Đây là ứng dụng Windows có tên Emb-GAM có bản phát hành mới nhất có thể tải xuống dưới dạng v0.2.zip. Nó có thể chạy trực tuyến trong nhà cung cấp dịch vụ lưu trữ miễn phí OnWorks cho máy trạm.
Tải xuống và chạy trực tuyến ứng dụng này có tên Emb-GAM with OnWorks miễn phí.
Làm theo các hướng dẫn sau để chạy ứng dụng này:
- 1. Đã tải ứng dụng này xuống PC của bạn.
- 2. Nhập vào trình quản lý tệp của chúng tôi https://www.onworks.net/myfiles.php?username=XXXXX với tên người dùng mà bạn muốn.
- 3. Tải lên ứng dụng này trong trình quản lý tệp như vậy.
- 4. Khởi động bất kỳ trình giả lập trực tuyến OS OnWorks nào từ trang web này, nhưng trình giả lập trực tuyến Windows tốt hơn.
- 5. Từ Hệ điều hành Windows OnWorks bạn vừa khởi động, hãy truy cập trình quản lý tệp của chúng tôi https://www.onworks.net/myfiles.php?username=XXXXX với tên người dùng mà bạn muốn.
- 6. Tải xuống ứng dụng và cài đặt nó.
- 7. Tải xuống Wine từ kho phần mềm phân phối Linux của bạn. Sau khi cài đặt, bạn có thể nhấp đúp vào ứng dụng để chạy chúng với Wine. Bạn cũng có thể thử PlayOnLinux, một giao diện đẹp mắt trên Wine sẽ giúp bạn cài đặt các chương trình và trò chơi phổ biến của Windows.
Wine là một cách để chạy phần mềm Windows trên Linux, nhưng không cần Windows. Wine là một lớp tương thích Windows mã nguồn mở có thể chạy các chương trình Windows trực tiếp trên bất kỳ máy tính để bàn Linux nào. Về cơ bản, Wine đang cố gắng triển khai lại đủ Windows từ đầu để nó có thể chạy tất cả các ứng dụng Windows đó mà không thực sự cần đến Windows.
MÀN HÌNH
Ad
Emb-GAM
MÔ TẢ
Các mô hình học sâu đã đạt được hiệu suất dự đoán ấn tượng nhưng thường hy sinh khả năng diễn giải, một yếu tố cần cân nhắc quan trọng trong các lĩnh vực rủi ro cao như chăm sóc sức khỏe hoặc hoạch định chính sách. Ngược lại, các mô hình phụ gia tổng quát (GAM) có thể duy trì khả năng diễn giải nhưng thường có hiệu suất dự đoán kém do không có khả năng nắm bắt hiệu quả các tương tác tính năng. Trong công việc này, chúng tôi đặt mục tiêu thu hẹp khoảng cách này bằng cách sử dụng các mô hình ngôn ngữ thần kinh được đào tạo trước để trích xuất các phần nhúng cho mỗi đầu vào trước khi tìm hiểu một mô hình tuyến tính trong không gian nhúng. Mô hình cuối cùng (mà chúng tôi gọi là Emb-GAM) là một chức năng tuyến tính, minh bạch của các tính năng đầu vào và tương tác tính năng của nó. Tận dụng mô hình ngôn ngữ cho phép Emb-GAM tìm hiểu ít hệ số tuyến tính hơn, mô hình hóa các tương tác lớn hơn và khái quát hóa tốt cho các đầu vào mới. Trên nhiều bộ dữ liệu xử lý ngôn ngữ tự nhiên, Emb-GAM đạt được hiệu suất dự đoán mạnh mẽ mà không ảnh hưởng đến khả năng diễn giải.
Tính năng
- Để kiểm soát tốt hơn, thay vào đó, bạn có thể sao chép và cài đặt repo này từ nguồn
- Mô hình tuyến tính có thể diễn giải, tận dụng mô hình ngôn ngữ được đào tạo trước để tìm hiểu các tương tác tốt hơn
- Chức năng khớp một dòng
- Emb-GAM sử dụng mô hình ngôn ngữ được đào tạo trước để trích xuất các tính năng từ dữ liệu văn bản
- Kết hợp các tính năng để trích xuất một mô hình tuyến tính đơn giản
- Cách tốt nhất để sử dụng Emb-GAM là thông qua gói imodelsx
- Emb-GAM đạt được hiệu suất dự đoán mạnh mẽ mà không ảnh hưởng đến khả năng diễn giải
Ngôn ngữ lập trình
Python
Danh Mục
Đây là một ứng dụng cũng có thể được tìm nạp từ https://sourceforge.net/projects/emb-gam.mirror/. Nó đã được lưu trữ trong OnWorks để có thể chạy trực tuyến theo cách dễ dàng nhất từ một trong các Hệ điều hành miễn phí của chúng tôi.
