完善資料讓更多小伙伴認(rèn)識(shí)你,還能領(lǐng)取20積分哦,立即完善>
標(biāo)簽 > 深度學(xué)習(xí)
文章:4729個(gè) 瀏覽:122658次 帖子:173個(gè)
深入淺出的介紹了深度學(xué)習(xí)的理論——用理論的力量橫掃深度學(xué)習(xí)!
很多機(jī)器學(xué)習(xí)問(wèn)題是深度為2的子案例,例如,輸入層和輸出層之間的一個(gè)隱含層。通常假設(shè)網(wǎng)絡(luò)的結(jié)構(gòu)、數(shù)據(jù)分布,等等。比起GD/SGD,可以使用不同算法,例如張...
2018-07-12 標(biāo)簽:神經(jīng)網(wǎng)絡(luò)機(jī)器學(xué)習(xí)深度學(xué)習(xí) 8698 0
OpenAI的研究者們提出了一種新的生成模型,能快速輸出高清、真實(shí)的圖像
為下游任務(wù)提供了有用的隱藏空間。自回歸模型的隱藏層有著位置的邊緣分布,使其更難對(duì)數(shù)據(jù)進(jìn)行正確操作。在GAN中,數(shù)據(jù)點(diǎn)經(jīng)常不能直接表現(xiàn)在隱藏空間中,因?yàn)樗?..
2018-07-12 標(biāo)簽:圖像Demo深度學(xué)習(xí) 8537 1
如何避免三個(gè)常見的機(jī)器學(xué)習(xí)錯(cuò)誤?
基于云的機(jī)器學(xué)習(xí)和深度學(xué)習(xí)一再被誤用。這多半都可以輕松解決,當(dāng)然,基于云的機(jī)器學(xué)已得到了廣泛的使用。但你要用得巧妙,用得恰當(dāng)。
2018-07-11 標(biāo)簽:機(jī)器學(xué)習(xí)深度學(xué)習(xí) 2728 0
對(duì)常用的機(jī)器學(xué)習(xí)和深度學(xué)習(xí)算法進(jìn)行總結(jié)
確定這個(gè)函數(shù)的依據(jù)是函數(shù)能夠很好的解釋訓(xùn)練樣本,讓函數(shù)輸出值f(x)與樣本真實(shí)標(biāo)簽值y之間的誤差最小化,或者讓訓(xùn)練樣本集的對(duì)數(shù)似然函數(shù)最大化。這里的訓(xùn)練...
2018-07-10 標(biāo)簽:函數(shù)機(jī)器學(xué)習(xí)深度學(xué)習(xí) 1.3萬(wàn) 0
一種個(gè)性化的機(jī)器學(xué)習(xí)方式,幫助機(jī)器人評(píng)估每個(gè)孩子在這些互動(dòng)過(guò)程中的參與度和興趣
對(duì)于人類觀察者來(lái)說(shuō),要讓孩子的參與意愿和行為達(dá)成高度一致是很有挑戰(zhàn)性的。普通的機(jī)器人(非個(gè)性化的)與人類專家的評(píng)估結(jié)果通常有50%到55%相同。研究的第...
2018-07-10 標(biāo)簽:機(jī)器人人工智能深度學(xué)習(xí) 3486 0
使用機(jī)器學(xué)習(xí)創(chuàng)建計(jì)算機(jī)生成的X射線影像以增強(qiáng)AI的訓(xùn)練集
MIMLab 將用增強(qiáng)數(shù)據(jù)集獲得的識(shí)別準(zhǔn)確率和原始數(shù)據(jù)集獲得的準(zhǔn)確率進(jìn)行對(duì)比,發(fā)現(xiàn)對(duì)于常見疾病,其識(shí)別準(zhǔn)確率提高了 20%。對(duì)于某些罕見疾病,準(zhǔn)確率提高...
2018-07-09 標(biāo)簽:機(jī)器學(xué)習(xí)數(shù)據(jù)集深度學(xué)習(xí) 2957 0
無(wú)人機(jī)鏡頭結(jié)合AI人工智能,辨識(shí)暴力事件發(fā)生
就如以往本站介紹過(guò)的人工智能方案,這個(gè)系統(tǒng)的人工智能也是透過(guò)深度學(xué)習(xí)來(lái)提高辨識(shí)能力,研究人員使用 Parrot AR 無(wú)人機(jī),拍攝志愿者展示 5 種可能...
2018-07-09 標(biāo)簽:人工智能無(wú)人機(jī)深度學(xué)習(xí) 4314 0
2018年AI的技術(shù)發(fā)展的五大趨勢(shì)是什么?它給我們帶來(lái)了哪些益處
我們需要理解的是:AI是幾個(gè)相互關(guān)聯(lián)的技術(shù)的總稱術(shù)語(yǔ)。它包括:自然語(yǔ)言處理、機(jī)器學(xué)習(xí)、認(rèn)知計(jì)算、神經(jīng)網(wǎng)絡(luò)、計(jì)算機(jī)視覺、機(jī)器人科學(xué)及其相關(guān)技術(shù)。在本文中,...
2018-07-09 標(biāo)簽:神經(jīng)網(wǎng)絡(luò)AI機(jī)器學(xué)習(xí) 5739 0
DeepMind的最新研究結(jié)合了神經(jīng)網(wǎng)絡(luò)和隨機(jī)過(guò)程的優(yōu)點(diǎn)提出神經(jīng)過(guò)程模型
neural process的實(shí)現(xiàn)示意圖。圓圈中的變量對(duì)應(yīng)于(a)中圖模型的變量,方框中的變量表示NP的中間表示,粗體字母表示以下計(jì)算模塊:h - en...
2018-07-09 標(biāo)簽:神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí)DeepMind 4217 0
如何才能高效地進(jìn)行深度學(xué)習(xí)模型訓(xùn)練?
分布式深度學(xué)習(xí)框架中,包括數(shù)據(jù)/模型切分、本地單機(jī)優(yōu)化算法訓(xùn)練、通信機(jī)制、和數(shù)據(jù)/模型聚合等模塊。現(xiàn)有的算法一般采用隨機(jī)置亂切分的數(shù)據(jù)分配方式,隨機(jī)優(yōu)化...
2018-07-09 標(biāo)簽:加速器機(jī)器學(xué)習(xí)深度學(xué)習(xí) 1.4萬(wàn) 0
如何結(jié)合TensorFlow目標(biāo)檢測(cè)API和OpenCV分析足球視頻
使用Tensorflow的目標(biāo)檢測(cè)API,可以快速搭建目標(biāo)檢測(cè)模型。如果你不熟悉這套API,可以看下我之前寫的介紹Tensorflow目標(biāo)檢測(cè)API,以...
2018-07-08 標(biāo)簽:數(shù)據(jù)集深度學(xué)習(xí)TensorFlow 6656 0
Airbnb機(jī)器學(xué)習(xí)和數(shù)據(jù)科學(xué)團(tuán)隊(duì)經(jīng)驗(yàn)分享
Airbnb資深機(jī)器學(xué)習(xí)科學(xué)家Shijing Yao、前Airbnb數(shù)據(jù)科學(xué)負(fù)責(zé)人Qiang Zhu、Airbnb機(jī)器學(xué)習(xí)工程師Phillippe Si...
2018-07-07 標(biāo)簽:深度學(xué)習(xí)Airbnb 4138 0
深度學(xué)習(xí)的哲理含義:機(jī)器的時(shí)間化能力
什么是“學(xué)習(xí)”?電子計(jì)算器雖然算得很快,但它沒有學(xué)習(xí)能力,不會(huì)隨著多次運(yùn)算改進(jìn)自身的計(jì)算能力,時(shí)間歷程對(duì)它毫無(wú)意義。所以,我們可以將學(xué)習(xí)能力理解為當(dāng)事者...
2018-07-05 標(biāo)簽:人工智能深度學(xué)習(xí) 3650 0
預(yù)覽版AR云游戲平臺(tái)——Niantic Real World Platform
然而憑借著Matrix Mill的技術(shù),皮卡丘可以隱藏在灌木叢或者行人后面,創(chuàng)造出了更真實(shí)的世界,能做到這一點(diǎn)使用的自然是我們十分熟悉的深度學(xué)習(xí)了。而且...
2018-07-04 標(biāo)簽:AR深度學(xué)習(xí)AR游戲 4840 0
數(shù)據(jù)集使用的Kaggle中辨別狗狗種類的競(jìng)賽
運(yùn)用預(yù)訓(xùn)練深度學(xué)習(xí)模型最直接的策略之一是將它們看作特征提取器。在現(xiàn)代神經(jīng)網(wǎng)絡(luò)架構(gòu)發(fā)展之前,圖像特征是手動(dòng)過(guò)濾的,例如Canny edge detecto...
2018-07-04 標(biāo)簽:人工智能數(shù)據(jù)集深度學(xué)習(xí) 1.1萬(wàn) 0
一種用于圖像分類的卷積神經(jīng)網(wǎng)絡(luò)
卷積神經(jīng)網(wǎng)絡(luò)的特點(diǎn)是逐層提取特征,第一層提取的特征較為低級(jí),第二層在第一層的基礎(chǔ)上繼續(xù)提取更高級(jí)別的特征,同樣,第三層在第二層的基礎(chǔ)上提取的特征也更為...
2018-07-04 標(biāo)簽:神經(jīng)網(wǎng)絡(luò)圖像分類深度學(xué)習(xí) 1.0萬(wàn) 0
針對(duì)智能駕駛應(yīng)用,深度學(xué)習(xí)應(yīng)該如何落地呢?
張暉認(rèn)為,主要存在著兩大關(guān)鍵點(diǎn),第一需要貼近任務(wù)和系統(tǒng)需求,即必須針對(duì)智能駕駛系統(tǒng)應(yīng)用對(duì)感知層的需求來(lái)進(jìn)行網(wǎng)絡(luò)設(shè)計(jì),切不可為了使用深度學(xué)習(xí)而選擇深度神經(jīng)網(wǎng)絡(luò);
2018-07-03 標(biāo)簽:神經(jīng)網(wǎng)絡(luò)智能駕駛深度學(xué)習(xí) 4940 0
BatchNorm是一種旨在通過(guò)固定層輸入的分布來(lái)改善神經(jīng)網(wǎng)絡(luò)訓(xùn)練的技術(shù)
作者探討了BatchNorm,優(yōu)化和Internal Covariate Shift三者之間的關(guān)系。作者在CIFAR-10數(shù)據(jù)集上分別使用和不使用Bat...
2018-07-03 標(biāo)簽:神經(jīng)網(wǎng)絡(luò)計(jì)算機(jī)視覺深度學(xué)習(xí) 7507 0
一種稱為標(biāo)簽映射(LM)的方法來(lái)解決大規(guī)模分類問(wèn)題?
CIFAR-100 數(shù)據(jù)集由60000張100個(gè)類別的32x32彩色圖像構(gòu)成,每個(gè)類別有500張訓(xùn)練圖像和100張測(cè)試圖像。我們使用一個(gè)簡(jiǎn)單的 CNN ...
2018-07-03 標(biāo)簽:圖像數(shù)據(jù)集深度學(xué)習(xí) 7469 0
深度學(xué)習(xí)為什么依賴于超大的計(jì)算能力?
雖然許多硬件計(jì)算單元(GPU、FPGA 等)的計(jì)算能力很強(qiáng)大,但是它們的內(nèi)存資源(即設(shè)備內(nèi)存)非常稀缺。當(dāng)它們不能提供模型運(yùn)行所需要的內(nèi)存資源時(shí),要么運(yùn)...
2018-07-03 標(biāo)簽:神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí)自然語(yǔ)言 1.0萬(wàn) 0
編輯推薦廠商產(chǎn)品技術(shù)軟件/工具OS/語(yǔ)言教程專題
電機(jī)控制 | DSP | 氮化鎵 | 功率放大器 | ChatGPT | 自動(dòng)駕駛 | TI | 瑞薩電子 |
BLDC | PLC | 碳化硅 | 二極管 | OpenAI | 元宇宙 | 安森美 | ADI |
無(wú)刷電機(jī) | FOC | IGBT | 逆變器 | 文心一言 | 5G | 英飛凌 | 羅姆 |
直流電機(jī) | PID | MOSFET | 傳感器 | 人工智能 | 物聯(lián)網(wǎng) | NXP | 賽靈思 |
步進(jìn)電機(jī) | SPWM | 充電樁 | IPM | 機(jī)器視覺 | 無(wú)人機(jī) | 三菱電機(jī) | ST |
伺服電機(jī) | SVPWM | 光伏發(fā)電 | UPS | AR | 智能電網(wǎng) | 國(guó)民技術(shù) | Microchip |
Arduino | BeagleBone | 樹莓派 | STM32 | MSP430 | EFM32 | ARM mbed | EDA |
示波器 | LPC | imx8 | PSoC | Altium Designer | Allegro | Mentor | Pads |
OrCAD | Cadence | AutoCAD | 華秋DFM | Keil | MATLAB | MPLAB | Quartus |
C++ | Java | Python | JavaScript | node.js | RISC-V | verilog | Tensorflow |
Android | iOS | linux | RTOS | FreeRTOS | LiteOS | RT-THread | uCOS |
DuerOS | Brillo | Windows11 | HarmonyOS |