmanı: Türevlenebilirlik koşullu hesaplamayla buluşuyor. Uluslararası Makine Öğrenimi Konferansında, sayfalar 4138–4148. PMLR, 2020.


Xin Huang, Ashish Khetan, Milan Cvitkovic ve Zohar Karnin. Tabtransformer: Bağlamsal yerleştirmeler kullanılarak tablo halinde veri modelleme. arXiv ön baskı arXiv:2012.06678, 2020.


Guolin Ke, Qi Meng, Thomas Finley, Taifeng Wang, Wei Chen, Weidong Ma, Qiwei Ye ve Tie-Yan Liu. Lightgbm: Oldukça verimli bir degrade artırıcı karar ağacı. Sinirsel bilgi işleme sistemlerindeki ilerlemeler, 30:3146–3154, 2017.


Diederik P Kingma ve Jimmy Ba. Adam: Stokastik optimizasyon için bir yöntem. arXiv ön baskı arXiv:1412.6980, 2014.


Daniele Micci-Barreca. Sınıflandırma ve tahmin problemlerinde yüksek kardinaliteli kategorik nitelikler için bir ön işleme şeması. SIGKDD Keşfet. Newsl., 3(1):27–32, temmuz 2001. ISSN 1931-0145. doi: 10.1145/507533.507538. URL'si https://doi.org/10.1145/507533. 507538.


Sergei Popov, Stanislav Morozov ve Artem Babenko. Tablo verileri üzerinde derin öğrenme için sinirsel kayıtsız karar toplulukları. arXiv ön baskısı arXiv:1909.06312, 2019.


Liudmila Prokhorenkova, Gleb Gusev, Alexey Vorobev, Anna Dorogush ve Andrey Gulin. Catboost: kategorik özelliklerle tarafsız güçlendirme. Sinir Bilgisi İşleme Sistemlerindeki Gelişmeler, 31:6638–6648, 2018.


Gowthami Somepalli, Micah Goldblum, Avi Schwarzschild, C Bayan Bruss ve Tom Goldstein. Saint: Satır dikkati ve karşılaştırmalı ön eğitim yoluyla tablo verileri için iyileştirilmiş sinir ağları. arXiv ön baskısı arXiv:2106.01342, 2021.


Ashish Vaswani, Noam Shazeer, Niki Parmar, Jakob Uszkoreit, Llion Jones, Aidan N Gomez, Lukasz Kaiser ve Illia Polosukhin. İhtiyacınız olan tek şey dikkat. Sinirsel Bilgi İşleme Sistemlerindeki Gelişmeler, sayfalar 5998–6008, 2017.