Как моделировать траекторию полёта снаряда при помощи глубокого обучения
Эта статья, переводом которой мы делимся к старту курса о машинном и глубоком обучении, представляет собой обзор недавней работы «Генерация моделируемых данных посредством алгоритмической оценки коэффициентов силы для моделирования запуска роботизированных снарядов на основе ИИ», написанной Садживом Шахом, Айаном Хаке и Фей Лю. Авторы рассказывают о FCE-NN, новом методе моделирования роботизированного запуска («выстреливания») нежёстких объектов с помощью нейронных сетей, обучаемых на дополнительных моделируемых данных, полученных в результате алгоритмической оценки коэффициентов силы. Данная работа была представлена на Азиатско-Тихоокеанской конференции по интеллектуальным роботизированным системам ACIRS в 2021 году. С содержанием статьи можно ознакомиться здесь: ArXiv. Информация о проекте представлена на веб-сайте проекта. Вначале авторы рассказывают о том, чего они хотели добиться, описывают проблему, затем рассматривают метод и, наконец, представляют краткие результаты и выводы.
Были ли динозавры теплокровными? Отвечают тираннозавры
Как мозг мухи помогает понять поведение человека
Научное исследование самоуверенности: когнитивный сбой или адаптивный механизм?
Как советские гики осваивали программирование? Часть 6 (Зарубежные ПК)
Анатомия Яндекс Дропс: микротомография первых наушников с ИИ от Яндекса
Пересадка мозга: как чужие нейроны изменят вашу личность
Вопреки последним новостям, у вас вовсе не два мозга