11種深度學(xué)習(xí)框架影響力評估

總體而言，PyTorch是第三流行的框架，也是第二流行的獨立框架。它比TensorFlow要年輕，流行度的增速十分迅猛。它也支持TensorFlow尚不...

2018-09-30 標簽：深度學(xué)習(xí)數(shù)據(jù)科學(xué) 3103 0

盤點TensorFlow在智能終端中的應(yīng)用

深度學(xué)習(xí)在圖像處理、語音識別、自然語言處理領(lǐng)域的應(yīng)用取得了巨大成功，但是它通常在功能強

2018-09-29 標簽：智能終端深度學(xué)習(xí)TensorFlow 2655 0

如何為深度學(xué)習(xí)模型尋找最佳超參數(shù)集？

尋找超參數(shù)的最佳配置，通常會面臨的挑戰(zhàn)是，超參數(shù)搜索是一個受計算、金錢和時間約束的迭代過程。

2018-09-28 標簽：深度學(xué)習(xí) 5512 0

AI計算系統(tǒng)設(shè)計與優(yōu)化：從實驗到生產(chǎn)

從Gartner 2018年數(shù)據(jù)看到，全球人工智能市場商業(yè)價值一直處于高速增長趨勢，到2018年，所催生的商業(yè)價值會達到1.3萬億美元，而未來將會達到接...

2018-09-28 標簽：AI計算系統(tǒng)深度學(xué)習(xí) 3365 0

什么是Adam、ReLU、YOLO？解釋深度學(xué)習(xí)的一些常用術(shù)語

AlexNet是一個流行的CNN架構(gòu)，有八層，它比LeNet更廣泛，因此訓(xùn)練用時也更長。2012年，AlexNet贏得了ImageNet圖像分類挑戰(zhàn)。相...

2018-09-28 標簽：算法數(shù)據(jù)集深度學(xué)習(xí) 1.9萬 0

深入淺出地介紹了梯度下降這一概念

初始化權(quán)重時，我們在損失曲面的A點。我們首先要做的，是檢查一下，在x-y平面上的所有可能方向中，沿著哪個方向移動能帶來最陡峭的損失值下降。這就是我們需要...

2018-09-28 標簽：神經(jīng)網(wǎng)絡(luò)函數(shù)深度學(xué)習(xí) 5434 0

深度學(xué)習(xí)背后的線性代數(shù)問題

向量是一維有序數(shù)組，是一階張量的例子。向量被稱為向量空間的對象的片段。向量空間可以被認為是特定長度（或維度）的所有可能向量的全部集合。三維實值向量空間（...

2018-09-27 標簽：神經(jīng)網(wǎng)絡(luò)線性代數(shù)深度學(xué)習(xí) 4147 0

為什么要用無監(jiān)督學(xué)習(xí)？無監(jiān)督深度學(xué)習(xí)范例研究

讓我們用一個例子來更好地理解這個概念。比如說，銀行想要對客戶進行分組，以便他們能向客戶推薦合適的產(chǎn)品。他們可以通過數(shù)據(jù)驅(qū)動的方式來完成這件事——首先通過...

2018-09-27 標簽：機器學(xué)習(xí)深度學(xué)習(xí) 1.3萬 0

激光雷達和攝像頭如何合二為一？

只要數(shù)據(jù)夠好，就可以用那些為攝像頭開發(fā)的算法，來做深度學(xué)習(xí)。

2018-10-01 標簽：激光雷達車載攝像頭深度學(xué)習(xí) 8352 0

淺論深度學(xué)習(xí)為何要“deep”下

DBNs在每一層中利用用于表示的無監(jiān)督學(xué)習(xí)RBMs。Bengio et al paper 探討和對比了RBMs和auto-encoders（通過一個表示...

2018-10-07 標簽：人工智能深度學(xué)習(xí) 2038 0

淺論學(xué)習(xí)深度學(xué)習(xí)的四個步驟

深度學(xué)習(xí)的概念源于人工神經(jīng)網(wǎng)絡(luò)的研究。含多隱層的多層感知器就是一種深度學(xué)習(xí)結(jié)構(gòu)。深度學(xué)習(xí)通過組合低層特征形成更加抽象的高層表示屬性類別或特征，以發(fā)現(xiàn)數(shù)據(jù)...

2018-10-07 標簽：機器學(xué)習(xí)深度學(xué)習(xí) 1.3萬 0

一文全方位了解深度學(xué)習(xí)的誕生及未來

對于深度學(xué)習(xí)來說，其思想就是對堆疊多個層，也就是說這一層的輸出作為下一層的輸入。通過這種方式，就可以實現(xiàn)對輸入信息進行分級表達了。

2018-10-07 標簽：機器學(xué)習(xí)深度學(xué)習(xí) 5064 0

淺析深度學(xué)習(xí)的原理及其架構(gòu)

DBNs在每一層中利用用于表示的無監(jiān)督學(xué)習(xí)RBMs。Bengio et al paper 探討和對比了RBMs和auto-encoders（通過一個表示...

2018-10-07 標簽：機器學(xué)習(xí)深度學(xué)習(xí) 6753 0

淺談為什么需要深度學(xué)習(xí)？

假設(shè)我們有一個系統(tǒng)S，它有n層（S1，…Sn），它的輸入是I，輸出是O，形象地表示為： I =》S1=》S2=》…。.=》Sn =》 O，如果輸出O等于...

2018-10-07 標簽：機器學(xué)習(xí)深度學(xué)習(xí) 5546 0

如何理解深度學(xué)習(xí)？深度學(xué)習(xí)的理論探索分析

普林斯頓大學(xué)計算機科學(xué)系教授Sanjeev Arora做了深度學(xué)習(xí)理論理解探索的報告，包括三個部分：

2018-10-03 標簽：計算機人工智能深度學(xué)習(xí) 3908 0

基于深度學(xué)習(xí)的自然語言處理系統(tǒng)和應(yīng)用程序的一些最新趨勢

對于諸如詞性標記（POS）和命名實體識別（NER）之類的任務(wù)，查看詞匯的詞法信息是有用的，尤其是像葡萄牙語、西班牙語和中文這些構(gòu)詞方法十分豐富的語言。我...

2018-10-04 標簽：神經(jīng)網(wǎng)絡(luò)機器翻譯深度學(xué)習(xí) 4987 0

機器學(xué)習(xí)如今大獲成功的原因有哪些？如何才能取得進一步的突破？

大家都知道，這一輪的人工智能熱潮很大程度上是由于機器學(xué)習(xí)，特別是其中深度學(xué)習(xí)技術(shù)取得了巨大的成功?？梢哉f今天每個人、每天都在談機器學(xué)習(xí)，機器學(xué)習(xí)已經(jīng)無所...

2018-10-04 標簽：機器學(xué)習(xí)大數(shù)據(jù)深度學(xué)習(xí) 4969 0

一文解讀深度學(xué)習(xí)的發(fā)展

在2018清潔發(fā)展國際融資論壇上，北京交通大學(xué)人工智能研究院常務(wù)副院長、教授于劍先生從專業(yè)角度回顧了人工智能的發(fā)展歷程，并介紹了深度學(xué)習(xí)的適用范圍和所面...

2018-10-05 標簽：深度學(xué)習(xí) 2467 0

一種兼具神經(jīng)網(wǎng)絡(luò)高效性和高斯過程靈活性的方法——神經(jīng)過程

我們可以把NP看作是根據(jù)“context points”中的“target points”建模的模型，相關(guān)信息通過潛在空間z從左側(cè)流向右側(cè)，從而提供新的...

2018-10-04 標簽：神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)集深度學(xué)習(xí) 4920 0