文本數(shù)據(jù)量不夠大的時候可用的一些實用方法，從而賦予小數(shù)據(jù)集以價值

Dropout是另一種較新的正則化方法。它具體的做法是在訓(xùn)練期間，神經(jīng)網(wǎng)絡(luò)中的每個節(jié)點（神經(jīng)元）按照P的概率被丟棄（即權(quán)重被設(shè)置為零）。這樣，網(wǎng)絡(luò)就不會...

2018-11-19 標(biāo)簽：機器學(xué)習(xí)數(shù)據(jù)集深度學(xué)習(xí) 5742 0

GANs領(lǐng)域值得深入研究的七個問題，讓我們得以窺視GANs未來的發(fā)展走向

如果樣本中的元素被模型設(shè)置了0概率，那么懲罰將會變成無窮大！而GANs則通過間接的方式設(shè)置0概率，懲罰將會緩和的多。另一個方法來自于歸一化流（norma...

2019-04-22 標(biāo)簽：GaN模型數(shù)據(jù)集 5721 0

一種全新的基于旋轉(zhuǎn)的框架，能對自然場景中任意方向的文字進(jìn)行檢測辨認(rèn)

最近一些研究提出了針對隨機方向文本的檢測方法，總的來說，這些方法大致包括兩個步驟：分割網(wǎng)絡(luò)（全卷積網(wǎng)絡(luò)）以及用于傾斜候選框的幾何方法。然而，對圖像進(jìn)行分...

2018-07-08 標(biāo)簽：圖像分類器數(shù)據(jù)集 5698 0

漸進(jìn)式神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)搜索技術(shù)

我們提出一種學(xué)習(xí)卷積神經(jīng)網(wǎng)絡(luò)（CNN）結(jié)構(gòu)的新方法，該方法比現(xiàn)有的基于強化學(xué)習(xí)和進(jìn)化算法的技術(shù)更有效。使用了基于序列模型的優(yōu)化(SMBO)策略，在這種策...

2018-08-03 標(biāo)簽：神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)集 5681 0

了解人工智能的實際應(yīng)用，以及它的缺陷

在這個項目里，我們用了兩個公開的數(shù)據(jù)集，A中包含了來自倫敦三家不同醫(yī)院的數(shù)據(jù)，有將近600名病人。數(shù)據(jù)集B包含了來自美國、中國和德國25家不同醫(yī)院的12...

2018-10-08 標(biāo)簽：人工智能數(shù)據(jù)集深度學(xué)習(xí) 5643 0

是十款各具特色的GANs,深入了解其數(shù)學(xué)原理

InfoGAN是生成對抗網(wǎng)絡(luò)信息理論的擴展，能夠以完全非監(jiān)督的方式得到可分解的特征表示。它可以最大化隱含(latent)變量子集與觀測值之間的互信息(m...

2018-07-20 標(biāo)簽：GAN機器學(xué)習(xí)數(shù)據(jù)集 5549 0

基于生成網(wǎng)絡(luò)(GAN)來輔助藝術(shù)家進(jìn)行更具創(chuàng)意的設(shè)計項目

該項目的目標(biāo)不是制造一把功能性椅子，而是為人類設(shè)計師創(chuàng)造一個激發(fā)靈感的“視覺提示”，為了探索了如何讓機器學(xué)習(xí)用作藝術(shù)和設(shè)計工具來啟發(fā)人的思維，就像超現(xiàn)實...

2018-09-28 標(biāo)簽：神經(jīng)網(wǎng)絡(luò)GAN數(shù)據(jù)集 5546 0

利用2.5GPU年的算力在7個數(shù)據(jù)集上訓(xùn)練了12000多個模型

基于這些全新的發(fā)現(xiàn)和研究結(jié)果，研究人員為解耦表示領(lǐng)域提出了四個可能的方向：1.在沒有歸納偏置的條件下給出非監(jiān)督解耦表示學(xué)習(xí)的理論結(jié)果是不可能的，未來的研...

2019-04-30 標(biāo)簽：谷歌gpu數(shù)據(jù)集 5519 0

如何使用Scrapy爬取網(wǎng)站數(shù)據(jù)

網(wǎng)頁抓取的主要目標(biāo)是從無結(jié)構(gòu)的來源提取出結(jié)構(gòu)信息。Scrapy爬蟲以Python字典的形式返回提取數(shù)據(jù)。盡管Python字典既方便又熟悉，但仍然不夠結(jié)構(gòu)...

2018-07-26 標(biāo)簽：數(shù)據(jù)集選擇器爬蟲 5433 0

決定神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)處理速度的因素

最后，重點是這種算法并不高效，它在每次迭代中都需要用全部的訓(xùn)練集。這意味著，在每個epoch中我們都要查看所有樣本，從而在下次進(jìn)行優(yōu)化。如果只有幾千個樣...

2018-11-20 標(biāo)簽：神經(jīng)網(wǎng)絡(luò)機器學(xué)習(xí)數(shù)據(jù)集 5417 0

什么是Talking Face Generation任務(wù)？

Demo 視頻中使用的面部檢測工具可以在 rsa 中找到。每張圖像的一行中，將返回一個帶5個關(guān)鍵點的 Matfile 輸出。這個工具在其他面部對齊方法中...

2018-12-06 標(biāo)簽：視頻數(shù)據(jù)集 5359 0

谷歌的研究人員提出了一種監(jiān)督學(xué)習(xí)方法來實現(xiàn)語音特征的聚類

那么它具體是怎么工作的呢？假設(shè)我們有四個人同時對著這個AI說話(這是個例子，模型其實可以處理更多的人)。那么每個人將會得到一個自己的RNN實例，擁有相同...

2018-11-16 標(biāo)簽：谷歌神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)集 5322 0

FAIR和谷歌大腦的合作研究，專注于“反向翻譯”方法

如圖1所示，sampling和beam+noise方法優(yōu)于MAP方法，BLEU要高0.8-1.1。在數(shù)據(jù)量最大的設(shè)置下，sampling和beam+no...

2018-11-21 標(biāo)簽：機器翻譯數(shù)據(jù)集 5295 0

一種通用的圖像分類方法

有了訓(xùn)練集和驗證集后，我們開始對數(shù)據(jù)集進(jìn)行基準(zhǔn)測試。這是一個分類問題，在給出一個測試數(shù)據(jù)時，我們需要將它分到12個類中的一個。我們將使用卷積神經(jīng)網(wǎng)絡(luò)（C...

2018-06-27 標(biāo)簽：神經(jīng)網(wǎng)絡(luò)圖像分類數(shù)據(jù)集 5167 0