你好,游客 登录 注册 搜索
rss订阅 手机访问 
深度学习
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:今 10:39 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:今 10:37 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:
caffe的深度学习训练全过程
今天的目标是使用Caffe完成深度学习训练的全过程。Caffe是一款十分知名的深度学习框架,由加州大学伯克利分校的贾扬清博士于2013年在Github上发布。自那时起,Caffe在研究界和工业界都受到了极大的关注。Caffe的使用比较简单,代码易于扩展,运行速度得到了工业界的认可,同时还有十分成熟的社区。
日期:04月26日 作者:
数据平台上的计算能力:哪些GPU更适合深度学习和数据库?
GPU和AI越来越火,引起了大批投资者和开发者的注意。百度前首席科学家Andrew Ng提到,AI的春天已经到来,其重要因素之一是GPU处理能力,能让神经网络的智能可以随数据增加而提升,突破了过去的AI所能达到的平台。
日期:04月25日 作者:
无需反向传播的深度学习:DeepMind的合成梯度
通常,神经网络将其预测与数据集进行比较,以决定如何更新其权重。然后使用反向传播来确定每个权重应该如何移动,以使预测更加准确。然而,对于合成梯度来说,数据的「最佳预测」由各层完成,然后基于这个预测更新权重。
日期:04月25日 作者:
机器学习&深度学习近三年被引最多论文 Top 20,图像识别、GAN等(附下载)
深度学习近年来取得了很多惊人的进展,其中一些重要的研究论文可能会达成让数十亿人使用的技术突破。本文搜集了自2014年来,机器学习和深度学习最重要(被引最多)的20篇论文,作者包括 Hinton、Bengio、李飞飞、Goodfellow、何恺明、黄广斌等,涉及图像识别、GAN、Dropout 、Batch Normalization 等。
日期:04月10日 作者:
学习机器学习时需要尽早知道的三件事
我已经在学术界和工业界进行了许多年的机器学习建模工作,在看了一系列讨论“大数据”实用性问题的优秀视频 Scalable ML 后,我开始思考总结一些在...
日期:04月06日 作者:
如何为你的深度学习任务挑选最合适的 GPU?
文章作者 Tim Dettmers 系瑞士卢加诺大学信息学硕士,热衷于开发自己的 GPU 集群和算法来加速深度学习。这篇博文最早版本发布于 2014 年 8 月,之后随着相关技术的发展和硬件的更新,Dettmers 也在不断对本文进行修正。
日期:03月21日 作者:
深度学习如何改变数据科学范式?
深度学习正在改变一切。正如电子和计算机改变了人类所有的经济活动一样,人工智能将重塑零售业、交通运输业、制造业、医药、电信业、重工业……甚至数据科学本身。而且,像AlphaGo这种人工智能 超越人类 的领域及其 应用 在不断增长。
日期:03月16日 作者:
机器学习自主解决安全威胁离我们还有多远?
机器学习算法能够帮助我更有效的挖掘数据内在价值,发现潜在未知问题,并且极大的节省人工成本;实际上有更偏激的想法是想把数据丢给模型算法,然后期待它可以告诉我所有我想知道的事情。 

日期:03月02日 作者:
  • 1/12
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • ...
  • 12
  • »