EISSN 2500-1779
Языки: ru · en

Статья: Сравнительный анализ эффективности различных моделей машинного обучения в задачах генерации контента (2024)

Читать онлайн

Проведён сравнительный анализ эффективности различных моделей машинного обучения для генерации контента, включая текст, изображения, видео и музыку. Рассмотрены основные метрики оценки качества генерируемого контента для каждого типа данных. Проведено тестирование и сравнение таких моделей, как GPT, DALL-E, Vid2Vid и Mubert, на соответствующих наборах данных. Показаны сильные и слабые стороны каждой модели. Определены наиболее эффективные на текущий момент подходы для задач генерации разных типов контента.

Ключевые фразы: машинное обучение, сравнительный анализ, генерация контента, модели машинного обучения, GPT, BERT, генерация текста, изображений, видео, музыки
Автор (ы): Ступина Мария Валерьевна, Садовая Ирина Викторовна, Балашев А. В.
Журнал: МОЛОДОЙ ИССЛЕДОВАТЕЛЬ ДОНА

Идентификаторы и классификаторы

УДК
004.8. Искусственный интеллект
Для цитирования:
СТУПИНА М. В., САДОВАЯ И. В., БАЛАШЕВ А. В. СРАВНИТЕЛЬНЫЙ АНАЛИЗ ЭФФЕКТИВНОСТИ РАЗЛИЧНЫХ МОДЕЛЕЙ МАШИННОГО ОБУЧЕНИЯ В ЗАДАЧАХ ГЕНЕРАЦИИ КОНТЕНТА // МОЛОДОЙ ИССЛЕДОВАТЕЛЬ ДОНА. 2024. Т. 9. № 3 (48)
Текстовый фрагмент статьи