ベスト AI モデル

324 件のツール

AI モデルの最高の場を見つける — DistilGPT2やClaude Opusのような言語トランスフォーマーから、GPT-5.6: Frontier intelligenceやGoogle DeepMindのGemini 3.1 Proといった高度なシステムまで、開発者や研究者がプロジェクトを向上させるツールを探求する場です: 人間のようなテキストを生成したり、会話エージェントを構築したり、複雑なアルゴリズムを開発したり、AIの能力の限界を押し広げたりします。 AIモデルとLLM, 機械学習プラットフォーム, 科学的発見・ラボツール, コンピュータービジョンツールと 3Dモデル生成ツールなどのカテゴリーにわたる 324 件のAI モデルをご覧ください。

DeepLabは、意味的画像セグメンテーションのための最先端の深層学習モデルです。このTensorFlow実装は、PASCAL VOCやCityscapesなどのデータセットでのセグメンテーション結果のトレーニング、評価、および視覚化のためのコードを提供します。ピクセルレベルのラベリングのための様々なネットワークバックボーンと高度な機能をサポートしています。

コンピュータービジョンツール

CVPR 2021 オープンアクセスリポジトリは、IEEE/CVF Computer Vision and Pattern Recognition Conferenceの採択論文へのアクセスを提供します。これらの論文は最終的な出版版と同一であり、コンピュータビジョン財団による学術研究のタイムリーな普及を保証します。

AIリサーチアシスタント

ViT-Adapterは、物体検出やセグメンテーションなどの密な予測タスクにおいて、Vision Transformer (ViT) の性能を向上させるAIモデルです。事前学習なしで画像固有の帰納バイアスを導入し、プレーンなViTが特殊なTransformerと同等の結果を達成できるようにすることで、様々な下流アプリケーションに適しています。

コンピュータービジョンツール

Apple Machine Learning Researchは、機械学習分野の進歩を推進するプラットフォームです。AIとMLにおけるAppleの貢献に関する研究論文、出版物、洞察を集めたハブとして機能します。このサイトは、研究コミュニティ内での協力促進と知識共有を目指しています。

その他のAIツール

TimeSformerは、セルフアテンションTransformerのみを利用した革新的なビデオ理解AIアーキテクチャです。アクション認識ベンチマークで最先端の結果を達成し、従来の3D CNNと比較してトレーニングが大幅に高速化され、推論計算コストが低減されます。これにより、より複雑なビデオ分析やリアルタイムアプリケーションが可能になります。

コンピュータービジョンツール

カーネギーメロン大学計算イメージング研究室は、計算イメージング分野の進歩に焦点を当てた研究グループです。画像取得、処理、分析のための新しい技術とアルゴリズムを探求し、様々な科学および工学分野における視覚データの解釈と操作の可能性の限界を押し広げています。

その他のAIツール

このAIモデルは、汎用的な画像間変換タスクのためのソリューションを提供します。画像のマッピングと適切な損失関数の両方を学習するため、ラベルからの写真合成、エッジからのオブジェクト再構成、画像の色付けなど、多様なアプリケーションが可能です。このフレームワークは適応性が高く、様々な人気のディープラーニングライブラリに実装されています。

AI画像生成ツール

DM-GANは、テキストから画像への合成のためのDynamic Memory Generative Adversarial NetworksのPyTorch実装です。このリポジトリは、CVPR2019の論文に基づいた、テキスト説明からの画像生成のためのコード、事前学習済みモデル、および評価スクリプトを提供します。

AI画像生成ツール

Yang Song氏の個人ウェブサイト。Meta Superintelligence LabsのResearch Principal。以前はOpenAIで戦略的探求を主導し、スタンフォード大学で博士号を取得。研究は生成モデル、特に拡散モデルと整合性モデルに焦点を当て、画像生成や逆問題への応用に取り組んでいます。

その他のAIツール

ImagenはGoogle Researchが開発したテキストから画像を生成する拡散モデルです。言語を深く理解し、フォトリアルな画像を生成します。Imagenは画像とテキストの整合性およびサンプルの忠実性に優れており、人間の評価で他のモデルを凌駕し、COCOなどのベンチマークで最先端のFIDスコアを達成しています。

AIモデルとLLM

Imagen Videoは、Google Researchが開発したテキスト条件付きビデオ生成システムです。ビデオ拡散モデルのカスケードを活用し、テキストプロンプトから高解像度ビデオを生成します。多様なクリエイティブアプリケーション向けに、高い忠実度、制御性、および世界知識を提供します。

AI動画生成ツール

Make-A-Videoは、テキストプロンプトから動画を生成する高度なAIシステムです。テキストから画像への進歩とラベルなしの動画データを活用して、世界の見た目と動きを理解し、ユーザーが簡単なテキスト説明からユニークな動画を作成できるようにします。このシステムはクリエイティブな制御を提供し、責任あるAI開発を目指しています。

AI動画生成ツール

このAIモデルは、統計的機械翻訳のために、RNN Encoder-Decoderという新しいニューラルネットワークアーキテクチャを導入しています。2つのリカレントニューラルネットワークを使用して、ソースシーケンスをベクトルにエンコードし、ターゲットシーケンスにデコードすることで、翻訳性能を向上させ、意味のあるフレーズ表現を学習します。

AIモデルとLLM

ULMFiTは、事前学習済み言語モデルのファインチューニングに強力な手法です。テキスト分類タスクにおいて効率的な転移学習を可能にし、より少ないデータと計算リソースで最先端の結果を達成します。この手法はfast.aiライブラリの一部であり、高度なNLPへのアクセスを容易にします。

機械学習プラットフォーム

EleutherAIは、特に大規模言語モデル（LLM）の分野で人工知能の進歩に焦点を当てた研究コレクティブです。強力なモデルと研究を一般に公開することで、AIの民主化を目指しています。その活動には、研究コミュニティ向けのオープンソースAIモデルとツールの開発およびリリースが含まれます。

その他のAIツール

Together AIはAIモデルのプラットフォームです。様々なモデルへのアクセスを提供し、開発者が高度なAI機能をアプリケーションに統合できるようにします。このプラットフォームは、AI開発とデプロイのための堅牢な環境を提供することに重点を置き、AI主導のプロジェクトにおけるイノベーションと効率性をサポートします。

MLOps・モデルデプロイ

OpenLLaMAは、Meta AIのLLaMA 7Bモデルを許可なく利用可能なライセンスで再現したオープンソースモデルです。RedPajamaデータセットで学習され、3B、7B、13Bのパラメータバージョンを提供し、既存のLLaMA実装にシームレスに統合するためのPyTorchおよびJAXウェイトを提供します。

AIモデルとLLM

GIT (Generative Image-to-text Transformer) は、Microsoft が開発したビジョンと言語タスク向けの AI モデルです。画像からテキストの説明を生成し、ビジュアル質問応答を実行できます。このモデルは、多様なアプリケーションに対応するために、さまざまな事前学習済みおよびファインチューニング済みのバージョンを提供して…

コンピュータービジョンツール

UNITERは、ECCV 2020の論文「UNITER: UNiversal Image-TExt Representation Learning」の研究コードリポジトリです。VQA、VCR、画像-テキスト検索など、様々なビジョンと言語のタスクにおけるファインチューニングと推論のためのコードを提供します。UNITER-baseおよびUNITER-largeの…

AIモデルとLLM

OscarとVinVLは、ビジョン・言語タスクのための高度なAIモデルです。Oscarはオブジェクト・セマンティクス・アラインメントを用いた事前学習により、最先端の結果を達成しています。VinVLは視覚表現を強化し、様々なビジョン・言語ベンチマークでの性能をさらに向上させています。このプロジェクトでは、再現およびさらなる研究のためのコード、事前学習済みモデル…

AIモデルとLLM

Dreamer V3は、多様な制御タスクを解決するために環境モデルを学習する汎用強化学習アルゴリズムです。単一の設定で150以上のタスクで優れた性能を発揮し、専門的な手法を凌駕します。このアルゴリズムは、将来のシナリオを想像することでドメイン全体で堅牢な学習を可能にし、広範な人間の専門知識や実験なしにAIを広く応用できるようにします。

その他のAIツール

Plan2Exploreは、効率的な探索と新しいタスクへの迅速な適応を目指して設計された自己教師あり強化学習エージェントです。探索中に将来の新規性を予測するために計画を活用し、下流タスクにおけるゼロショットまたはフューショット学習を可能にします。挑戦的な制御タスクで評価され、既存の手法を上回る性能を示しました。

その他のAIツール

Google アカウントを使用して、Google サービスに安全にアクセスします。このシステムでは、ユーザーはメールアドレスまたは電話番号でサインインし、個人情報を管理し、ゲストモードのオプションを通じてプライバシーを維持できます。これは、Google アプリケーションおよびツールのスイートへのゲートウェイです。

その他のAIツール

World Modelsは、強化学習環境向けの生成ニューラルネットワークモデルを探求する研究プロジェクトです。エージェントが自身のワールドモデルによって生成されたシミュレートされた「夢」の中で学習することを可能にし、その学習結果を実世界環境に転送できます。このアプローチは、よりコンパクトで効率的なポリシーの作成を目指しています。

その他のAIツール

このリポジトリは、著者によるTwin Delayed Deep Deterministic Policy Gradients (TD3) の公式PyTorch実装を提供します。OpenAI Gym環境における連続制御タスク向けに設計されており、強化学習の研究開発のための堅牢なソリューションを提供します。

その他のAIツール

DeepMindは、先進的なAIモデルの開発に注力する、世界をリードする人工知能研究機関です。その活動は多岐にわたり、最先端のAI研究開発を通じて複雑な問題の解決と科学的理解の深化を目指しています。人類に貢献するAIの創造に尽力しています。

その他のAIツール

このリポジトリは、グラフニューラルネットワーク（GNN）のためのPrincipal Neighbourhood Aggregation（PNA）の実装を提供します。PyTorch、DGL、PyTorch Geometricフレームワークをサポートし、マルチタスクおよび実世界のベンチマーク用のスクリプト、柔軟なGNNフレームワーク、比較モデルを提供します。

機械学習プラットフォーム

このGitHubリポジトリは、DeepGCNs、DeeperGCN、GNN1000のPyTorch実装を提供します。残差接続や拡張畳み込みなどのCNNの概念を適応させることで、非常に深いグラフ畳み込みネットワークのトレーニングを可能にし、グラフニューラルネットワークの研究を促進します。

機械学習プラットフォーム

OpenReview.netは、科学コミュニケーションにおける透明性を促進することに特化したプラットフォームです。オープンピアレビュー、オープン出版、オープンアクセス、オープンディスカッションを推進し、研究プロセスの透明性と誠実性を向上させることを目指しています。このプラットフォームは、科学的評価におけるコミュニティ主導のアプローチを支援します。

その他のAIツール

汎用的な拡散モデルであるDiffWaveを搭載した音声合成デモをご覧ください。このリソースは、ニューラルボコーダー、クラス条件付き生成、無条件波形生成、音声ノイズ除去の機能を紹介します。様々なデータセットや条件におけるモデルのパフォーマンスに関する音声サンプルと洞察を提供し、その柔軟性を強調しています。

AIモデルとLLM

FastSpeech 2は、音声品質とトレーニング速度を向上させるエンドツーエンドのテキスト読み上げモデルです。ピッチやエネルギーなどの音声のバリエーション情報を直接組み込むことで、教師蒸留を排除し、より高速で高品質な音声合成を可能にし、以前の非自己回帰モデルを改善しています。

AIモデルとLLM

これは、Parallel WaveGANおよび関連する音声生成モデルの非公式デモページです。英語、日本語、中国語の各言語で、MelGAN、Multiband-MelGAN、HiFi-GAN、StyleMelGANを含む様々な実装によって生成された音声サンプルを展示しています。生成された音声とグラウンドトゥルースを比較してください。

テキスト読み上げ

HiFi-GANは、効率的かつ高忠実度の音声合成を実現する敵対的生成ネットワークです。オーディオ内の周期的なパターンをモデル化してサンプル品質を向上させ、高速で人間のような品質を達成します。このモデルは、単一話者、未知の話者、エンドツーエンド合成をサポートし、CPU向けの小型フットプリント版も提供しています。

AIモデルとLLM

ESPnetは、エンドツーエンドの音声処理のためのオープンソースツールキットです。自動音声認識（ASR）、音声合成（TTS）、音声強調などのタスクに対応する包括的なレシピとツールを提供します。柔軟なフレームワークにより、ユーザーは簡単に推論を実行したり、既存のモデルをファインチューニングしたり、カスタムソリューションを実装したりできます。

機械学習プラットフォーム

このAIモデルは、小売、ソーシャルネットワーキング、検索などのオンラインコンテキストにおける個人データに対するユーザーのプライバシー感度を探求します。特定のデータ項目の感度を定量化し、必須データは感度が低く、受動的に収集されたデータは管理と透明性によって影響を受け、より感度が高いことを明らかにします。

その他のAIツール

MUSEは、教師なしおよび教師ありの手法をサポートする、多言語単語埋め込みを作成するためのPythonライブラリです。fastText埋め込みを共通空間に整列させ、トレーニングと評価のための大規模なバイリンガル辞書を提供し、クロスリンガルNLPタスクを可能にします。

自然言語処理ツール

隠れマルコフモデル（HMM）は、観測値が観測不可能なマルコフ過程に依存する統計モデルです。音声認識、バイオインフォマティクス、金融モデリングなどで、観測データから隠れ状態を推測するために使用されます。

機械学習プラットフォーム

オートエンコーダーは、教師なし学習のために設計されたニューラルネットワークの一種で、効率的なデータエンコーディングの学習に焦点を当てています。データをコードに圧縮するエンコーダーと、このコードから元のデータを再構築するデコーダーで構成されます。主に次元削減と特徴学習に使用され、オートエンコーダーは機械学習において汎用性の高いツールです。

機械学習プラットフォーム

This listing refers to a research paper by Yoshua Bengio et al. on greedy layer-wise training for deep neural networks, presented at NIPS 2006. It details a method for…

その他のAIツール

TU Graz、別名グラーツ工科大学は、オーストリアを代表する工科大学です。工学および科学の様々な分野で、幅広い学士、修士、博士課程を提供しています。同大学は、研究、イノベーション、産業界および国際的なパートナーとの連携促進に注力しています。

その他のAIツール

Vision Transformer (ViT) リポジトリは、画像認識タスク用のモデルとコードを提供します。ImageNet および ImageNet-21k データセットで事前学習済みの Vision Transformer および MLP-Mixer アーキテクチャの実装が含まれており、JAX/Flax でのファインチューニング用コードも提供します。

AIモデルとLLM

Google Researchは、Googleの研究プロジェクトのためのGitHubリポジトリです。様々なAIおよび機械学習イニシアチブのコードとドキュメントをホストしています。開発者は、自然言語処理やコンピュータビジョンなどの分野における最先端の研究を探求、貢献、学習することができます。

その他のAIツール

FNetは、自己注意機構をフーリエ変換に置き換えた効率的なTransformerライクなエンコーダーアーキテクチャです。Google Researchによって開発され、自然言語処理タスクにおいて高性能な代替手段を提供します。このモデルはJax/Flaxで実装されており、事前学習およびファインチューニングのためにGitHubで利用可能です。

AIモデルとLLM

Google ResearchのGitHubリポジトリは、オープンソースプロジェクトと研究イニシアチブをホストしています。開発者や研究者がコードにアクセスし、協力し、人工知能やその他の科学分野の進歩に貢献するための中心的なハブとして機能します。最先端の研究とツールをご覧ください。

その他のAIツール

SpanBERTは、テキストの範囲（スパン）の表現と予測に焦点を当てることで、事前学習の改善を目指すAIモデルです。HuggingFace BERTフォーマットと互換性のある、事前学習済みのベースモデルとラージモデルを提供します。このリポジトリには、質問応答や関係抽出を含む様々なNLPタスクでSpanBERTを使用および評価するためのコードが含まれています。

AIモデルとLLM

LayoutLMは、視覚的にリッチなドキュメントの理解と情報抽出のためのマルチモーダル事前学習モデルです。テキスト、レイアウト、画像情報を組み合わせて、フォームやレシートの理解などのタスクで最先端の結果を達成します。このモデルは、多言語サポートを含む、さまざまなサイズとバージョンで利用可能です。

AIモデルとLLM

UniLMは、Microsoftが開発した大規模な自己教師あり事前学習フレームワークです。テキスト、画像、音声を含む多様なタスク、言語、モダリティを横断してモデルが学習できるようにします。このプロジェクトは、高度なAI研究開発のための基盤モデルとツールキットを提供します。

AIモデルとLLM

MASSは、シーケンス・トゥ・シーケンスの言語生成タスクのための事前学習手法です。エンコーダーがデコーダーで予測するために文の断片をマスクし、ニューラル機械翻訳やテキスト要約などのタスクを強化します。このコードベースは、Fairseqに基づいた様々なアプリケーションをサポートしています。

AIモデルとLLM

PEGASUSは、Google Researchが開発した最先端の抽象的テキスト要約モデルです。革新的な事前学習目的であるギャップ文生成（gap-sentence generation）を活用し、多様な要約タスクで優れた性能を発揮します。このモデルは、高いサンプル効率を示し、高品質な結果を得るために最小限のファインチューニングデータで済みます。

AIモデルとLLM

ProphetNetは、自然言語生成に焦点を当てたMSRA NLCチームの研究プロジェクトです。将来情報、共同生成・ランク学習、拡散ベースのテキスト生成などの事前学習済みモデルの公式実装を提供しています。プロジェクトはGitHubでホストされています。

AIモデルとLLM

DeBERTaは、Microsoft Researchによって開発された大規模事前学習済み言語モデルです。T5 11Bモデルを性能で凌駕し、SuperGLUEベンチマークで人間レベルの結果を達成しています。この先進的なモデルは、自然言語理解タスクに顕著な能力を提供します。

AIモデルとLLM

Funnel-Transformerは、計算コストを削減するために隠れ状態を圧縮するAIモデルです。同じFLOPsでより深く、またはより広いモデルを構築でき、標準的な事前学習のためにトークンレベルの表現を復元できます。このモデルはTensorFlowとPyTorchの両方の実装で利用可能です。

AIモデルとLLM

ConvBERTは、スパンベースの動的畳み込みを特徴とする新しいアーキテクチャを持つ、言語モデルの事前学習のためのオープンソースAIモデルです。このGitHubリポジトリには、V100 GPUでテストされたConvBERTモデルの事前学習およびファインチューニング用のコードが含まれており、TensorFlowでの使用方法も記載されています。

AIモデルとLLM

MPNetは、BERTやXLNetを改良した言語理解タスク向けの新しい事前学習手法です。様々な事前学習モデルの統一的な実装を提供し、GLUEやSQuADなどの多様な言語理解タスクにおける事前学習およびファインチューニング用のコードをサポートします。

AIモデルとLLM

node2vecは、グラフ内のノードの連続的な特徴表現を学習するためのスケーラブルなフレームワークです。バイアス付きランダムウォークにより近傍の保存を最適化し、多様な機械学習タスクを可能にします。このアルゴリズムは、探索と活用をバランスさせ、リッチなノード埋め込みを実現します。

機械学習プラットフォーム

AMinerは、Zhipu GLMモデルを搭載したAIリサーチアシスタントで、3億件以上の文献記録と6千万人の研究者へのアクセスを提供します。学術検索、深層リサーチ、AIによる論文読解、AI駆動の文献レビューをサポートし、正確な引用とともに科学研究の効率を高めます。

AIリサーチアシスタント教育・eラーニング

このリポジトリは、ICLR'2022で発表された研究論文「How Attentive are Graph Attention Networks?」の公式コード実装を提供します。PyTorch Geometric、DGL、TensorFlow GNNを含む複数のフレームワークで、GATv2の再現可能な実験とコードを提供します。

機械学習プラットフォーム

SEALは、リンク予測問題を部分グラフ分類タスクに変換する新しいフレームワークです。h-ホップ包囲部分グラフとノード情報行列を抽出し、それらをグラフニューラルネットワークに入力します。SEALは、グラフ構造と潜在的/明示的なノード特徴の両方から同時に学習し、正確なリンク予測を行います。

機械学習プラットフォーム

GraphSAINTは、大規模グラフ上でディープグラフニューラルネットワーク（GNN）をトレーニングするための柔軟なフレームワークです。グラフサンプリングを用いた革新的なミニバッチトレーニング手法を導入し、従来のレイヤーサンプリング技術と比較して精度、効率、スケーラビリティを向上させています。複数のGNNアーキテクチャとサンプラーをサポートします。

機械学習プラットフォーム

RoboCatは、ロボットアーム間で多様なタスクを学習する自己改善型AIエージェントです。わずか100回のデモンストレーションで新しいタスクに適応でき、パフォーマンス向上のために独自のトレーニングデータを生成し、ロボット工学の研究を加速させます。

ロボティクスと AI ハードウェア

StyleSwinは、高解像度画像生成のために設計されたTransformerベースの敵対的生成ネットワーク（GAN）です。Swin Transformerと新しいダブルアテンションメカニズムを活用し、計算効率とモデリング能力のバランスを取り、最大1024x1024の解像度で優れた結果を達成します。

AIモデルとLLM

Plenoxelsは、ニューラルネットワークに依存せずに高忠実度でシーンを再構築する、Radiance Fieldsの新しいアプローチを提供します。この手法は、従来のNeRFと比較して最適化速度が2桁速く、様々な3D再構築タスクにおいて非常に効率的です。密度と球面調和係数には、スパースボクセルグリッドを利用します。

3Dモデル生成ツール

このAIモデルは、ニューラルグラフィックスプリミティブに対するマルチ解像度ハッシュエンコーディングを導入し、単一GPUでのニューラルネットワークのほぼ瞬時のトレーニングを可能にします。ギガピクセル画像表現、ニューラルSDF、NeRF再構成などのタスクにおけるトレーニング時間と計算コストを大幅に削減し、高品質とシンプルさを提供します。

3Dモデル生成ツール

このAIモデルは、リアルタイムの放射場レンダリングに3D Gaussian Splattingを導入し、高いフレームレートで最先端の視覚品質を実現します。3Dガウスを用いてシーン表現を最適化し、高速な可視性認識レンダリングアルゴリズムにより、1080p解像度で高品質な新規ビュー合成を可能にします。

3Dモデル生成ツール

GET3Dは、2D画像コレクションから直接高品質な3Dテクスチャ付きメッシュを合成する生成AIモデルです。複雑なトポロジーと豊かな幾何学的ディテールを持つ多様な形状を生成し、標準的な3Dレンダリングエンジンで使用可能です。このモデルは2D画像に対する敵対的損失を用いて学習され、ジオメトリとテクスチャの分離を実現しています。

3Dモデル生成ツール

Magic3Dは、高解像度のテキストから3Dコンテンツを生成するAIツールです。テキストプロンプトから詳細な3Dメッシュモデルを、粗いものから細かいものへと段階的に最適化する拡散戦略を用いて生成します。このツールは、プロンプトベースの編集や画像条件付けによる高度な制御とクリエイティブな応用を可能にし、優れた品質の3Dアセットを生成します。

3Dモデル生成ツール

AudioLDMは、潜在拡散モデルを活用したテキストからオーディオへの生成フレームワークです。様々なモダリティを統一された「オーディオ言語（LOA）」に変換し、音声、音楽、効果音を生成します。このアプローチにより、インコンテキスト学習が可能になり、自己教師あり事前学習済みモデルを活用して多様なオーディオ作成を実現します。

AI音楽ジェネレーター

Make-An-Audioは、プロンプト拡張拡散モデルを採用したテキストから音声への生成システムです。疑似プロンプト拡張とスペクトログラムオートエンコーダーを使用して、データの希少性と音声の複雑性に対処します。このシステムは最先端の結果を達成し、様々な入力から高解像度で忠実度の高い音声を生成するための制御性を提供します。

AI音楽ジェネレーター

Voiceboxは、最先端のパフォーマンスで複数のタスクに汎用的に対応できる、音声生成AIモデルです。6つの言語で音声合成、ノイズ除去、コンテンツ編集、スタイル変換、多様なサンプル生成が可能で、単一目的のモデルを凌駕します。

AI音声ジェネレーター

Decision Transformer は、強化学習をシーケンスモデリング問題として再定式化し、GPT-x や BERT のような Transformer アーキテクチャを活用します。望ましいリターン、過去の状態、および行動を条件付けることで最適な行動を生成し、Atari、OpenAI Gym、Key-to-Door…

AIモデルとLLM

Microsoft Researchは、画期的なAIとテクノロジー革新のハブです。コンピュータサイエンスと人工知能の境界を押し広げる主要研究者によるプロジェクト、出版物、ニュースをご覧ください。機械学習、自然言語処理、コンピュータビジョンなどの分野における進歩を発見してください。

その他のAIツール

MIMIC-III v1.4は、40,000人以上のICU患者の匿名化された健康データを含む、包括的で自由にアクセス可能な臨床データベースです。人口統計、バイタルサイン、検査結果、薬剤、記録が含まれており、疫学、臨床意思決定、ツール開発など、多様な研究をサポートします。

医療・臨床AIヘルスケア・ライフサイエンス

Allen Institute for AI (AI2) は、インパクトの高いAI研究とエンジニアリングに特化した非営利の研究機関です。共通善のためのAIの進歩、基盤モデルの開発、研究者や開発者を支援するツールの作成に注力しています。その活動は様々なAI分野に及び、AIをよりアクセスしやすく、有益にすることを目指しています。

その他のAIツール

ESM Metagenomic Atlasは、Meta AIによるオープンリソースであり、メタゲノムデータから予測された7億7200万以上のタンパク質構造へのアクセスを提供します。研究者はタンパク質のフォールドと配列を探索、検索、分析し、微生物の多様性とタンパク質機能の理解を深めることができます。

科学的発見・ラボツールヘルスケア・ライフサイエンス

OmegaFoldは、一次アミノ酸配列から直接3Dタンパク質構造を生成する高解像度のde novoタンパク質構造予測ツールです。推論時のGRAM削減に大きく貢献し、macOSでのApple Siliconアクセラレーションにも対応しています。

科学的発見・ラボツールヘルスケア・ライフサイエンス

Robettaは、RoseTTAFold深層学習手法を活用したAI駆動型のタンパク質構造予測サービスです。高速かつ高精度な予測を提供し、カスタムアラインメント、制約条件、ローカルフラグメントに対応したインタラクティブなインターフェースを備えています。このプラットフォームは、広範なテンプレートデータベースを活用し、マルチチェーン複合体モデリングおよび比較モデリ…

科学的発見・ラボツールヘルスケア・ライフサイエンス

EquiBindは、タンパク質に結合する低分子の3D構造を予測するための幾何学的深層学習モデルです。受容体の結合位置とリガンドのポーズの両方に対して、高速な直接ショット予測を提供し、従来のメソッドを大幅にスピードアップします。創薬および構造生物学研究に最適です。

科学的発見・ラボツールヘルスケア・ライフサイエンス

AlphaFoldは、AIによって予測されたタンパク質の3D構造を提供し、AlphaFold Protein Structure Databaseを2億件以上のエントリに拡張します。このリソースは、病気から持続可能性までの分野での発見を支援し、タンパク質の機能とメカニズムに関する原子レベルの洞察を迅速に提供することで、生物学研究を加速します。

科学的発見・ラボツールヘルスケア・ライフサイエンス

Uni-Molは、プロパティ予測や結合ポーズ予測などの様々な下流タスクに対応する、汎用的な3D分子表現学習フレームワークです。Uni-Mol+、Uni-Mol Tools、Uni-Mol Docking V2、Uni-Mol2を含み、スケーラブルな事前学習済みモデルと、分子タスク向けの使いやすいラッパーを提供します。

科学的発見・ラボツールヘルスケア・ライフサイエンス

GraphCastは、比類なき精度で10日間の全球天気予報を提供するAIモデルであり、1分未満で予測を完了します。従来のシステムを大幅に上回り、サイクロンや熱波などの異常気象イベントの早期警報を提供し、現在は世界の科学的利益のためにオープンソース化されています。

科学的発見・ラボツール

Pangu-Weatherは、高精度な中範囲全球気象予報のためのAIベースシステムです。3Dニューラルネットワークと階層的時系列集約戦略を採用し、従来の数値気象予報手法よりも高い精度と大幅な高速化を実現しています。

科学的発見・ラボツール

Google DeepMindのGNoMEは、新しい無機結晶の発見を加速する深層学習ツールです。材料の安定性を予測し、バッテリーや超伝導体などの将来技術に安定して利用可能な数百万もの新規化合物を特定します。

科学的発見・ラボツール

matgenbは、マテリアルサイエンス研究のための厳選されたJupyter Notebookコレクションを提供します。pymatgen、Custodian、Fireworksなどのオープンソースツールの利用方法を実演します。Google ColabまたはBinderHub経由で簡単にサンプルを実行でき、この共同プラットフォームに独自のコードを寄稿できます。

科学的発見・ラボツール

MACEは、高速かつ高精度な機械学習原子間ポテンシャルを提供するPythonライブラリです。高度な材料科学シミュレーションのために、高次の等変メッセージパッシングを利用しています。このツールは、トレーニング、評価をサポートし、材料科学や有機化学を含む様々なアプリケーション向けの事前学習済み基盤モデルを提供します。

科学的発見・ラボツール

Allegro は、厳密にローカルな E(3)-同変機械学習原子間ポテンシャルです。NequIP の拡張パッケージとして実装されており、材料科学および関連分野における正確かつ効率的なシミュレーションの提供に重点を置いています。ドキュメントには、インストール、使用方法、LAMMPS との統合に関する情報が含まれています。

科学的発見・ラボツール

PyTorch実装のTabNet論文、表形式データ学習のための注意深く解釈可能なアプローチを提供します。分類、回帰、マルチタスク学習をサポートし、半教師あり事前学習やオンザフライデータ拡張などの機能を備えています。このライブラリは、使いやすさと本番環境への対応を目的として設計されています。

機械学習プラットフォーム

Neural Oblivious Decision Ensembles (NODE) は、表形式データ向けのディープラーニング用Pythonライブラリです。これは、オブリーバブルで微分可能な決定木のアンサンブルを実装しており、構造化データモデリングへの新しいアプローチを提供します。NODEは、表形式データセットにディープラーニングアーキテクチャを活用し、従来…

機械学習プラットフォーム

このGitHubリポジトリは、NeurIPS 2021の論文「Revisiting Deep Learning Models for Tabular Data」の公式実装を提供します。表形式データのためのディープラーニングアーキテクチャを探求し、MLPライクなモデルを強力なベースラインとして強調し、Transformerアーキテクチャの強力な適応であるFT-…

AIモデルとLLM

このリポジトリは、表形式データ向けの改良型ニューラルネットワークを設計したSAINTモデルの公式PyTorch実装を提供します。行アテンションと対照的事前学習技術を活用してパフォーマンスを向上させています。このコードは、回帰、二項分類、多クラス分類タスクをサポートし、表形式データの問題に対する堅牢なソリューションを提供します。

機械学習プラットフォーム

R-FCNは、完全畳み込みネットワークを活用した領域ベースの物体検出フレームワークであり、高精度かつ効率的な画像解析を実現します。画像全体で計算を共有することで、ResNetのような強力な分類器バックボーンの採用を可能にし、物体検出能力を向上させます。

コンピュータービジョンツール

SPP_netは、視覚認識におけるディープ畳み込みネットワークのためのSpatial Pyramid Poolingアルゴリズムの再実装です。2014年のECCV論文の物体検出結果を再現することを目指し、コード公開の容易さからCaffeを利用しています。本プロジェクトは、モデルのトレーニングとファインチューニングのためのコードを提供します。

AIモデルとLLM

Squeeze-and-Excitation Networks (SENet) は、チャネルごとの特徴応答を適応的に再調整する深層学習モデルアーキテクチャです。チャネル間の相互依存性を明示的にモデル化することでパフォーマンスを向上させ、画像分類タスクの精度を改善します。実装は Caffe で提供されています。

コンピュータービジョンツール

ShuffleNet シリーズリポジトリは、モバイルデバイスやリソースが制約された環境向けに設計された、非常に効率的な畳み込みニューラルネットワークモデルのコレクションを提供します。これには、ニューラルアーキテクチャ検索や物体検出バックボーン用のツールと共に、ShuffleNetV1、ShuffleNetV2、および特殊なバリアントなどの様々なバージョンが含…

AIモデルとLLM

MnasNetは、速度制約を検索報酬関数に直接組み込むことで、モバイル機械学習モデルの設計を自動化します。このプラットフォームを意識したアプローチは、モバイルデバイス上で手作業で設計されたモデルを凌駕する、精度と速度のバランスの取れたモデルを特定します。

AIモデルとLLM

このリポジトリは、画像認識タスク用の畳み込みニューラルネットワークアーキテクチャであるConvMixerの実装を提供します。論文「Patches Are All You Need? 🤷」に基づいており、評価用の事前学習済みモデルの重みと、ImageNet-1kやCIFAR-10などのデータセットでのトレーニング用コードが含まれています。

AIモデルとLLM

RepVGGは、ImageNetで高い精度を達成する、強力かつシンプルなConvNetアーキテクチャです。VGGスタイルの設計に再パラメータ化技術を採用し、効率的な推論を可能にします。このプロジェクトでは、事前学習済みモデル、トレーニングコード、および様々なコンピュータビジョンタスクのためのサンプルを提供しています。

AIモデルとLLM

MobileOneは、モバイルデバイス向けに設計された効率的なニューラルネットワークバックボーンです。推論速度を最適化し、高い精度を維持しながらiPhone12で1ms未満を実現します。このモデルは、画像分類、物体検出、セマンティックセグメンテーションのタスク全体で汎用性を示し、レイテンシと精度の両方で大幅な改善を提供します。

AIモデルとLLM

Vision GNN (ViG) は、Huawei Noah's Ark Lab によって開発された Vision Graph Neural Networks の PyTorch 実装です。ViG および Pyramid ViG アーキテクチャの両方について、事前学習済みモデルとトレーニングスクリプトを含み、画像処理タスク向けの効率的な AI…

AIモデルとLLM

Deformable Convolutional Networks (DCN) は、畳み込みカーネルのサンプリングオフセットを適応的に学習することで、ディープラーニングモデルを強化します。これにより、ネットワークは幾何学的変換やオブジェクトの変形をより良く捉えることができ、オブジェクト検出やセマンティックセグメンテーションなどのタスクでパフォーマンスが向上し…

AIモデルとLLM

PointPillars for KITTI object detection は、KITTI データセットで PointPillars の論文結果を再現するためのコードを提供する GitHub リポジトリです。これは SECOND…

AIモデルとLLM

SECOND PyTorchは、KITTIおよびNuScenesデータセット向けのSECONDオブジェクト検出ネットワークのオープンソース実装です。LiDARデータからの効率的な3Dオブジェクト検出のためにスパース畳み込みを利用しています。このプロジェクトは、Python 3.6+およびPyTorch…

AIモデルとLLM

Panoptic FPNは、インスタンスセグメンテーションとセマンティックセグメンテーションを単一のネットワークアーキテクチャに統合します。共有されたFeature Pyramid Networkバックボーンを用いたセマンティックセグメンテーションブランチをMask…

コンピュータービジョンツール

Skip-Thought Vectorsは、研究論文「Skip-Thought Vectors」に基づいたSent2Vecエンコーダーとトレーニングコードを提供します。これにより、文の密なベクトル表現を生成でき、様々な自然言語処理タスクに活用できます。コードはPythonで実装されており、セットアップと実行には特定の依存関係が必要です。

自然言語処理ツール

InferSentは、英語の文に対する意味表現を生成する文埋め込み手法です。自然言語推論データで学習されており、様々なタスクにうまく汎化します。このプロジェクトは、事前学習済みの英語文エンコーダーとSentEval評価ツールキットを提供しており、NLPの研究およびアプリケーションにとって貴重なリソースとなっています。

自然言語処理ツール

CTRLは、制御可能なテキスト生成のための16億パラメータを持つ条件付きTransformer言語モデルです。ドメイン、エンティティ、タスク固有の動作を指定するために制御コードで条件付けを行い、生成されるコンテンツに対するより明示的な制御を可能にします。ニュアンスのあるテキスト生成を求める研究者や開発者に役立ちます。

AIモデルとLLM

文心（ぶんしん）はBaiduが提供するAIアシスタントで、公式文書作成、学術論文、クリエイティブ企画、コードプログラミングなど幅広いタスクに対応します。ワンクリックで高品質なドラフトを生成し、対話形式での画像編集をサポート、さらに複数のデバイス間でリアルタイムに情報を同期し、オフィスや学習の統合をシームレスに行います。

AIチャットボット

BAAI Modelsプラットフォームは、自然言語処理、マルチモーダル理解、タンパク質解析のための多様なAIモデルコレクションを提供します。テキスト生成、画像説明、タンパク質構造予測などのタスクに対応するモデルを探索・ダウンロードでき、様々なアプリケーションや研究ニーズをサポートします。

機械学習プラットフォーム

DialoGPTは、対話応答生成のための大規模事前学習済み言語モデルです。Microsoftによって開発され、GPT-2アーキテクチャを活用し、膨大なRedditの対話データで学習されており、人間品質の会話応答の生成を目指しています。様々な計算ニーズに対応するため、複数のモデルサイズが提供されています。

AIモデルとLLM

Meenaは、オープンドメイン対話のために設計された26億パラメータのニューラル会話モデルです。既存のチャットボットよりも、より妥当で具体的な応答を提供することを目指し、人間のような対話を改善し、言語練習やインタラクティブエンターテイメントなどの分野での応用可能性を提供します。

AIモデルとLLM

GODELは、目標指向型対話生成のための大規模事前学習済みTransformerベースモデルです。外部テキストに基づいた応答生成に優れており、様々な対話タスクに対して効率的なファインチューニングを可能にします。リポジトリには、研究開発用のコード、データセット、事前学習済みモデルが提供されています。

AIモデルとLLM

RETRO（Retrieval Enhanced Transformers）は、検索機能をトランスフォーマーアーキテクチャに組み込んだAIモデルです。ウェブページ、書籍、ニュース、コードなど、膨大なテキストデータベースにアクセスし、言語生成の精度と事実の一貫性を向上させます。この手法は、標準的なトランスフォーマーと比較して大幅なパフォーマンス向上をもたらしま…

AIモデルとLLM

BERTは、100以上の言語をサポートするCasedとUncasedの2つの多言語モデルを提供しています。Casedモデルは、ラテン文字以外のアルファベットや一般的な用途に推奨され、Uncasedモデルは旧バージョンです。これらのモデルは自然言語理解タスク向けに設計されており、特定のアプリケーションに合わせてファインチューニングできます。

AIモデルとLLM

このリポジトリは、BEGAN (Boundary Equilibrium Generative Adversarial Networks) モデルのTensorFlow実装を提供します。画像合成のための生成モデルのトレーニングとテストを可能にし、カスタムデータセットとGPUアクセラレーションをサポートします。プロジェクトには、データローディング、モデルアーキ…

AI画像生成ツール

LS-GAN、またはLoss-Sensitive Generative Adversarial Networksは、GANの進化に焦点を当てたプロジェクトです。損失関数の革新的なアプローチを導入し、生成品質と安定性の向上を目指しています。このプロジェクトは、LS-GANとそのバリアントを実装および実験するためのソースコードを提供します。

AIモデルとLLM

NYU Courant Instituteの計算・生物学習ラボ（CBLL）は、機械学習のためのエネルギーベースモデル（EBM）に焦点を当てています。研究では、物体認識やセグメンテーションなどのタスクにおけるEBMを探求し、出版物やチュートリアルを提供しています。

その他のAIツール

This GitHub repository provides an official Chainer implementation for conditional image generation. It utilizes spectral normalization and a projection discriminator for…

AIモデルとLLM

Facebookは、友人、家族、コミュニティと人々をつなぐソーシャルネットワーキングプラットフォームです。ユーザーは近況、写真、動画を共有したり、グループに参加したり、イベントを発見したりできます。コミュニケーションを促進し、オンラインでの人間関係を育むことで、世界中の個人的および社会的な交流の中心的なハブとなっています。

その他のAIツール

Journal of Machine Learning Research (JMLR) は、機械学習分野における主要な学術論文誌です。機械学習のあらゆる側面に関する質の高い論文を掲載し、研究者がこの分野における最新の発見や進歩を共有するためのプラットフォームを提供しています。アーカイブへのアクセスは無料です。

その他のAIツール

このリポジトリは、MADE (Masked Autoencoder Density Estimation) の PyTorch 実装を提供します。MLP の接続をマスキングすることで、オートエンコーダーを自己回帰型密度モデルに変換できます。このコードは、二値化 MNIST の例とともに、効率的な尤度評価とサンプリングを可能にします。

AIモデルとLLM

StyleGAN-XLは、大規模で多様なデータセットから高解像度画像を生成するためのAIモデルです。StyleGANアーキテクチャを拡張し、画像合成の品質と多様性を向上させます。このプロジェクトでは、トレーニング、サンプル生成、画像反転および編集のためのコードを提供します。

AI画像生成ツール

StyleGAN3は、信号処理を全面的に見直すことで「テクスチャースティッキング」を排除した敵対的生成ネットワークです。これにより、並進および回転の等変性を実現し、ビデオやアニメーションのより一貫性のある合成を可能にします。このモデルは、動的なビジュアルコンテンツの詳細の一貫性を向上させます。

AI画像生成ツール

Baidu Researchは現在ウェブサイトメンテナンス中です。このプラットフォームは、Baiduの研究部門からの進歩と研究イニシアチブを紹介することに特化しています。サイトは一時的に利用できませんが、AIとテクノロジーのイノベーションのハブとして、この分野の将来の発展を推進することを目指しています。

その他のAIツール

Lyraは、Googleが開発した革新的な超低ビットレート音声コーデックです。機械学習を活用して音声信号を圧縮し、最も遅いネットワークでも高品質な音声通信を可能にします。Lyraは、抽出された特徴から音声信号を再構築するために生成モデルを使用することで、従来のコーデックと比較して大幅な帯域幅削減を実現します。

AIモデルとLLM

SoundStormは、効率的で非自己回帰的なオーディオ生成のためのAIモデルです。高品質なオーディオを従来の数百分の一の速度で生成し、音声と音響条件の一貫性を維持します。話される内容、話者の声、話者のターンを制御して、自然な対話セグメントを合成できます。

AIモデルとLLM

DimeNetおよびDimeNet++は、分子グラフ向けの高度なニューラルネットワークモデルであり、方向性メッセージパッシングに焦点を当てています。ICLR 2020およびNeurIPS-W 2020で提案されたこれらのモデルは、分子特性の効率的かつ正確な予測を提供し、DimeNet++は前身モデルよりも大幅に高速かつ高精度です。

科学的発見・ラボツール

MEGNetフレームワークは、結晶および分子の機械学習のために設計されたAIモデルです。温度や圧力などの状態変数を組み込み、転移学習を可能にし、化学的傾向を抽出します。このフレームワークは、オープンソースのコードとデータを提供することで、材料科学におけるデータサイズや解釈可能性といった機械学習の限界に対処します。

科学的発見・ラボツール

Crystal Graph Convolutional Neural Networks (CGCNN) は、結晶構造から材料の特性を予測するために設計されたAIモデルです。ユーザーはカスタムモデルをトレーニングしたり、事前トレーニング済みのバージョンを利用して特性予測を行ったりでき、材料科学の研究開発に強力なツールを提供します。

科学的発見・ラボツール

GluonTSは、PyTorchおよびMXNet上に構築されたディープラーニングモデルを活用する、確率的時系列モデリングのためのPythonパッケージです。予測を確率分布の形式で生成し、予測区間を含めることで、複雑な時系列分析に適した正確な予測を可能にします。

AIモデルとLLM

Prophetは、RとPythonで実装されたオープンソースの予測手順です。高速で調整可能なモデルにより、時系列予測を自動化します。データサイエンティストやアナリスト向けに設計されており、季節性、変化する成長率、特別なイベントを処理し、不確実性区間を伴う正確な予測を提供します。

予測と予測分析

LSTNetは、時系列予測のために設計されたディープラーニングモデルです。リカレントニューラルネットワークと畳み込みニューラルネットワークを組み合わせることで、長期および短期の時間的パターンを効果的にモデル化します。このモデルは、特に複雑な時系列データに有用です。

AIモデルとLLM

Autoformerは、分解トランスフォーマーと自己相関メカニズムを活用した長期時系列予測のためのAIモデルです。様々なベンチマークで最先端の結果を達成し、実用的なアプリケーションにおける予測精度の向上に向けたシリーズ間の接続に関する新しいアプローチを提供します。

AIモデルとLLM

Informer2020 GitHubリポジトリは、効率的な長系列時系列予測のために設計されたInformerモデルのPyTorch実装を提供します。ProbSparse Attentionを特徴とし、自己注意スコアのロングテール分布を処理することで、複雑な予測タスクに対する高度なソリューションを提供します。

AIモデルとLLM

FEDformerは、効率的な長期時系列予測のために設計されたFrequency Enhanced Decomposed Transformerです。系列長に対して線形計算量で動作し、多変量および単変量データセットの両方で予測誤差を大幅に削減することで、最先端の手法を上回ります。このモデルはオープンソースコードとして利用可能です。

AIモデルとLLM

PatchTSTは、Transformerベースのモデルの公式実装であり、長期時系列予測に特化しています。時系列データをパッチに分割し、それらを独立して処理することで、効率的かつ効果的な予測を実現します。本プロジェクトは、教師あり学習と自己教師あり学習の両方のアプローチに対応したコードを提供し、堅牢な予測能力を可能にします。

AIモデルとLLM

LTSF-Linearは、「Are Transformers Effective for Time Series Forecasting?」の公式PyTorch実装です。長期時系列予測タスクにおいてトランスフォーマーを上回る性能を発揮する線形モデルファミリー（Linear, DLinear, NLinear）を導入し、高い効率性と解釈可能性を提供します。

AIモデルとLLM

TimesNetは、1D時系列データを2D空間に変換してモデリングを強化する、汎用時系列分析のための基盤モデルです。予測、補間、異常検知、分類において最先端の結果を達成し、多様な時間パターンにわたる堅牢な表現学習のためにビジョンバックボーンを活用しています。

AIモデルとLLM

このリポジトリは、「Model-Agnostic Meta-Learning for Fast Adaptation of Deep Networks」論文で詳述されている強化学習実験のためのコードを提供します。これにより、研究者や開発者は、RLコンテキストにおける深層ニューラルネットワークの高速適応のためのメタ学習技術を探求できます。

AIモデルとLLM

このリポジトリには、NeurIPS 2017 の論文「Few-shot Learningのためのプロトタイプネットワーク」のコードが含まれています。少数の例からモデルを学習可能にする、新しい少数学習アプローチの実装を提供します。

AIモデルとLLM

このリポジトリは、CVPR 2018の論文「Learning to Compare: Relation Network for Few-Shot Learning」のPyTorchコードを提供します。Few-Shot Learningの側面に焦点を当て、Omniglotやmini-Imagenetなどのデータセットでのモデルのトレーニングとテストの実装を提供…

AIモデルとLLM

This GitHub repository contains the code for the paper "Generative Adversarial Imitation Learning." It implements Trust Region Policy Optimization and provides scripts for…

AIモデルとLLM

このGitHubリポジトリには、「When to Trust Your Model: Model-Based Policy Optimization」論文のコードが含まれています。モデルベースのポリシー最適化アルゴリズムの実装を提供し、研究者や開発者が実験を再現し、強化学習の研究をさらに発展させることを可能にします。

AIモデルとLLM

このリポジトリには、「Probabilistic Dynamics Models を用いた少数の試行での深層強化学習」に関する実験コードが含まれています。PETS アルゴリズムを実装しており、不確実性を考慮した深層ネットワークのダイナミクスモデルと、サンプリングベースの不確実性伝播を組み合わせることで、RL タスクにおける効率的なサンプル学習を実現します。

AIモデルとLLM

PlaNetは、潜在的なダイナミクスを学習することでピクセルからのプランニングを行うモデルベース強化学習アルゴリズムです。学習済みの潜在空間で将来の報酬を効率的に予測し、環境との相互作用を少なく抑えながらモデルフリー手法と競合します。このプロジェクトでは、オープンソース実装を提供します。

AIモデルとLLM

OpenAI Fiveは、OpenAIによって開発された5つのニューラルネットワークからなるチームです。このAIシステムは、複雑なゲームであるDota 2において、アマチュアの人間チームと対戦し、勝利する能力を示しており、高度な戦略性と協調性を備えたAIを実証しています。

AIモデルとLLM

AlphaStarは、複雑なリアルタイム戦略ゲームであるStarCraft IIでグランドマスターレベルを達成したAIモデルです。マルチエージェント強化学習と模倣学習を活用し、ゲームの制限なしに人間のような制約下でプレイすることで、動的な環境における高度なAI能力を示しています。

AIモデルとLLM

Policy gradient methods are a class of reinforcement learning algorithms that directly learn a policy function. Unlike value-based methods, they optimize a policy's parameters to…

AIモデルとLLM

SARSAは、マルコフ決定過程のポリシー学習のための強化学習アルゴリズムです。エージェントの現在の状態、行動、報酬、次の状態、次の行動に基づいてQ値を更新し、動的な環境での適応的な意思決定を可能にします。このオンポリシー手法は、インテリジェントエージェントの開発に不可欠です。

AIモデルとLLM

Q学習は、現在の状態に基づいてエージェントにアクションの価値を割り当てるように訓練するモデルフリー強化学習アルゴリズムです。環境の明示的なモデルなしで確率的環境を処理し、期待される将来の報酬を最大化することによって意思決定を最適化します。複雑な逐次意思決定問題に役立ちます。

AIモデルとLLM

This project provides a Keras-based implementation of Relational Graph Convolutional Networks (R-GCNs). It is designed for semi-supervised node classification on directed…

AIモデルとLLM

CompGCNは、Composition-Based Multi-Relational Graph Convolutional NetworksのPyTorch実装です。知識グラフのリンク予測などのタスク向けに高度なグラフ表現学習を可能にし、柔軟な合成演算と様々なスコアリング関数との互換性を提供します。

AIモデルとLLM

AI モデルにふさわしい注目の存在を知っていますか？

ToolPotionは、最高のAI モデルを見つけるために人々が閲覧するAIツールディレクトリです。掲載は無料で、すべての投稿は編集者がレビューします。検索の出発点にあなたのツールを置きましょう。

AIモデルを投稿