你好,游客 登录 注册 搜索
rss订阅 手机访问 
深度学习
28303 篇 arXiv 论文看深度学习 6 大趋势
本文由 Andrej Karpathy撰写,他前不久加入了特斯拉,担任AI 负责人。本文是他在 OpenAI 担任研究员期间所写,陈述了他通过分析机器学习论文数据库arxiv-sanity里面的28303篇论文里面的高频关键词所发现的有趣的结论。
日期:今 10:57 作者:
谷歌DeepMind发布最新研究:人类认知心理学开启人工智能的“黑盒子”
深度神经网络已经掌握了解决各种问题的方法——从识别、推理图像中的物体,到成为“围棋上帝”。随着这些任务变得越来越复杂,神经网络摸索出来的解决方法也变得越来越繁琐。
日期:06月29日 作者:
深度学习入门指南:25个初学者需要知道的概念
人工智能,深度学习,机器学习……不管你在从事什么工作,都需要了解这些概念。否则的话,三年之内你就会变成一只恐龙。 —— 马克·库班
日期:06月22日 作者:
资源 | 深度学习入门和学习书籍
最近很多新入门的同学问我到底怎么入门,今天先给大家推荐一些有用的书籍和简单的入门。希望可以给有需要的朋友一些帮助,谢谢!
日期:06月16日 作者:
如何选择深度学习优化器
在很多机器学习和深度学习的应用中,我们发现用的最多的优化器是 Adam,为什么呢?

日期:06月13日 作者:
一文读懂监督学习、无监督学习、半监督学习、强化学习这四种深度学习方式
一般说来,训练深度学习网络的方式主要有四种:监督、无监督、半监督和强化学习。在接下来的文章中,计算机视觉战队将逐个解释这些方法背后所蕴含的理论知识。除此之外,计算机视觉战队将分享文献中经常碰到的术语,并提供与数学相关的更多资源。 
日期:06月13日 作者:
深度学习算法全景图:从理论证明其正确性
本论文通过理论分析深度神经网络群体风险(population risk)的收敛行为和它的驻点(stationary point)与属性来研究深度学习的经验风险(empirical risk)全景图。
日期:06月07日 作者:
这款叫Dexnet的深度学习系统, 能让机器像人一样思考如何抓取实物
机器人早已成为了我们生产生活不可或缺的好帮手,他们在处理熟悉事务时,按照既定的方式方法,可以做的无比熟练,近乎完美。但是当他们遇到崭新的问题时,比如说一个形状不规则的物体,就会陷入呆滞,从人工智能沦为“人工智障”。
日期:06月01日 作者:
借助Amazon Lex和Polly深度学习技术开发虚拟助手应用
Amazon公司的Greg Bulmash上周在 OSCON 2017大会 上介绍了使用Amazon的 Lex 和 Polly技术开发虚拟助手应用程序的方法。他探讨了如何通过这种基于浏览器的“虚拟助手DIY”(DIYVA)应用程序规划并实现语音接口,借此聆听并响应自然语言的方式。这些服务完全基于 Alexa 的 语音识别 、人工智能(AI),以及 语音合成 技术。
日期:05月25日 作者:
深度学习框架 MXNet 0.10.0 首个 RC 版本发布
MXNet 发布了 0.10.0 RC0,MXNet 是一款设计为效率和灵活性的深度学习框架。它允许你混合符号编程和命令式编程,从而最大限度提高效率和生产力。在其核心是一个动态的依赖调度,它能够自动并行符号和命令的操作。一个图形优化层,使得符号执行速度快,内存使用高效。这个库便携,轻量,而且能够扩展到多个 GPU 和多台机器。
日期:05月25日 作者:
迁移学习:数据不足时如何深度学习
使用深度学习技术解决问题的过程中,最常见的障碍在于训练模型过程中所需的海量数据。需要如此多的数据,原因在于机器在学习的过程中会在模型中遇到大量参数。
日期:05月18日 作者:
是什么让深度学习能够深入世界并改变世界?
受人类大脑的生物学习过程的启发,科学家们研究出了人工神经网络(ANN)。“深度学习”指的是由许多层网络层组成的人工神经网络。它是机器学习中发展最快的领域。它使用包括多层网络层的深层神经网络(DNN)来学习表征和抽象,从而理解图像、声音和文本等数据。
日期:05月04日 作者:
深度学习背后的人工智能:深度学习原理初探
  去年11月,一篇名为《Playing Atari with Deep Reinforcement Learning》的文章被初创人工智能公司DeepMind的员工上传到了arXiv网站。两个月之后,谷歌花了500万欧元买下了DeepMind公司,而人们对这个公司的了解仅限于这篇文章。
日期:05月03日 作者:
浅谈深度学习的基本概念和方法
本文旨在提供直观简明的深度学习引导,涵盖深度学习的基本概念,而不涉及很多数学和理论细节。当然如果要做更深入的研究,数学肯定是必不可少的,但是本系列主要还是用图片和类比等方式,帮助初学者快速建立大局观。
日期:05月03日 作者:
深度学习在推荐算法上的应用进展
  最近几年是深度学习发展的黄金时间,在多个领域取得了重要进展,包括图像领域、语音领域、文本领域等。深度学习为科研工作者提供了一种非常有效的技术途径,其本质上是对数据特征进行深层次的抽象挖掘,通过大规模数据来学习有效的特征表示以及复杂映射机制,从而建立起有效的数据模型。
日期:04月26日 作者:
  • 1/12
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • ...
  • 12
  • »