你好,游客 登录 注册 发布搜索
神经网络 的搜索结果
【新智元导读】前几天我们向大家推荐了自学成为 Data Scientist 在线课程系列,很多人纷纷收藏和分享。今天新智元再针对数学,为大家介绍几本书和相关资料。你或许没有强大的数学基础,你或许都还没完全搞明白机器学习是怎么回事儿,但这些都不重要。还是那句话,现在网络资源那么丰富,只要想学就没有不可能,这就是AI时代极客精神!
http://www.dlworld.cn/ZiLiaoXiaZai/3200.html日期:2017/1/17 13:21:30
【新智元导读】 Hinton谈到了真正的人工智能、人工智能威胁和深度学习的下一个进展等问题。
http://www.dlworld.cn/JiQiShiJue/3198.html日期:2017/1/17 13:19:49
如果你觉得这是一篇简单介绍人工智能、机器学习和深度学习的文章,那就错啦。你可以在网上搜罗到一大堆相关话题的文章,而这篇文章也并不是讨论人工智能是否会奴役人类或抢走人们饭碗之类的话题,毕竟相关的各种推论和谣言已经满天飞了。
http://www.dlworld.cn/ZiLiaoXiaZai/3170.html日期:2017/1/16 13:36:12

该项目通过卷积神经网络加Q-learning算法,利用Keras框架共210行代码实现了让程序自己学习如何玩耍FlappyBird。
http://www.dlworld.cn/YuanMaXiaZai/3165.html日期:2017/1/16 13:17:30
雷锋网消息:今天(1月12日),在加州圣克拉拉举行的AI前沿大会上,谷歌高级研究员Jeff Dean分享了有关谷歌语音识别准确率的最新消息:在引入神经网络之后,谷歌语音识别的错词率(word error rate)下降了30%。
http://www.dlworld.cn/JiQiShiJue/3096.html日期:2017/1/13 13:31:41
在近几年,人工神经网络——一种参照大脑运作模式而建成的计算模型——已经成为了最为炙手可热的人工智能系统,并且应用于从语音到图像的各个领域。
http://www.dlworld.cn/JiQiShiJue/3057.html日期:2017/1/10 20:01:10
深度学习的力量为其在真实世界的应用创造出了巨大的机会。但深度学习的训练往往需要巨大的计算能力,有时候我们却没法(或没钱)去使用强大的服务器或 NVIDIA 的 Jetson 那样的嵌入式加速平台。假如你需要使用一块树莓派开发板为你家的小院子开发一个目标跟踪器呢?换句话说,如果你需要在没有加速器的 ARM CPU 上运行一个 CNN,你该怎么做?德国 BuddyGuard GmbH 的机器学...
http://www.dlworld.cn/JiQiShiJue/3048.html日期:2017/1/10 18:47:22
【新智元导读】 谷歌大脑团队 Jeff Dean 和 Hinton 最近在arXiv 上发表论文,介绍了最新的研究成果。他们提出了一种新型神经网络层——稀疏门(Sparsely)MOE (Mixture-of-Experts),这种新的神经网络层只需要很小的计算能力提升,便能高效地提升模型的能力。据介绍,研究使用4.3亿参数,每个词超过1亿次计算量,32块K40 GPU跑了47小时。
http://www.dlworld.cn/ZiLiaoXiaZai/2907.html日期:2017/1/3 15:45:05
  MIT人工智能实验室( CSAIL )近日在官网刊文,回顾了实验室在过去一年所取得的技术突破。他们在机器人、计算机视觉、神经网络等方面取得了瞩目的成绩,具体说来,有可触摸的交互式动态视频技术、可以”预测未来“的深度神经网络以及能描绘出黑洞照片的程序……CSAIL 在人工智能的研究和探索上一直都处于学界前沿,其技术和研究视...
http://www.dlworld.cn/JiQiShiJue/2842.html日期:2016/12/30 9:58:44
针对 30 多本深度学习和神经网络书籍,我们(AI Optify 数据团队)使用不同指标(比如,在线评价、打分、所涉主题、作者影响力、出版年份、社交媒体是否提及等)训练机器学习算法,为每本书打分、排名。读者可能会喜欢我们的推荐,因为这份榜单基于数据并且客观。排名靠前的九本书如下。
http://www.dlworld.cn/YeJieDongTai/2836.html日期:2016/12/30 9:48:58

  目前语言建模的主要方法都是基于循环神经网络的。在本研究中,我们提出了一种使用卷积方式处理的语言建模方式。
http://www.dlworld.cn/YuYiLiJie/2795.html日期:2016/12/28 8:45:10
本文从研究背景和问题应用切入,介绍了贝叶斯神经网络的起源、黄金时期以及后来的复兴,并介绍了每个发展阶段的几篇关键研究,是一份简明扼要的学习资料。
http://www.dlworld.cn/ZiLiaoXiaZai/2664.html日期:2016/12/20 16:03:49

  人工智能近几年实现了爆炸式发展,深度学习可以说是其主要的推动力。笔者对于能来微软实习并从事深度学习方面的研究感到十分荣幸,因为微软研究院在该领域一直处于领先的地位,其优秀的人才配备和强大的计算资源都非常适合做这方面的研究...
http://www.dlworld.cn/JiQiShiJue/2543.html日期:2016/12/13 16:33:07
自己平时看了一些论文,但老感觉看完过后就会慢慢的淡忘,某一天重新拾起来的时候又好像没有看过一样。所以想习惯地把一些感觉有用的论文中的知识点总结整理一下,一方面在整理过程中,自己的理解也会更深,另一方面也方便未来自己的勘察。更好的还可以放到博客上面与大家交流。因为基础有限,所以对论文的一些理解可能不太正确,还望大家不吝指正交流,谢谢。
http://www.dlworld.cn/ZiLiaoXiaZai/2428.html日期:2016/12/9 15:47:32
【新智元导读】深度学习的成功,使业内范式开始从特征设计转向架构设计。Google Brain 研究人员使用强化学习,从头开始生成神经网络架构。
http://www.dlworld.cn/YuanMaXiaZai/2350.html日期:2016/12/6 16:39:58
  • 1/4
  • 1
  • 2
  • 3
  • 4
  • »