Quantcast

阿拉善卷边视频,未成年勿点!

扭曲的激励机制不改变,超载是抓不完的

那个大大美胸的易阳又来了

中国女律师郭建梅获诺贝尔替代奖,如此荣誉,却在国内没溅起一点水花

“我上头有人!”大二女孩李心草如何被权力猎狗撕碎?

Facebook Twitter RSS

分享到微信朋友圈

点击图标下载本文截图到手机
即可分享到朋友圈。如何使用?

机器之心

外媒:白宫正在考虑让在美上市所有中国公司退市

版的赞赏功能被关闭,可通过二维码转账支持公众号。
9月28日 下午 1:01

AI顶会ICLR找来论坛和推特网友当论文评审,这样真的靠谱?

然而,如果不仔细看,有人可能觉得这些给出意见的人不够格,掩盖了一批新评审员为应对评审工作所做的努力。我之所以知道这一点,是因为许多新的评审员都是《Approximately
2018年11月19日

魔都要用最先进的神经网络预测交通?前排围观

很多现有方法把交通预测仅当作时序问题来处理,但一个路段的交通条件与其他路段的情况强相关,因此一定不能忽视整个交通网络的整体信息。有些路段的交通条件呈现出很强的季节规律,但大部分路段不具备此类特征。
2018年11月15日

北理工「AI武器系统」实验班开班:全奖本硕连读,31人入学

称美国也有类似的项目,如美国国防部高级研究计划署(DARPA)运行的项目,但这些项目相对保密,且只有著名科学家才能参与。而北京理工大学的项目似乎更强调在智能武器方面培养学生。
2018年11月10日

前沿 | blingbling,爱丁堡大学用AI点亮大脑10亿突触星图

研究小组发现,当他们使用老鼠记录的电流模式在三种奖励中进行选择时结果相似。当选择正确或错误时,不同的突触组会发光。就像进入内部思维的地图一样,突触组绘制了一幅生动的图像,展示了老鼠做出选择时的思维。
2018年8月22日

机器学习为核心,DeepMind助力谷歌开发的安卓 9「Pie」今日上线

原文链接:https://android-developers.googleblog.com/2018/08/introducing-android-9-pie.html
2018年8月7日

机器之心

推广为多个结构稀疏的卷积核矩阵的乘积,进一步消除冗余性。本论文引出互补和平衡条件来引导网络结构的设计,使得模型在模型大小、计算复杂度和分类准确率这三者之间取得更好的平衡。实验结果表明,IGC-V2
2018年5月11日

学界 | 让卷积神经网络变得商业可行,新论文提出WR-Inception网络

技术需要大量的计算成本和内存,为了训练和有效地利用这个方法,需要使用很高端的硬件系统。另外,对于先进驾驶员辅助系统(ADAS)或自驾车来说,实时处理也需要超级计算机才能完成。因此,研究
2017年2月9日

业界 | 2016 上海 BOT 大数据应用大赛闭幕:决赛11个聊天机器人项目盘点

情感引导:通过面试者的语速、反应速度、回答内容等评估和引导情绪。使用经验模型来自整合整个模型保证系统的流畅度和用户友好度。运用深度强化学习训练一个善解人意的对话机器人,而且它的「情商」会越来越高。
2016年11月15日

业界 | 人工智能终结律师?没那么快!

近些年来,律师行业对所谓e-discovery软件越来越依赖,这对时薪35美元的律师助理和时新400美元的律师构成巨大威胁,软件读取、分析法律文件要比这些人类律师快得多,也准确得多。
2016年1月5日

业界 | Facebook即将开源强大的人工智能硬件「Big Sur」

Sur服务器是围绕英伟达的GPU(图形处理单元)建造的。GPU在人工智能中的应用十分广泛,因为这种芯片上搭载的处理核心数量多于英特尔生产的传统处理器,使得它们十分适用于AI软件所需要的海量计算。
2015年12月11日

如果心理医生是机器人会是一种怎样的体验?

Helgadottir,一个牛津城内为数不多的冰岛同乡。Helgadottir在牛津从事临床心理学研究,他设计并创造了一个可以帮助人们自己发现和管理心理疾病的机器人程序。
2015年8月11日

你认为你在看Facebook,但实际上是它在看着你

我完全无感好么,心都碎了。但即便这样,明年第六季上映时,我还是会义无反顾的一直追下去。即使我们现在已然成为了中年大叔,许多引起我们兴趣的事情并不会引起我们的行动。
2015年6月25日

量子霸权终实现?谷歌3分20秒完成世界第一超算万年运算

量子计算的发展速度:摩尔定律的指数级
9月21日 上午 11:37

OpenAI智能体上演捉迷藏攻防大战,自创套路与反套路

论文链接:https://d4mucfpksywv.cloudfront.net/emergent-tool-use/paper/Multi_Agent_Emergence_2019.pdf
9月19日 下午 10:59

PyTorch版《动手学深度学习》开源了,最美DL书遇上最赞DL框架

项目地址:https://github.com/ShusenTang/Dive-into-DL-PyTorch
9月15日 上午 11:36
9月7日 下午 12:32

浙大毕业,李飞飞高徒朱玉可加盟UT Austin,曾获ICRA 2019最佳论文

相关论文:http://ai.stanford.edu/~yukez/papers/corl2018surreal.pdf
9月4日 下午 12:47

雀神,微软亚研推出超级麻将AI Suphx,还上了专业十段水平

博弈论知识:需要将打麻将形式化为博弈过程,并将其作为模型设计的指导;
8月29日 上午 11:55

雇佣劳工冒充AI?校园外卖机器人竟是远程人工操纵,时薪2美元

http://column.etnetchina.com.cn/column-list-EtnetcolB236/80980.htm
8月28日 下午 12:16

不可不知的数据科学入门数学指南

分别发生的概率,其中两者相互独立。
8月18日 下午 12:27

DeepMind烧钱的2018:负债超12亿美元、亏损达5.72亿美元

年的财务状况:这家总部位于伦敦的人工智能公司营收几乎翻了一番,由
8月8日 下午 1:08

登上Nature,DeepMind新论文提前48小时预测急性肾损伤

博客地址:https://deepmind.com/blog/predicting-patient-deterioration/
8月2日 下午 12:38

微软10亿美元入局,拥有无限算力的OpenAI,真的能实现AGI吗?

图源:https://twitter.com/mouthofmorrison/status/1153405571657338881
7月23日 下午 12:07

历时两年,马斯克终发布「脑后插管」黑科技,革新脑机接口

或许会远远超出其对医疗技术的初步探索。马斯克的最终目标,实际上是消除将人们的思想转化为语言,随后通过键盘、鼠标等输入工具传入计算机中的过程。直接的人机交互可以带来更快的通信速度,以及更大的「带宽」。
7月17日 下午 12:53

图解NumPy,这是理解数组最形象的一份教程了

sequence_length]。出于性能原因,深度学习模型倾向于保留批大小的第一维(因为如果并行训练多个示例,模型训练速度会加快)。在这种情况下,reshape()
7月12日 上午 10:59

计算机视觉不是智能,只是记忆:CVPR 2019程序主席开炮

2019全球数据智能峰会于7月19日-20日在上海市静安区举行。本次峰会以「数据智能」为主题,聚焦最前沿研究方向,同时更加关注数据智能经济及其产业生态的发展情况,为技术从研究走向落地提供借鉴。
6月29日 上午 11:37

万万没想到,谷歌给Dropout申请了专利,而且刚刚生效

2019全球数据智能峰会于7月19日-20日在上海市静安区举行。本次峰会以「数据智能」为主题,聚焦最前沿研究方向,同时更加关注数据智能经济及其产业生态的发展情况,为技术从研究走向落地提供借鉴。
6月27日 下午 12:07

​潜行七年的「鸿蒙」或十月出货,华为如何再造「安卓生态」?

因此,海外市场将是鸿蒙系统真正落地的关键,应用生态的构建更是迫在眉睫。可以看出,华为并非另起炉灶重新打造系统生态,为了尽可能快的获得应用,它采取兼容安卓的方式,使原有安卓应用可以直接跑在操作系统上。
6月15日 上午 11:51

真正的神经网络,敢于不学习权重

为了评估这些网络,研究者使用从统一随机分布中采样的单个共享权重参数来连接网络层,并评估期望性能。结果显示,该方法可以找到少量神经网络架构,这些架构可以在没有权重训练的情况下执行多个强化学习任务,或
6月13日 下午 12:45

大幅减少训练迭代次数,提高泛化能力:IBM提出「新版Dropout」

的神经元,以避免过拟合的发生。如此一来,神经元之间无法相互依赖,从而保证了神经网络的泛化能力。在推理过程中会用到所有的神经元,因此所有的信息都被保留;但输出值会乘
6月7日 下午 12:25

你见过火系的暴鲤龙吗?这个项目利用CycleGAN生成不同属性的神奇宝贝

2017)变革了基于图像的计算机图形学,可作为一种通用框架将一组图像中的视觉风格迁移到其它图像。例如,将夏天转化为冬天、将马转换为斑马及利用计算机图形渲染生成真实图像等。
6月5日 下午 12:37

DeepMind游戏AI登上Science:雷神之锤多智能体合作,超越人类玩家

训练好的智能体甚至包含为特殊情况直接编码的神经元,例如当智能体的旗帜被夺走或者其队友夺旗时。「我觉得需要注意的一点是,这些想法、这些多智能体领域非常强大,论文证明了这一点。」Jaderberg
6月1日 上午 10:56

清华AI研究院里程碑事件:成立「智能人机交互研究中心」,发布四大开放平台

(七)人机融合的智能增强:研究人与机器两类智能体的双向耦合机制,突破阻碍人与机器智能双向沟通的技术瓶颈,构建可互相适应、协同工作的异构智能持续反馈回路,实现人与机器自然、生动、自适应的智能融合。
5月22日 下午 12:41

从第一台计算机共同成长为AI大牛,Bengio兄弟不为人知的故事

早期研究的合作者,现在也已经成为了该领域最突出的计算机科学家之一。在博士毕业,并投身学界一段时间后,Samy
5月12日 下午 12:11

用人工神经网络控制猴子大脑,MIT科学家做到了

研究人员发现,当他们向动物展示这些由模型创建的非常规「合成」图像时,目标神经元的确做出了预期的反应。平均而言,这些神经元对合成图像的反应要比它们看到用于训练模型的自然图像时活跃
5月8日 上午 7:44

不负其名OpenAI,GPT-2模型阶段性公布……

考虑了以下因素:(不同用户)生成连贯文本的不同尺寸模型的易用性、人类在文本生成过程中的作用、未来被其他人复现和发布的可能性和时间、被滥用的可能性、关于不可观察使用的专家知情推论等。OpenAI
5月4日 下午 12:30

DeBug Python代码全靠print函数?换用这个一天2K+Star的工具吧

NumPy,该工具确实能追踪所有可疑变量的变化过程。当然在实际运算中,矩阵乘法的维度会非常大,我们可以直接追踪形状(Shape),而不是具体的值。
4月23日 下午 12:50

Kaggle首战斩获第三,看深度学习菜鸟团队如何一鸣惊人

https://success.figure-eight.com/hc/en-us/articles/201855939-How-to-Calculate-a-Confidence-Score。
4月22日 下午 1:33

低清视频也能快速转高清:超分辨率算法TecoGAN

该研究聚焦于新型损失的形成,并基于已构建的生成器框架展示了其性能。研究者证明时间对抗学习是获得照片级真实度和时间连贯细节的关键。除了时空判别器以外,研究者还提出新型损失函数
4月16日 下午 12:31

OpenAI 2:0击败Dota2 TI8冠军OG(鱼腩队?),「菜鸡」小编上手体验

的奖励主要由衡量人类如何在游戏中做决策的指标组成:净价值、杀敌数、死亡数、助攻数、最后人头等。同时还需要构建一个指数衰减超参数,以决定智能体究竟是关注长期的奖励还是短期的奖励。
4月14日 上午 6:57

像人一样编辑源代码,谷歌大脑提出神经网络也可以学「编程」

结果显示,双向注意力模型特别能够在真实数据中实现高准确率、精准置信度和较好的可扩展性,这使得研究者对开发者工具的前景保持乐观,而这些工具在开发人员对大型和真实代码库进行编辑时学习提取他们的意图。
4月9日 下午 12:23

重磅 | GAN之父Ian Goodfellow加盟苹果

包含两种神经网络:创造新数据实例的生成器和区分由生成器从真实数据中创建假数据的判别器。这两种神经网络通过越来越逼真的假数据来挑战彼此,优化自己的策略,直至生成数据与真实数据难以区分。
4月5日 上午 9:15

渐进式图像重构网络:像画画一样重构图像

转化中那样提取隐含的潜在样式向量,而是输入颜色域作为显式的样式特征。具体来说,研究人员构建的基于生成对抗网络的模型也包含三个阶段:模拟阶段、生成阶段和微调阶段,三者分别对应绘画过程的三部分内容。如图
4月3日 下午 1:35

最终决战!OpenAI将挑战Dota2最强战队、TI 8冠军OG

LSTM,模型就可以在没有人类数据的情况下学到可识别的策略。这表明强化学习即使没有根本性的进步,也能够产生大规模但也可接受的长期规划。这出乎了
3月27日 上午 11:43

CVPR 2019 | 旷视等Oral论文提出GeoNet:基于测地距离的点云分析深度网络

测地匹配。本文把不同半径下的潜在特征归组为邻域特征集合。针对每个半径设置一个最大数量的邻域点,从而得到一个维的向量。归组的特征,连同潜在的特征,输入到一个测地匹配模块,所得特征成为一组带有
3月23日 上午 11:20

MIT本科学神重启基于能量的生成模型,新框架堪比GAN

作者发现基于能量的模型能够生成高质量、高数量的高清图片,特别是在测试阶段长时间运行精炼流程。通过在单张图像上执行迭代优化,研究者可以自动补全图像,并把图像从一种类别(卡车)改变为另一种类别(青蛙)。
3月22日 下午 12:35

机器学习必学10大算法

自助法是一种从数据样本中估计某个量(例如平均值)的强大统计学方法。你需要在数据中取出大量的样本,计算均值,然后对每次取样计算出的均值再取平均,从而得到对所有数据的真实均值更好的估计。
3月19日 上午 11:21

Adobe提出新型超分辨率方法:用神经网络迁移参照图像纹理

摘要:由于低分辨率(LR)图像存在显著的信息损失,所以进一步推动当前最佳的单图像超分辨率(SISR)技术实现进一步的提升已经变得极其困难。另一方面,基于参照的超分辨率(RefSR)已被证明在给了与
3月16日 上午 10:43

PyTorch进阶之路(二):如何实现线性回归

https://storage.googleapis.com/supplemental_media/udacityu/315142919/Gradient%20Descent.pdf
3月15日 上午 9:25

硕士论文研究「AI预测性取向」:化妆等因素并不影响判断

摘要:最近的研究使用机器学习方法根据人脸照片来预测一个人的性取向。为了验证这个结果,我们重新做了其中的两个模型:一个基于深度神经网络(DNN),一个是基于面部形态学(FM)。使用来自约会网站的
3月14日 上午 11:57

CVPR 2019 | 京东AI研究院提出 ScratchDet:随机初始化训练SSD目标检测器

实时检测器等设计中尤为突出,比如:Pelee,Tiny-SSD,YOLO-LITE,Fire-SSD,Tiny-YOLO,Tiny-DSOD,MobileNetV2
3月13日 上午 11:52

PyTorch进阶之路(一):张量与梯度

梯度下降:https://medium.com/jovian-io/linear-regression-with-pytorch-3dde91d60b50
3月12日 下午 12:10

比DGL快14倍:PyTorch图神经网络库PyG上线了

项目链接:https://github.com/rusty1s/pytorch_geometricLeCun评价:一个快速且漂亮的几何深度学习库(适用于图神经网络与其他不规则结构)PyTorch
3月9日 下午 12:09

重磅发布2.0 Alpha版,TensorFlow新定位:端到端开源机器学习平台

privacy)技术可用于保护隐私数据,当模型基于用户数据训练时,差分隐私技术可以提供强数学保证,确保模型不学习或记住任意用户的数据细节。对于深度学习来说,更要添加额外的保障。
3月7日 上午 7:23

春招苦短,我用百道Python面试题备战

Python高级包含很多重要的模块,例如函数、类和实例、系统编程、正则表达式、网络编程等等。根据这些高级属性,Python可用于数据科学、网页开发、机器学习等等。
3月5日 下午 12:41

CVPR 2019审稿排名第一满分论文:让机器人也能「问路」的视觉语言导航新方法

roll-out,其中优良的轨迹(由匹配度评估器确定)会被保存在重放缓冲区中,之后导航器会将其用于模仿。通过这种方式,导航器可以近似其最佳行为,进而得到更优的策略。总结起来,我们有四大贡献:
3月4日 下午 12:08

出身清华姚班,斯坦福博士毕业,她的毕业论文成了「爆款」

在博士论文中,陈丹琦也介绍了自己博士期间的学习经历,感谢了在前进过程中给予了她极大帮助的一批人,包括父母、老师、爱人、朋友。机器之心编译介绍了致谢中的部分内容,让我们一窥优秀的人砥砺前行的历程:
2月28日 下午 1:00

1300篇!CVPR 2019论文接收结果公布,你上榜了吗?

列表:http://cvpr2019.thecvf.com/files/cvpr_2019_final_accept_list.txt
2月26日 下午 12:40

史上最强图像生成器BigGAN变身DeepGAN?四倍深度实现更强效果

带来的不稳定性,并对其进行经验描述。从这种分析中获得的洞察表明,将一种新型的和已有的技术结合可以减少这种不稳定性,但要实现完全的训练稳定性必须以显著降低性能为代价。
2月23日 下午 12:36

春招已近,这份GitHub万星的ML算法面试大全请收下

如下所示为整个项目的结构,其中从机器学习到数学主要提供的是笔记与面试知识点,读者可回顾整体的知识架构。后面从算法到笔试面经主要提供的是问题及解答方案,根据它们可以提升整体的解题水平与编程技巧。
2月22日 下午 1:53

OpenAI被讽ClosedAI?语言模型并没有想象中的强大

Mathgen,它们都是用上下文无关的语法生成「语法正确」的句子,不过这些句子并没有任何语义含义。毕竟对于大多数不熟悉数学的读者而言,下面两个方程式都像胡言乱语。
2月20日 下午 7:35

Science:人工智能的发展离不开神经科学,先天结构或是下一个方向

研究的核心领域优于之前已知的方法,包括计算机视觉、语音识别和生成、玩复杂的游戏。它们也已经取得了广泛的实际应用,涉及很多领域,包括计算机视觉、语音和文本翻译,其它还有很多领域也存在大规模的努力。
2月17日 下午 12:06

从此再无真「相」!这些人全部是AI生成的

这样的算法非常强大,给人们带来了很多想象空间。一方面,这项技术会带来明显的创造性应用。像这样的程序可以创造无尽的虚拟世界,也可以帮助设计者和插画师。它们已经开发出了新的艺术品,比如去年的「天价」AI
2月16日 下午 12:13

迄今最大模型?OpenAI发布参数量高达15亿的通用语言模型GPT-2

今天,恶意活动参与者(其中一些是政治性的)已经开始瞄准共享网络社区,他们使用「机器人工具、伪造账号和专门团队等,对个人施加恶意评论或诽谤,致使大众不敢发言,或很难被别人倾听或信任」。OpenAI
2月15日 上午 11:35

特朗普签署启动美国AI计划,加速与中国、加拿大AI竞赛,争夺全球领导权

的政策和道德影响,但总体战略不包括其它战略中的政策,如战略部门投资、数据和隐私或技能开发。这并不是说加拿大政府没有将这些政策落实到位,而是这些政策与《泛加拿大人工智能战略》相分离,而不是其中一部分。
2月12日 上午 7:28

人脸识别技术全面总结:从传统方法到深度学习

损失有助于学习能增大类间差异的特征(以便在训练集中区别不同的类),但不一定会降低类内差异。研究者已经提出了一些能缓解这一问题的方法。优化瓶颈特征的一种简单方法是使用判别式子空间方法,比如联合贝叶斯
2月10日 上午 11:54

聚焦强化学习,AAAI 2019杰出论文公布:CMU、斯坦福等上榜

与计算机研究协会计算社区协会(CCC)合作,从众多论文遴选出三篇提名为「蓝天奖」,这些论文提出了可以激发研究界寻求新方向的想法和愿景,例如新问题、新应用领域或新方法。包括:
1月27日 上午 11:54

DeepMind AlphaStar星际争霸2首秀:Demo很强大,现场比赛竟然输了

参考链接:https://deepmind.com/blog/alphastar-mastering-real-time-strategy-game-starcraft-ii/
1月25日 上午 7:05

DeepMind星际争霸2 AI首秀即将上演,旭东老仙奶一口?

曾表示:「能玩《星际争霸》的人工智能必须能够有效利用记忆,能够进行长期战略规划,同时还得根据不断出现的新情况做出反应调整。以这种标准开发的机器学习系统,最终完全可以应用到现实世界中的任务中去」。
1月23日 下午 12:16

6D目标姿态估计,李飞飞夫妇等提出DenseFusion

数据中颜色和深度信息的补充性质。在驾驶场景中,这些模型取得了非常好的表现,也有很好的实时推理能力。但是,根据经验可知,这些方法在重度遮挡环境下不符合标准,这是实际操控领域中非常常见的一种情况。
1月17日 下午 2:11

旷视等提出GIF2Video:首个深度学习GIF质量提升方法

当然,从量化图像中复原所有原始像素近乎不可能,因此本文目标是渲染一个接近原图像的合理版本,具体做法是收集训练数据并训练一个卷积神经网络,从而把量化图像映射到原版本。
1月15日 下午 12:33

这个面部3D重建模型,造出了6000多个名人的数字面具

人脸模型。为了实现这一点,我们提出了一种新颖的多帧一致性损失,确保在目标面部的多个帧上保持一致的形状和外观,从而最小化深度模糊。在测试时,我们可以使用任意数量的帧,这样我们就可以执行单目和多帧重建。
1月12日 上午 11:49

效果惊人:上古卷轴III等经典游戏也能使用超分辨率GAN重制了

ESRGAN,即增强型超分辨率生成对抗网络,这种技术会将真实的细节添加到低分辨率的图像中,因此产生更精细的画面。通过欺骗判别器,相比传统的超分辨率技术,它能生成更大保真度、更真实的图像。此外
1月10日 下午 12:02

只需观察大脑活动,AI「读心」技术就可以帮你合成语音

原文链接:https://www.sciencemag.org/news/2019/01/artificial-intelligence-turns-brain-activity-speech
1月4日 上午 10:05

AI用你的脸生成假视频,你却不能删除,斯嘉丽·约翰逊:这是对每个人的威胁

此外,每个国家在保护公民肖像权方面有自己的法律法规,因此即使你能够清除美国网站上的相关内容,可能也无法清除德国网站上的内容。即使你的图像版权属于你,同样的版权法在国外未必可行。我对此非常难过。
1月2日 下午 12:04

2018年学术顶会:深度学习的江山如此多娇

社区的大量讨论和关注。这件事不仅改变了让人不舒服的名字,也提醒社区成员注意自己在学术会议上的行为,学术会议应该是友好开放的,而不应因为某些人的不当行为导致另一些人的痛苦。此外,NeurIPS
1月1日 下午 12:26

机器之心年度盘点:2018年重大研究与开源项目

类似,他们也提出了分层、模块化架构,并手工设计了宏指令动作。伯克利的研究者解释道,二者不同之处在于,他们的智能体是在模块化架构下仅通过自我对抗及与几个脚本智能体对抗来训练的,直到评估阶段才见到内建
2018年12月30日

惊了,DeepFakes不仅骗过人,还能骗过人脸识别系统?!

自动视频音频编辑工具、生成对抗网络(GAN)和社交媒体的近期发展使得高质量的「修改版」视频内容出现并快速传播。此类内容已经导致「假新闻」的出现,影响了多个国家的政治形势。近期使用神经网络(即
2018年12月29日

清华大学孙茂松组:图神经网络必读论文列表

Recognition》,该论文提出了一种时空图卷积网络,并利用它们进行人类行为识别。这种算法基于人类关节位置的时间序列表示而对动态骨骼建模,并将图卷积扩展为时空图卷积网络而捕捉这种时空的变化关系。
2018年12月27日

工程设计+算法规模化真的是AI突破吗?DeepMind唇读系统ICLR遭拒

RECOGNITION》未被接收。这篇论文的评审得分为:3,4,9,可谓是两极分化了。评审们认为即使它在工程上和数据上都非常突出,但大模型加上大数据会提升性能是共识,这类改进不能被看作是贡献。
2018年12月26日

清华大学图神经网络综述:模型与应用

文章还对于不同的信息传递方式进行了公式化总结。简单来说,信息传递函数主要包括信息收集(agggregation)和节点信息更新(update)两个部分,在表格中列出了每种方法的不同配置。
2018年12月26日

硬核NeruIPS 2018最佳论文,一个神经了的常微分方程

教授评价道,现如今人工智能热度有增无减,教授能找到优秀博士生基本如同「鸡生蛋还是蛋生鸡」的问题,顶尖学校的教授通常能快速地招纳到博士生,「我很幸运地能在事业起步阶段就遇到陈天琦如此优秀的学生。」
2018年12月23日

深度学习时代的图模型,清华发文综述图网络

总之,上述调查展示了基于图的深度学习是一个很有前景并发展迅速的领域,机会与挑战并存。研究基于图的深度学习为建模关系数据提供了关键的构造块,也是走向更好的机器学习和人工智能时代的重要一步。
2018年12月23日

阿里开源首个DL框架,新型XDL帮你搞定大规模稀疏数据

「高维稀疏数据的数据处理、模型计算以及在线服务一直是深度学习应用于业界的一个核心挑战区。作为一个真实在广告业务下解决过大量技术问题的团队,我们为了解决这些问题提出了大量的方法。阿里妈妈第一代的
2018年12月21日

ICLR 2019论文接收结果揭晓:24篇oral论文有没有你?

读者可通过该评分统计项目查阅更多排名:https://chillee.github.io/OpenReviewExplorer/index.html?conf=iclr2019
2018年12月21日

十八岁华裔天才携手「量子计算先驱」再次颠覆量子计算

的算法不一定实用,因此它不会取代当前的算法,除非它在目前的形式中得到实质性的改进,它只对真正巨大规模的数据集有用。但是,在它有机会在实际机器上运行之前,针对同一任务的量子算法现在已经没有实际意义了。
2018年12月19日

AAAI 2019 | 借鉴传染病学原理探索医学图像CNN可解释性

病理描述符针对每个病变单独存储,这种设计使其应用变得容易操控。对病变的筛选、复制均可以通过对病理描述符的操作来实现,并可以进一步做到数量控制、合成病变的位置控制。具体操控效果如图
2018年12月16日

英伟达再出GAN神作!多层次特征的风格迁移人脸生成器

32^2)分辨率的粗糙层。我们可以看到人工消除噪声可以让图像看起来更正常,粗糙噪声会导致大幅度的头发和背景扭曲;精细噪声带来的头发变形更加细致,背景细节更加丰富,甚至能看到皮肤毛孔。
2018年12月15日

Facebook开源NLP建模框架PyText,从论文到产品部署只需数天

的细节请参考:https://research.fb.com/publications/pytext-a-seamless-path-from-nlp-research-to-production/
2018年12月15日

NYU、AWS联合推出:全新图神经网络框架DGL正式发布

神经网络计算的重要核心是稠密张量计算和自动求导。当前神经网络框架对此都已经有了非常良好的支持。此外,由于神经网络模型的日益模块化,用户对于这些深度学习的框架的黏性度也越来越高。
2018年12月8日

NeurIPS 2018最佳论文出炉:UT陈天琦、华为上榜

是时间)。也就是说,通讯资源限制导致的误差会以非常快的速度降低,即使是在非强凸目标函数中。在全局假设下,我们得到了一个简单但高效的算法——分布式随机平滑(distributed
2018年12月4日

NeurIPS 2018 | 腾讯AI Lab&北大提出基于随机路径积分的差分估计子非凸优化方法

提出一种新的技术:基于随机路径积分的差分估计子(SPIDER),该技术能够以更低的计算复杂度追踪许多我们感兴趣的量。该研究工作被接收为NeurIPS
2018年12月3日

AlphaGo之后,DeepMind重磅推出AlphaFold:基因序列预测蛋白质结构

的研究人员表示,神经网络预测的蛋白质属性主要有:(a)氨基酸对之间的距离;(b)连接这些氨基酸的化学键及它们之间的角度。这些方法的首要进步就是对常用技术的提升,它们可以估计氨基酸对是否彼此接近。
2018年12月3日

NeurIPS 2018,最佳论文也许就藏在这30篇oral论文中

等研究者的论文中,他们表示「世界模型」抽取的特征可以馈送到紧致且简单的策略中,这些策略是由进化策略训练得出。这样的模型能在多种环境中实现最佳的结果,并且智能体能自己生成内部的「世界模型」。
2018年12月2日

NeurIPS 2018提前看:生物学与学习算法

因为心智的计算跟我们平时计算贝叶斯定理差不多,不能把所有的过去的经验都逐一回忆(在算式里是积分或者求和)。所以怎样把统计学里的取样(sampling)解释人的心智思考,就是本文想解决的内容。
2018年12月2日

资源 | 吴恩达《机器学习》笔记,哥大研究生献上

在阅读笔记之前,建议读者先掌握一些关于概率、线性代数和向量微积分的基本知识。阅读可以从头开始一直到结束顺序完成,也可以根据需要跳读。有什么意见或建议,可以直接在笔记页面上留言或和作者互动。
2018年12月1日

Google AI提出物体识别新方法:端到端发现同类物体最优3D关键点——NeurIPS 2018提前看

Snavely(他的个人主页:http://www.cs.cornell.edu/~snavely/),是计算机视觉领域中很活跃的研究人员。他的主要贡献之一是开发了
2018年12月1日

小数据福音!BERT在极小数据下带来显著提升的开源实现

Identification,输入为两个句子,然后判断二者是否表示相同的意思,输出为二分类:是和不是。我们的分类任务只需要一个输入,而不是一对句子,这个在读取的过程中可以自动识别,并调整相应的
2018年11月30日

明年AI学术会议投稿规模炸裂!注意ICML 2019的这些变化

最后,为了促进可复现性,委员会鼓励提交的论文附带代码。他们设置的提交形式包含了两种可选的补充文件:常规的附录和代码。结果的可复现性和代码的易用性将作为论文接收和进一步决策的考虑因素。
2018年11月29日

NeurIPS 2018提前看:可视化神经网络泛化能力

谱在一定程度上解释了为什么大批量训练的模型泛化能力更差:因为训练处的模型收敛到了更尖锐的解。这一点与我们在上一篇文章中观察到的现象相符合,即当等高线图显示模型的极小值更深,其对应的误差率往往也越高。
2018年11月28日

NeurIPS 2018亮点选读:深度推理学习中的图网络与关系表征

Answering,VQA)是根据给定的图像准确回答对应问题的一类综合任务,它同时要求算法有能力分析理解图像的内容,并且对提出的问题进行语义抽取、关键知识解析。较为常见的图像问答(Visual
2018年11月27日

首次成功用CNN自动生成代码:北大研究者搞定了炉石传说

摘要:代码生成可以将一份程序描述映射为用一种编程语言写成的可执行源代码。现有的方法主要依赖于循环神经网络(RNN)作为解码器。然而,我们发现程序比自然语言句子包含的
2018年11月26日

Dropout可能要换了,Hinton等研究者提出神似剪枝的Targeted Dropout

神经网络因为其有大量参数而显得极为灵活,这对于学习过程而言非常有优势,但同时也意味着模型有大量冗余。这些参数冗余令压缩神经网络,且还不会存在大幅度性能损失成为可能。我们介绍了一种
2018年11月25日

伯克利星际争霸II AI「撞车」腾讯,作者:我们不一样

上取得了不错的成绩。研究者让智能体通过观察人类专业选手游戏录像来学习宏动作,然后通过强化学习训练进一步的运营、战斗策略。他们还利用课程学习让智能体在难度渐进的条件下逐步习得越来越复杂的性能。在
2018年11月24日

利用Capsule重构过程,Hinton等人实现对抗样本的自动检测

1:来自训练好的胶囊网络的预测类别姿态参数的重建,用于实际数据(图左)以及成功地实现对抗目标类别为「1」的数据(图右)。来自对抗性数据的重建类似于输入图像的「1」(图右)。
2018年11月23日

OpenCV 3.0之后三年半,OpenCV 4.0出炉

页面中有一个「open_model_zoo」资源库,包含了大量的计算机视觉预训练模型,并提供下载方法,有助于加速开发和产品部署过程。OpenCV
2018年11月21日

斯坦福AI实验室换帅!Christopher Manning接替李飞飞

计划」旨在把人置于人工智能的中心。它将致力于支持跨学科研究的广度,促进学界、业界、政府和群众之间的对话,也就是一种以人为中心的人工智能。它创立的初衷在于,人工智能带来的回报和风险是等同的,AI
2018年11月20日

刚刚,AI顶会NIPS改名了!新的名字竟然是……

主会议将保持原名。然而,社区内部反对声高涨,从投票设置是否合理、不改名的消极影响等各个角度对此决定进行批评。研究者表示这样草率的决定他们接受不了,加州理工的
2018年11月17日

如何做好论文评审工作?CVPR 2019程序委员会有话说

地址:https://www.dropbox.com/s/725p60wcajbb8xh/How%20to%20Review%20for%20CVPR.pptx
2018年11月15日

说好的独立管理呢?谷歌出尔反尔,开始接管DeepMind项目

虽然人工智能的「深度神经网络」方法是受到大脑和神经科学的启发,但还有其它的机器学习方法,其中包括多智能体系统方法(在模拟环境里将制定决策的任务分配给单个智能体)、进化算法或胶囊网络(capsule
2018年11月15日

NIPS 2018 | MIT新研究参透批归一化原理

以一种基础的方式影响着网络的训练:它使相关优化问题的解空间更平滑了。这确保梯度更具预测性,从而允许使用更大范围的学习率,实现更快的网络收敛。该研究提供这些发现的经验性证明和理论依据。该论文已被
2018年11月13日

观点 | AutoML、AutoKeras......这四个「Auto」的自动机器学习方法你分得清吗?

的试用版中看到的是不同的,但它可以为你提供一种思路。作者指出,隐藏表征不仅成功地捕获了关于模型的信息,而且成功地捕获了关于超参数和数据集特征的信息(注意,这个学习过程是以无监督的方式进行的)。
2018年11月12日

NIPS 2018 | Edward2.2,一种可以用TPU大规模训练的概率编程

query」以在给定数据的情况下自动训练模型。这种设计使得概率编程很难在大规模真实环境下实现概率模型,其中大规模可能需要训练有数十亿参数量的模型,并要求通过多个加速器和调度通信切分模型计算量。
2018年11月12日

学界 | NIPS 2018对抗视觉挑战赛结果公布:CMU邢波团队包揽两项冠军

该攻击方法与边界攻击类似,但不是从随机正态分布中采样。此外,作者采用迁移良好且不易被防御者过滤的低频模式。作者还使用替代模型的投影梯度作为采样的先验。通过这种方式,他们将两者(PGD
2018年11月10日

NIPS 2018 | Quoc Le提出卷积网络专属正则化方法DropBlock

DropBlock,它会丢弃特征图相邻区域中的单元。此外,在训练过程中逐渐增加丢弃单元的数量会带来更高的准确率,使模型对超参数选择具备更强的鲁棒性。大量实验证明,DropBlock
2018年11月9日

从Zero到Hero,OpenAI重磅发布深度强化学习资源

中的关键概念、关键算法和策略优化等内容。根据这一部分的内容,至少我们会对强化学习有一个清晰的认识,也就正式从小白到入门了。简介后面的资源章节才是进阶者的最爱,OpenAI
2018年11月9日

NIPS 2018 | 南大周志华等人提出无组织恶意攻击检测算法UMA

可以在一些经典的矩阵补全假设下恢复。本研究提出了无组织恶意攻击检测算法(UMA),可以看作是一种近似交替分裂增广拉格朗日(proximal
2018年11月8日

NIPS 2018 | 程序翻译新突破:UC伯克利提出树到树的程序翻译神经网络

进行对比基准测试。首先,我们在提出的两个任务上,对我们的方法和一些神经网络方法进行了对比。实验结果表明,我们的树到树模型在程序翻译任务上优于其他最先进的神经网络,在单词翻译的准确率上提升了
2018年11月6日

前端设计图转代码,西安交大表示复杂界面也能一步步搞定

所提供的基准数据集进行了测试,且实验结果表明他们的方法是非常高效的:他们的模型在所有三种子数据集(IOS、安卓和网页端)都比目前最优的方法要好。此外为了进一步说明他们提出的模型在处理复杂的
2018年11月5日

NIPS 2018 | 将RNN内存占用缩小90%:多伦多大学提出可逆循环神经网络

由于零遗忘不可能实现,我们不得不探索实现可逆性的第二种方案:在前向计算中存储隐藏状态丢失的信息,在反向计算中恢复信息。最开始我们研究了只允许遗忘一个整数位的离散遗忘。这导致:如果前向传递中遗忘了
2018年11月3日

业界 | NIPS不更名,我就撤资:赞助商加入联合抗议行列

这个名字有着悠久而杰出的历史,但它很容易受到与性相关的双关语攻击。在这个时候改变会议名可以作为一项强有力的象征性举措,这将表明董事会致力于改善该领域的文化,并使该会议成为包容性方面的领导者。
2018年11月2日

谷歌终于开源BERT代码:3 亿参数量,机器之心全面解读

其实预训练模型或迁移学习很早就有人研究,但真正广受关注还是在近几年。清华大学刘知远表示:「大概在前几年,可能很多人都认为预训练的意义不是特别大,当时感觉直接在特定任务上做训练可能效果会更好。我认为
2018年11月1日

资源 | 谷歌开源AdaNet:基于TensorFlow的AutoML框架

类别,完全定义要探索的候选子网络搜索空间。这使得用户能够基于硬件扩大或缩小搜索空间范围。子网络的搜索空间可以简单到复制具备不同随机种子的同一子网络配置,从而训练数十种具备不同超参数组合的子网络,并让
2018年10月31日

NIPS 2018 | 哪种特征分析法适合你的任务?Ian Goodfellow提出显著性映射的可用性测试

现在,我们将简要描述一下我们所研究的一些解释方法。文章的补充材料包含了对这些方法更加深入的概述。我们的目的不是详尽地评估所有先前的解释方法,而是要强调我们的方法如何应用于一些我们很感兴趣的案例。
2018年10月30日

NIPS 2018 | 行人重识别告别辅助姿势信息,商汤、中科大提出姿势无关的特征提取GAN

的性能借助不同的算法得到快速提高。在用深度神经网络学习表征的问题上大家做了各种尝试,但姿势变化、图像模糊以及目标遮挡等问题仍对学习判别式特征提出了巨大的挑战。解决这些问题有两类方法,对齐行人图像
2018年10月29日

NIPS 2018 | 作为多目标优化的多任务学习:寻找帕累托最优解

的大规模应用。(i)基本的优化问题无法扩展到高维度梯度,而后者会自然出现在深度网络中。(ii)该算法要求明确计算每个任务的梯度,这就导致反向迭代的次数会被线性缩放,训练时间大致会乘以任务数量。
2018年10月28日

资源 | 从人脸检测到语义分割,OpenCV预训练模型库

页面中有一个称为「open_model_zoo」的资源库,里面包含了大量的计算机视觉预训练模型,并提供了下载方法。使用这些免费预训练模型可以帮助你加速开发和产品部署过程。
2018年10月25日

NIPS 官方公告「更名」结果......

会议继续发展,让社区内的所有人知道这是一个交流思想并且欢迎他们的开放之地非常重要。我为我们对会议所做的有意义的改变而感到欢欣鼓舞,而基于未来的反馈,我们还将做出更多改变。」
2018年10月24日

推翻剪枝固有观点?清华、伯克利提出NN过参数化真的不重要

在本研究中,我们认为上面提到的两种观点都未必正确。针对多个数据集及多个网络架构,我们对当前最优剪枝算法进行了大量实证评估,得出了两个令人惊讶的观察结果。首先,对于具备预定义目标网络架构的剪枝算法(图
2018年10月22日

库、教程、论文实现,这是一份超全的PyTorch资源列表(Github 2.2K星)

地址:https://www.packtpub.com/big-data-and-business-intelligence/deep-learning-pytorch
2018年10月21日

李飞飞重返斯坦福后的大动作:开启「以人为中心的AI计划」

实现这些目标将是我们这个时代最大的挑战之一。每个目标都包含复杂的技术难题,将激发工程师、社会科学家及人类学家之间的对话。但这也带来了一些重要问题:哪些是最紧迫的难题?谁来解决?上述对话将发生在哪里?
2018年10月20日

资源 | DeepMind开源图网络库,一种结合图和神经网络的新方法

demo」创建了随机数的几个列表,并训练一个图网络来对列表进行排序。经过一个信息传递步骤序列,模型会对哪个元素(图中的列)出现在另一个元素(行)之后做出准确的预测。
2018年10月19日

资源 | 一个基于PyTorch的目标检测工具箱,商汤联合港中文开源mmdetection

mmcv.Config.fromfile('configs/faster_rcnn_r50_fpn_1x.py')cfg.model.pretrained
2018年10月17日

最强NLP预训练模型!谷歌BERT横扫11项NLP任务记录

GPT))引入了任务特定最小参数,通过简单地微调预训练参数在下游任务中进行训练。在之前的研究中,两种策略在预训练期间使用相同的目标函数,利用单向语言模型来学习通用语言表征。
2018年10月13日

业界 | Ian Goodfellow专访:我为什么可以在一夜之间创建GAN

Goodfellow:不久之前,我总是紧跟深度学习研究的任何新进展,尤其是在我写那本《深度学习》的时候。如今看来似乎已经不可行了,我基本上只关注那些和我自己的研究相关的课题。我甚至不知道
2018年10月11日

NIPS 2018 | MIT等提出NS-VQA:结合深度学习与符号推理的视觉问答

第二,我们的推理模块和视觉场景表征都是轻量级的,仅需要最少量的计算和内存成本。尤其值得一提的是,我们的紧凑型结构化图像表征在推理过程中所需的存储空间要少得多,相比于其它当前最佳的算法,内存成本能降低
2018年10月10日

学界 | 全局最优解?为什么SGD能令神经网络的损失降到零

最后作者根据这三个观察结果与方法严格证明了他们的论点,此外他们还表示整个证明仅使用了线性代数与标准概率边界,因此能推广到其它深度神经网络。以下我们展示了他们证明出的两个定理(Theorem
2018年10月7日

深度 | 嵌入技术在Dota2人工智能战队OpenAI Five中的应用

这种做法也完全是合乎情理的,尽管所有英雄的技能并不相同,它们仍然具有一些共同之处。例如,这些技能是主动技能还是被动技能,它们是否需要施法目标,施法目标是另一个单位还是一片区域...
2018年10月5日

假评论!ICLR 2019双盲评审「名存实亡」?

除了少数极具突破性的研究以外,目前「过于热闹」的情况,对于论文本身或许只能带来负面的影响,而让一些好事者从中获益。正如网友引用美剧「权力的游戏」之中的台词所形容的:CHAOS
2018年10月2日

学界 | iCAN:以人为中心的“人-物”交互检测网络

[13]。虽然结合语境通常有助于提高性能,但这些手工设计的注意力区域可能并不总是与识别的动作/交互相关。例如,加入人体姿势可能有助于识别“骑行”和“投掷”等行为,加入交互点可能有助于识别涉及手
2018年10月2日

学界 | 史上最强GAN图像生成器,Inception分数提高两倍

的训练是动态的,并且对几乎所有层面的设置都很敏感(从最优化参数到模型架构),但有大量的研究在经验和理论上获得了在多种设置中实现稳定训练的洞察。尽管得到了这样的进展,当前在条件
2018年9月30日

从R-CNN到RFBNet,目标检测架构5年演进全盘点

目标检测是计算机视觉领域的基本且重要的问题之一,而「一般目标检测」则更注重检测种类广泛的自然事物类别。近日,中国国防科技大学、芬兰奥卢大学、澳大利亚悉尼大学、香港中文大学、加拿大滑铁卢大学的研究者在
2018年9月23日

学界 | 首次!腾讯的人工智能在星际争霸2中打败了「开挂」内建AI

个可执行宏观动作,硬编码了游戏规则的先验知识(例如,技能树),并对控制器隐藏了琐碎的决定因素(例如,构建布局)和一些执行细节。图中还展示了两个宏观动作的定义作为示例:BuildRoachWarren
2018年9月22日

EMNLP 2018 | 最佳论文出炉:谷歌、Facebook、CMU上榜

(http://www.zhuanzhi.ai/paper/87964e6ae3d40f170d2934d9cca009af)
2018年9月21日

NIPS 2018 | 接收论文情况盘点:谷歌一骑绝尘,微软朱泽园中四篇一作

参考链接:https://threadreaderapp.com/thread/1039352666999214082.html?refreshed=yes
2018年9月15日

ECCV 2018奖项公布:德国团队获最佳论文,吴育昕、何恺明上榜

标注的图像,并利用注意力机制使我们的网络对背景和光照条件变化具备鲁棒性。扩展评估结果表明,我们的方法在合成更多样表情(按解剖结构的肌肉运动),以及处理自然图像的能力上都超越了对比的条件生成模型。
2018年9月13日

前沿 | 超越像素平面:聚焦3D深度学习的现在和未来

图像和点云融合从而提高在大型三维场景中定位物体的新方法。传统的解决该任务的方法是通过直接在整个点云上的滑动窗口上执行分类来确定物体可能的三维边界框,这样做的计算开销非常大,并且很难进行实时预测。Qi
2018年9月12日

学界 | 双重注意力网络:中科院自动化所提出新的自然场景图像分割框架(附源码)

在特征的空间维度和通道维度分别引入自注意力机制,即位置注意力模块和通道注意力模块,有效抓取特征的全局依赖关系。系统框架图和两个模块的具体结构如下:
2018年9月12日

李飞飞重回斯坦福,Andrew Moore接手谷歌云AI

在视觉、语言、语音和对话方面的最优技术通过云服务带给世界各地的公司,并为客户构建了一个平台,使他们能够通过
2018年9月11日

专访 | 小白也能搭建深度模型,百度EasyDL的背后你知多少

其实也能处理这些细粒度识别任务,但迁移效果很大程度上会受到用户数据的影响。因此训练集图片需要和实际场景要识别的图片环境一致,且对于细粒度识别这种具有很多相似图像的任务,用户需要增加更多的训练图像。
2018年9月10日

ECCV 2018 | 腾讯AI Lab提出正交深度特征分解算法:在多个跨年龄人脸识别任务中创造新记录

OE-CNNs,通过把深度特征正交分解为年龄分量和身份分量,从而将年龄分量和身份分量有效分离开,从而达到减少年龄差异、提高跨年龄人脸识别精度的目标。
2018年9月8日

深度学习贝叶斯,这是一份密集的6天速成课程(视频与PPT)

重点介绍了隐变量模型。隐变量模型是很多复杂方法的基础,例如在变分自编码器这一生成模型中,我们希望将图像压缩为一系列的隐变量,这些隐变量表示了图像的高级语义信息,例如图像主体的倾角、颜色和位置等。
2018年9月7日

专访 | 京东集团副总裁裴健:将学界最优的方法应用在业界最真实的场景中

我们这半年在这数据平台上的工作主要集中在如何提升京东的大数据服务的质量,利用大数据服务提升用户体验和供应商体系的运营效率等。这些工作对成本降低和用户体验的提升都是有非常明显的作用。
2018年9月7日

疯狂的NIPS 2018!11分钟门票售罄

采用了很多在读研究生作为同行评审人员,因此很多研究者针对导师与学生在论文评审中的表现也发表了一些看法,他们认为不同的审稿方向与标准将会对论文最终的得分有很大的影响。
2018年9月5日

AI 社区有多排外?「外行人」观点引发争议

中,我们总是尽己所能地让所有材料和信息对其他人开放,所以人们以为入学门槛很低,即使没受过正规教育,他们也能实现这些。但事实是,大多数时候,人们确实缺少正规教育,因为有很多技能
2018年8月30日

ACM MM | 中山大学等提出HSE:基于层次语义嵌入模型的精细化物体分类

张蝴蝶图片,主要包括从互联网利用关键词检索得到的自然图片,以及从实验室拍摄的到的标准图片。为了数据集的精确性和可靠性,这些图片由华南农业大学昆虫学系的四位专家进行二次甄别。
2018年8月30日

突发 | CMU计算机学院院长Andrew Moore宣布即将离职

「四年前我接受这一职位时,曾经提到过我受到过这所计算机学院引发的不断更迭的想法和技术的启发,今天我可以说我对这里发生的一切充满了敬畏,从人工智能研究到学生群体的日益多样化。我很期待
2018年8月29日

业界 |「多巴胺」来袭!谷歌推出新型强化学习框架Dopamine

Colab(https://github.com/google/dopamine/blob/master/dopamine/colab/README.md),以说明该框架的使用方法。
2018年8月28日

开源 | Salesforce开源TransmogrifAI:用于结构化数据的端到端AutoML库

还引入了特征抽象。特征本质上是一个指向数据帧(DataFrame,一种数据结构)中某个列的类型安全指针,并且包含关于该列的所有信息,即它的名称、它包含的数据类型,以及它是如何产生的谱系信息。
2018年8月28日

ECCV 2018 | 港科腾讯等提出Bi-Real net:超XNOR-net 10%的ImageNet分类精度

2. 除此之外,我们分析了原有的二值化网络的训练方法,发现原有训练方法在对于激活值的求导和对于参数的更新存在导数不匹配的问题。我们针对激活值的求导和参数更新问题分别提出了解决方案。
2018年8月26日

ROTK!OpenAI对战中国Dota2大神再次惨败

赛后,解说认为,人类选手在对线上略微有点吃亏,但是意识、出装依然能看出当年专业的水平,而且人类队打的其实还比较轻松,看上去没有特别紧张。
2018年8月24日

现场报道 | 面对最菜TI战队,OpenAI在Dota2上输的毫无还手之力

只能靠不断的训练中摸索出使用这些技能的方法,所以它并没有真正理解这些技能。有些技能很直接,例如冰女的大招放出来就一定会有伤害;有些则相对复杂,比如炼金术士,它的二技能「不稳定化合物」是一把双刃剑:5
2018年8月23日

KDD 2018 | 最佳论文:首个面向Facebook、arXiv网络图类的对抗攻击研究

在英国伦敦举行,昨日大会公布了最佳论文等奖项。最佳论文来自慕尼黑工业大学的研究者,他们提出了针对图深度学习模型的对抗攻击方法,是首个在属性图上的对抗攻击研究。研究者还提出了一种利用增量计算的高效算法
2018年8月22日

画个草图生成2K高清视频,这份效果惊艳研究值得你跑一跑

作者将视频到视频的合成问题称之为分布匹配问题,其目标是训练一个模型,使得在给定输入视频后构建一个条件分布以近似合成类似于输入视频的真实视频。为此,他们利用了生成对抗学习框架完成这一建模过程。
2018年8月19日

Nature Medicine论文展示DeepMind眼疾诊断里程碑:临床专家级、「解决」黑箱问题

Hospital)联合研究的第一阶段成果,该成果将改变眼部疾病的治疗。他们将深度学习应用到眼部疾病的诊断,并为患者与医师提供可解释性的分析图,因而人类能理解深度网络到底是如何诊断眼部疾病的。
2018年8月14日

尊重女性:全球顶级AI学术会议NIPS现在要改名了(你也来投一票)

在研讨会后期,我们当中的一个人发现有个参与者不愿意与我们合影。我们当时觉得奇怪,后来才知道照片会被用来评选「罗密欧与朱丽叶」奖。每年这个奖都会颁发给两位在研讨会上有
2018年8月13日

现在,所有人都可以在18分钟内训练ImageNet了

年,各种关于「好结果需要大量计算」的言论层出不穷,但是研究人员目前提出的有趣想法很少是利用大量计算做出的,如批归一化、ReLU、dropout、adam/adamw、LSTM
2018年8月11日

ECCV 2018 | GANimation让图片秒变GIF表情包,秒杀StarGAN

标注的图像,并利用注意力机制使我们的网络对背景和光照条件变化具备鲁棒性。扩展评估结果表明,我们的方法在合成更多样表情(按解剖结构的肌肉运动),以及处理自然图像的能力上都超越了对比的条件生成模型。
2018年8月9日

毫无还手之力!OpenAI人工智能5v5击败超凡5玩家(6600水平)

72%;电脑的执行力非常高,每次打的套路都一样;英雄的装备和常规人类的理解不太一样,比如冰女选择出了点金手;OpenAI
2018年8月6日

教程 | 单级式目标检测方法概述:YOLO与SSD

正如这些研究者指出的那样,能被轻松分类的样本会为标准的交叉熵损失带来非平凡损失(γ=0),这是在一个大样本集合上求和得到的,并能轻易主导参数更新。项是一个可调节的比例因子,以防止这种情况发生。
2018年8月6日

终结谷歌每小时20美元的AutoML!开源的AutoKeras了解下

空间不是欧氏空间,它并不满足传统高斯过程的假设。由于架构包含的层级数和参数数量并不确定,因此向量化所有神经架构是不切实际的。此外,因为高斯过程是一种核方法,所以研究人员使用神经网络核函数以解决
2018年8月3日

18岁华裔少年颠覆量子加速优势,推动量子算法经典化

南科大研究副教授郑盛根对机器之心表示,「这个算法如果能实用,个人觉得并不会挑战量子计算,而是会推高量子算法的理论研究,把量子算法有效经典化将成为热点。也就是多年前有些学者提出的
2018年8月2日

业界 | 4分钟训练ImageNet!腾讯机智创造AI训练世界纪录

深度神经网络由于层次很多,参数量往往很大。ResNet-50有2500万参数量,AlexNet有6200万的参数量,而VGG-16参数量则达到1.38亿,有的语言模型参数量甚至超过10个亿[5]。
2018年7月31日

同行评审是这样略读论文的!Ian Goodfellow实力「嘲讽」了一波

通常评审人员读到实验性论文时会抱怨缺乏「理论」。但是他们却并不要求理论论文来解决任何特定问题。我认为他们就是为了找到一个拒绝的理由——他们略读论文,没有看到论文中的方程。
2018年7月30日

这不是我要的评审结果!NIPS 2018论文评审出炉:哀声一片

有人认为,一方面,学生的导师可能要求高年级学生参与论文评审,作为锻炼;另一方面,各大重要会议论文投稿数量激增,也导致评审压力很大,因此会议组织者会降低审稿人的标准。据悉,NIPS
2018年7月27日

TPU V3、全新NLP类AutoML产品,这是李飞飞在谷歌云大会上的新声音

技术带入产业的努力。这不仅是因为技术的强劲,同时还因为机器学习能为开发者、产品经理等不同岗位与用户提供值得信赖的决策,这些辅助性决策正展示了谷歌云以人为中心的信念。李飞飞最后表示,AI
2018年7月25日

IJCAI 2018所有奖项出炉:AlphaGo获奖,中国研究成果占据半壁江山

论文地址:http://coai.cs.tsinghua.edu.cn/hml/media/files/2018_commonsense_ZhouHao_3_TYVQ7Iq.pdf
2018年7月16日

机器学习近年来之怪现状

这让我们担心,高标准可能会阻碍创见的发布,因为这些创见往往非同寻常,而且可能是推测性的。在其他领域,如经济学,高标准导致学者可能需要数年才能完成一篇论文,冗长的修订周期必然会消耗可用于新研究的资源。
2018年7月12日

下一个GAN?OpenAI提出可逆生成模型Glow

卷积的生成流。使用该方法,我们展示了在标准基准上的对数似然度的显著提升。也许最引人注目的是,我们展示了仅通过普通的对数似然度目标优化,生成模型就可以高效地进行逼真图像的合成以及大尺寸图像的操作。
2018年7月10日

资源 | 这是一份收藏量超过2万6的计算机科学学习笔记

具体而言例如在面向对象的基本思想中,作者介绍了封装、继承和多态三大特性,此外还有类图和设计原则。这里摘取了原项目中展开的面向对象三大特性,更信息的内容请查看原
2018年7月10日

前沿 | 经典计算的天花板:科学家找到只有量子计算才能解决的问题

计算机科学家已经找到了一种有效的算法,例如用于测试一个数字是否是素数。然而,他们仍没有找到一个有效的算法来计算大数的素数因子。因此,计算机科学家认为(但无法证明)这两个问题属于不同的复杂度等级。
2018年7月8日

人工智能军备竞赛:一文尽览全球主要国家AI战略

的政策和道德影响,但总体战略不包括其它战略中的政策,如战略部门投资、数据和隐私或技能开发。这并不是说加拿大政府没有将这些政策落实到位,而是这些政策与《泛加拿大人工智能战略》相分离,而不是其中一部分。
2018年7月7日

业界 | DeepMind游戏AI又有新突破,与智能体、人类合作都不在话下

的规则很简单,但是动态很复杂。两队玩家在给定地图上竞争,目标是夺取对方战队的旗子,并保护自己的旗子不被夺走。为了获取战术优势,它们可以射击对方战队的成员,让它们返回它们的重生点(spawn
2018年7月4日

ICML 2018大奖出炉:伯克利、MIT获最佳论文,复旦大学榜上有名

game)相关,可以用内含的函数简化为梯度下降;第二个和哈密顿博弈相关,这是一种新的博弈类型,遵循一种守恒定律——类似于经典力学系统中的守恒定律。该分解启发了辛梯度调整(Symplectic
2018年6月29日

业界 | 美媒称李飞飞或将离开谷歌,重返斯坦福

Intercept,其中的内容让谷歌和李飞飞都感到尴尬。这些邮件透露了李飞飞和其他管理层之间的讨论,当时这些管理层正在为如何向公众发布谷歌和五角大楼的首个大合同的新闻感到烦恼。
2018年6月28日

学界 | CVPR 2018最佳论文作者亲笔解读:研究视觉任务关联性的Taskonomy

我认为现有公众号对Taskonomy翻译中最不准确的是对Taskonomy实验部分的评论。如文章一开头所说,Taskonomy的目标为用有限的监督预算来最有效地解决一组任务,并不是将state
2018年6月27日

报名 | 腾讯七大事业群齐聚斯德哥尔摩,邀你共赴TAIC大会

(TAIC)感兴趣,请点击「阅读原文」填写报名问卷,名额有限,通过主办方筛选的申请者将收到正式邮件通知并告知活动地址。
2018年6月27日

Dota 2被攻陷!OpenAI 人工智能5V5模式击败人类玩家(4000分水平)

获得的信息和人类是一样的,但前者可以实时看到位置、生命值和装备清单等,而这些信息都需要人类选手去手动查看。我们的方法从根本上就没有依赖于(实时)观察状态,但从游戏中渲染像素就需要成千上万块
2018年6月26日

教程 | 用脑电波控制智能假肢:如何利用深度学习技术进行EGG数据分类

信号之间的关系非常复杂,如果不借助具体的实验测试,我们将很难理解。因此,一个巨大的挑战是学习如何「解码」,在某种意义上,这些脑电图扫描可以允许使用非侵入式脑机接口(BCI)来控制机器假肢和其他设备。
2018年6月24日

前沿 | 谷歌提出Sim2Real:让机器人像人类一样观察世界

谷歌研究人员认为,学习在线视觉自适应是一个重要而具有挑战性的问题,这一方向的目标是学习到可在多样化和非结构化的现实世界中运行的机器人所需要的通用化策略。新方法可以扩展到任何类型的自动自我校准上。
2018年6月23日

CVPR 2018奖项出炉:两篇最佳论文,何恺明获PAMI 青年研究员奖

告诉机器之心记者,「这篇论文主要围绕了当前机器学习系统最大的缺点,也就是需要很多标注数据才能完成它们想要的结果。人类是可以借鉴学到的不同技能,也就是迁移学习,你在第一盘棋中学到的技能可以用到第
2018年6月20日

学界 | CMU、NYU与FAIR共同提出GLoMo:迁移学习新范式

可以无监督地学习并迁移数据单元对之间的依赖关系和图形表征,并在自然语言处理和计算机视觉任务中取得了很好的效果。值得一提的是,该论文作者还包括何恺明、Ruslan
2018年6月16日

自动「脑补」3D环境!DeepMind最新Science论文提出生成查询网络GQN

模型由两部分构成:一个表征网络以及一个生成网络。表征网络将智能体的观察作为输入,并生成一个描述潜在场景的表征(向量)。然后生成网络从之前未观察过的视角来预测(想象)该场景。
2018年6月15日

学界 | DeepMind等机构提出「图网络」:面向关系推理

等,2018c),并支持从简单的构建模块建立复杂的架构。注意,这里避免了在「图网络」中使用「神经」术语,以反映它可以用函数而不是神经网络来实现,虽然在这里关注的是神经网络实现。
2018年6月14日

计算语言顶会ACL 2018最佳论文公布!这些大学与研究员榜上有名

also、again)的任务。解决这样的任务需要检测语篇中的重复或类似事件,并且在自然语言生成任务中有应用,例如摘要和对话系统。我们为这项任务创建了两个新的数据集,分别来自宾州树库(Penn
2018年6月11日

CVPR 2018 | 阿里巴巴&浙大Poster论文:基于直推式无偏嵌入的零样本学习

settings)。然而,在一个更加实际的应用场景中,测试图像不仅来源于目标类,还可能来自源类。这种情况下,来自源类和目标类的数据都应该被考虑到。我们把这种设定叫作广义设定(generalized
2018年6月9日

业界 | DeepMind首次披露旗下AI专利申请情况,引发热议

寻求授权的每个司法管辖区对其专利性进行审查。意料之中的是,在较新的领域,国际检索报告(ISR)(针对一些申请发布)没有引用大量已有技术。事实上,许多用于新颖性和创造性步骤的被引用文档似乎是
2018年6月9日

学界 | DeepMind提出关系性深度强化学习:在星际争霸2任务中获得最优水平

结合起来。从命题转向关系表征有利于目标、状态和动作的泛化,并利用早期学习阶段中获得的知识。此外,关系语言还有利于使用背景知识,而背景知识同时也可以通过与学习问题相关的逻辑事实和规则提供。
2018年6月8日

NAACL 2018 | 最佳论文:艾伦人工智能研究所提出新型深度语境化词表征

问题(包括问答、文本蕴涵和情感分析)中显著提高当前最优性能。此外,我们的分析还表明,揭示预训练网络的深层内部状态至关重要,可以允许下游模型综合不同类型的半监督信号。
2018年6月7日

前沿 | BAIR探索机器学习公平准则的长期影响:对弱势群体的善意真的种出了善果?

optimum)。也可以将选择率提升到某个值,使平均得分变化低于无约束收益最大化时的平均得分变化、但依然为正,即图中黄色点状阴影所表示的区域。称此区域中的选择率导致了相对损害(relative
2018年6月3日

CVPR 2018 | 牛津大学&Emotech首次严谨评估语义分割模型对对抗攻击的鲁棒性

2a)。然而,这种鲁棒性的原因在于,平均场推断容易产生过度自信的预测(由每个像素上边缘分布的熵和最大概率来衡量),这「掩盖」了用于构造无目标对抗攻击的梯度。因此,分割文献中常用的技术自然会采用
2018年6月3日

学界 | 一台笔记本打败超算:CMU冷扑大师团队提出全新德扑AI Modicum

内存。此外,在更深的序贯博弈中,该方法的计算开销更加昂贵,因为需要求解更长的子博弈和更大型的预计算策略。一个更通用的方法是在博弈的早期阶段就对深度有限(depth-limited)的子博弈进行求解。
2018年5月24日

4900篇NIPS 2018提交论文难评审?北京大学提出基于CNN的学术论文自动评分模型

任务中对短文的语言能力测试不同,学术论文包含更长的文本和更多的信息,除了书写以外,其整体质量还被很多因素所影响。因此,研究者提出了考虑一篇学术论文的整体信息的模型,包括标题、作者、摘要和论文的
2018年5月20日

惹争议!本科毕业生成为NIPS 2018论文同行评审

5月25日由达观数据主办的首届长三角人工智能应用创新张江峰会,汇聚复旦大学、SAP、沪江、喜马拉雅、云知声、森亿智能等多家高校学府和知名企业,探讨人工智能技术落地应用,点击图片查看活动详情。
2018年5月18日

机器之心

现在有一些强大的无导数优化工具,如进化算法。但是,很多人认为成功使用这些工具需要一些运气,因为关于这些工具需要多久才能获得优秀的结果、这些结果有多好、如何选择合适的参数等问题仍然没有明确的答案。
2018年5月14日

基于注意力机制,机器之心带你理解与训练神经机器翻译系统

为了注意子层,每一个编码器和解码器模块最后都包含一个全连接前馈网络,它独立且相同地应用于每一个位置。这个前馈网络包含两个线性变换和一个非线性激活函数,且在训练过程中我们可以在两层网络之间添加
2018年5月12日

业界 | 今秋开课!卡内基梅隆大学将开设美国首个人工智能本科学位

在跨学科教学中的传统优势,特别是在探索人工智能伦理和社会影响方面的优势,让来自迪特里希人文及社会科学学院、汉斯学院及工程学院的教师参与其中。
2018年5月11日

CMU机器学习系主任Manuela Veloso加入摩根大通,华尔街金融巨头的AI投资

教授的研究主题可知,她对机器人领域做了非常多的贡献。从早期关于多智能体与机器人路径规划问题的研究,到现在利用深度模型和半监督学习等先进技术实现机器人的目标搜索、路径规划以及协作等任务。Manuela
2018年5月4日

CVPR 2018 | Spotlight论文:解耦神经网络DCNet,性能优于标准CNN

将语义差异(即类间差异)和类内差异耦合到同一个度量中。因此,当两个样本间的内积很大时,我们很难确定是由于两个样本间存在很大的语义/标签差异,还是由于存在很大的类内差异。为了更好地研究
2018年5月2日

业界 | 微软提出基于程序图简化程序分析,直接从源代码中学习

程序分析通常有两种方法,分别基于数理逻辑和自然语言理解。通过将程序表示成图结构,来自微软研究院和西门菲莎大学的研究者展示了一种结合二者的新方法,可以直接从源代码中学习,且更准确地查找已发布软件中的
2018年5月2日

学界 | FAIR新一代无监督机器翻译:模型更简洁,性能更优

虽然这两项研究存在细微的技术差异,但我们发现了它们成功的几个共同因素。首先,它们使用推断的双语词典仔细完成模型的初始化。其次,它们利用强大的语言模型,通过训练序列到序列的系统(Sutskever
2018年4月29日

机器之心

文因的知识图谱生成技术,完成的是从自然语言的报告到结构化数据,再从结构化数据生成知识图谱的工作。其中既需要处理大段的人类自然语言描述,也需要对大量的描述视觉元素的「机器自然语言」进行提取。
2018年4月29日

从RCNN到SSD,这应该是最全的一份目标检测算法盘点

这些锚点是精心挑选的,因此它们是多样的,且覆盖具有不同比例和宽高比的现实目标。这使得我们可以以更好的猜想来指导初始训练,并允许每个预测专门用于特定的形状。该策略使早期训练更加稳定和简便。
2018年4月27日

CVPR 2018 | Spotlight论文:变分U-Net,可按条件独立变换目标的外观和形状

U-Net,将变分自编码器输出的外观条件化。实验证明,这个模型能够完成条件图像生成和转换。在多个数据集上进行的定性和定量实验表明,该方法比目前最先进的方法都有所提升。
2018年4月23日

从零开始PyTorch项目:YOLO v3目标检测实现

预测边界框的宽度和高度看起来非常合理,但在实践中,训练会带来不稳定的梯度。所以,现在大部分目标检测器都是预测对数空间(log-space)变换,或者预测与预训练默认边界框(即锚点)之间的偏移。
2018年4月23日

Video

的袁进辉老师为我们分析已有框架的优缺点,分享深度学习框架应该怎么做的观点。".replace(/\r/g,"").replace(/\n/g,"").replace(/\s/g,"
2018年4月21日

报名 | 码隆科技与谷歌研究院合办Kaggle大赛,挑战商品图像分类极限!

与此同时,不同商品的相似特征,也为机器识别增加了一定的难度:比如家具中的球椅和蛋椅,从某些特定角度来看十分相似;再比如服饰的宝蓝色和松绿色,在不同的光线条件下也存在一定的相似性。
2018年4月19日

NAACL2018 | 杰出论文:RNN作为识别器,判定加权语言一致性

等启发式方法。同时,我们是否能确定计算出的加权语言的一致性也尚不清楚(即它是否一组所有字符串的概率分布)。如果没有确定分配给所有有限字符串的整体概率集群,就难以对语言模型的困惑度进行公平比较。
2018年4月18日

业界 | 谷歌展示全新医疗诊断范式:深度学习+AR显微镜=实时检测癌症

也可与数字化工作流程结合使用,数字化工作流程中扫描仪仍然面临很大挑战或者仍然需要快速周转(如细胞学检查、荧光成像或术中冰冻切片)。当然,光学显微镜在病理科之外的很多方面也被证明有效,谷歌认为
2018年4月17日

数据科学入门必读:如何使用正则表达式?

语句来检查数据是否存在。但实际上,我们知道这一点的原因是我们在这个语料库上尝试了很多次这个脚本。编写代码是一个迭代式的过程。需要指出,就算教程看起来是一次成型的,但实际操作起来涉及到很多实验过程。
2018年4月16日

不出所料!ICLR 2018最佳论文:基于梯度的元学习算法,可高效适应非平稳环境

T、策略π和轨迹τ都是随机变量,并按图中连接的边互相关联。(b)我们的扩展模型可以连续地适应由于环境的非平稳性导致动态变化的任务。上一时间步的策略和轨迹被用于为当前时间步构建新的策略。(c)从φ_i
2018年4月13日

机器之心GitHub项目:从循环到卷积,探索序列建模的奥秘

步的状态,因此后一步的系统状态会取决于前一步的系统状态。我们注意到每一个系统状态的计算都会使用相同的函数与参数,这样循环地向后计算就能构建一个循环系统。如下第三个时间步的系统状态可以表示为:
2018年4月12日

商汤科技C轮战略融资6亿美元,晋级世界第一AI独角兽

轮融资后,将进一步强化在安防、手机、自动驾驶及互动娱乐等行业的落地优势,加快在智能零售、金融、教育等领域的技术落地,拓展商业版图,加速人工智能平台化发展。
2018年4月9日

观点 | Facebook数据泄露事件之后,还有哪些AI危机在等着我们?

年代警告过我们。无处不在的大规模监视,黑客对我们设备或个人数据追踪,社交媒体的心理异化,我们耐心和专注能力的丧失,易受影响的政治或宗教激进化的思想,敌对的外国实力通过社交网络对西方民主国家的破坏。
2018年4月8日

94页论文综述卷积神经网络:从基础技术到研究前景

多层学习架构为这一问题带来了不同的前景,这种架构提出不仅要学习分类器,而且要从数据中直接学习所需的变换操作。这种形式的学习通常被称为「表征学习」,当应用在深度多层架构中时即被称为「深度学习」。
2018年4月7日

CVPR 2018 | 腾讯AI Lab、MIT等机构提出TVNet:可端到端学习视频的运动表征

无需任何额外训练就能直接使用。此外,它还可以自然地嫁接到其它特定任务的网络上,从而得到端到端的架构;因此,这种方法无需预计算和在磁盘上预存储特征,比之前的多阶段方法更加高效。最后,TVNet
2018年4月7日

深度 | 吴恩达对话Yann LeCun:从相识Hinton到深度学习崛起

AI,就要高度参与其中,例如为开源项目做贡献,或者实现一些标准算法。就像找到自己认为重要的论文,重现里面的算法,开源出来。如果你写的东西有用,你就会受到关注。这样,你可能就会收到中意公司的工作
2018年4月6日

资源 | 你需要的Scikit-learn中文文档:步入机器学习的完美实践教程

除了监督学习,半监督学习中的标签传播算法和无监督学习中的聚类与降维算法都有非常多的教程。此外,在模型选择中,文档教程描述了交叉验证的使用、估计器超参数的调整、模型评估方法和模型持久化概念等。
2018年4月6日

让AI掌握星际争霸微操:中科院提出强化学习+课程迁移学习方法

街机游戏,以及不完美信息博弈。这些游戏具有定长且有限的系列动作,研究人员只需要在游戏环境中控制单个智能体。此外,还有多种更加复杂的游戏,其中包含多个智能体,以及复杂的规则,这对于
2018年4月6日

学界 | FAIR等机构联合提出IntPhys:你的智能系统的物理知识,比得上婴儿吗?

等)上取得了引人瞩目的进展,但是人工系统对复杂场景的理解还远远达不到人类水平。场景理解不仅涉及目标分割和跨时间目标追踪,还涉及目标之间的空间和时间关系表征,并能够预测它们在物理世界中的交互方式。
2018年4月6日

谷歌员工千人上书CEO皮查伊:抵制五角大楼AI项目Project Maven

「这一计划将不可挽回地损害谷歌的品牌和人才吸引力,」信中提到,「由于人们越来越担心人工智能的偏见与武器化,谷歌争取用户信任的道路已经越来越难走了。」在未来,谷歌或许会被视为加入雷神、通用动力以及
2018年4月5日

教程 | 用数据做酷的事!手把手教你搭建问答系统

原文链接:https://towardsdatascience.com/nlp-building-a-question-answering-model-ed0529a68c54
2018年4月5日

CVPR2018 | 直接建模视觉智能体?让「小狗」动起来~

通常情况下,模仿视觉智能体是一个充满挑战并且难以定义的问题。一个动作通常对应一系列包含复杂语义的运动。本论文通过将动作视为其最基本、无语义的形式——简单运动,在模仿视觉智能体方面做出了微小的贡献。
2018年4月5日

深度 | 学习如何学习的算法:简述元学习研究方向现状

原文链接:https://towardsdatascience.com/learning-about-algorithms-that-learn-to-learn-9022f2fa3dd5
2018年4月5日

前沿 | 没有地图也能导航:DeepMind展示全新AI导航技术

定位或其它帮助,只需要使用视觉观测。他们构建了神经网络智能体,它以对环境的视觉观测图像为输入,并预测自己的下一个动作。他们使用了深度强化学习来端对端地训练智能体,这和最近的两项研究《LEARNING
2018年4月4日

业界 | 谷歌发布MobileNetV2:可做语义分割的下一代移动端计算机视觉架构

我们可以直观理解为,瓶颈层对模型的中间输入与输出进行编码,而内层封装了模型从像素等低级概念到图像类别等高级概念的转换能力。最后,与传统的残差连接一样,捷径能快速训练并获得更优精确度。读者可查阅文末的
2018年4月4日

谷歌高级副总裁离职24小时闪电加盟苹果:全权负责机器学习与AI

「我对将出现淘汰人类的超智能系统的假设持反对态度。我理解人们为何对此感到担忧,但是我认为这只是相关宣传太多的缘故。我并未看到任何该假设即将发生的技术基础。」Giannandrea
2018年4月4日

活动 | 2018深圳国际机器人与智能系统院士论坛邀请函

今年,总理在政府工作报告中四次提及“智能”,并特别指出要“加强新一代人工智能研发应用”与“发展智能产业”。机器人与智能化,已成为中国未来的发展方向,机器人与智能产业将迎来爆发式发展。
2018年4月4日

学界 | UIUC & Zillow提出LayoutNet:从单个RGB图像中重建3D房间布局

布局的深度卷积神经网络(CNN)。该方法在全景图上的运行速度和预测精度比较好,在透视图上的性能是最好的方案之一。该方法也能够推广到非长方体的曼哈顿布局中,例如「L」形的房间。
2018年4月4日

谷歌AI部门大改组:搜索与人工智能分家,Jeff Dean升任AI总负责人

掌舵。本周一谷歌放出消息:这位高管已经离开,谷歌两年以后再次分裂为两大部门。这家互联网巨头一直被认为是搜索与人工智能领域的领军者,但近年来正日益受到亚马逊、苹果等公司在语音搜索等方面上的挑战。
2018年4月3日

教程 | 用Scikit-Learn构建K-近邻算法,分类MNIST数据集

的工作机制,以及如何轻松地实现它。但最重要的是,我们发现,始终考虑需要解决的问题以及解决问题的工具非常重要。有时候,在解决问题的过程中,最好花一些时间来实践——当然,也需要建立自己的模型。正如
2018年4月3日

学界 | 神经网络quine:自我复制 + 解决辅助任务

空间中的一个点的坐标系对应(1);由神经网络计算的函数对应(2);固定随机投影对应(3)。下文将解释研究者选择(1)、(2)、(3)的原因,同时牢记这些选择的替代方案会是未来有趣的研究方向。
2018年4月3日

招聘 | Atman深耕专业领域语言智能,诚邀你的加入

已为强生、新华社参考消息、北大法宝、君合律师事务所等世界领先药企、新闻媒体、法律服务机构开发机器翻译、机器写作、大数据智能采集挖掘等语言智能产品。
2018年4月3日

资源 | 从Brain.js到Mind,一文收录11个移动端Javascript机器学习库

等等。这里是一个简单训练的新手教程:https://wagenaartje.github.io/neataptic/docs/tutorials/training/。
2018年4月3日

学界 | NYU联合Google Brain提出结合工作记忆的视觉推理架构和数据集

比视频分析的一般问题简单得多,但它解决了许多与视觉、逻辑推理以及记忆相关的问题,这些问题对现代深度学习架构来说仍然具有挑战性。此外,我们还提出了一种深度学习架构,该架构在其他诊断
2018年4月2日

Caffe2代码全部并入PyTorch:深度学习框架格局剧震

core-developer,这个问题甚至不会与你有任何关系。此外对于用户来说,我们同样也并不需要关注
2018年4月2日

资源 | 学到了!UC Berkeley CS 294深度强化学习课程(附视频与PPT)

本节课将介绍当系统动力学知识未知时的解决方案,包括拟合全局动力学模型(基于模型的强化学习)以及拟合局域动力学模型。重点是理解基于模型强化学习的术语和形式,可选的模型类型,以及模型学习中的实际考虑。
2018年4月2日

专访 | 追一科技首席科学家杨振宇:对话机器人里不能「耳闻目览」却又「无所不在」的 AI

例如,深度强化学习的飞速发展也会让我们关注:能否依靠数据驱动,端到端地训练具有工业应用价值的任务型机器人?能否在有了足够多数据之后,把对话信息看做状态,用深度强化学习的方法学习一个对话策略出来呢?
2018年4月2日

入门 | 从VGG到NASNet,一文概览图像分类网络

的缺点在于,其评估的开销比浅层网络更加昂贵,内存和参数(140M)也更多。这些参数的大部分都可以归因于第一个全连接层。结果表明,这些层可以在不降低性能的情况下移除,同时显著减少了必要参数的数量。16
2018年4月2日

登上《Cell》封面的AI医疗影像诊断系统:机器之心专访UCSD张康教授

人工智能(AI)有可能通过帮助人类医疗专家进行高难度分类、快速分析大量医疗图像的方式彻底改变疾病的诊断和治疗流程。近日,由加州大学圣地亚哥分校张康教授等人提出的深度学习诊断方式让我们提前看到了未来。
2018年4月1日

资源 | 深度学习自动前端开发:从草图到HTML只需5秒(附代码)

虽然这种工具很有希望成为机器辅助设计的例子,但是尚不清楚这种模型在端到端的情况下能完全训练到什么程度,也不清楚它在多大程度上依赖于手工制作的图像特征。这肯定是无法知道的,因为它目前还是
2018年4月1日

CVPR2018 | CMU&谷歌Spotlight论文:超越卷积的视觉推理框架

的语境中被识别出来。在右下角的图中,我们展示了一个失败案例,在该图中,语境没有帮助我们识别出「遥控器」,失败的原因可能是它以前从未出现在「床头柜」上,也没有语义关系可以提供帮助。
2018年4月1日

观点 | 善于单挑却难以协作,构建多智能体AI系统为何如此之难?

个智能体之间必须交换消息的最佳数量是多少?更多信息意味着更好的全局知识和更好的协调。然而,由于有数千个智能体和数百万个节点,每毫秒发送数千条消息的成本远远无法忽略,成为一个计算负担。
2018年4月1日

TensorFlow发布面向JavaScript开发者的机器学习框架TensorFlow.js

还有一些很重要的核心概念,例如内存管理、神经网络基本运算和训练过程等。但我们了解以上概念就能轻松在浏览器中构建出简单的机器学习模型,如下展示了简单线性回归的定义方法:
2018年3月31日

深度 | 可视化LSTM网络:探索「记忆」的形成

如果你对上面说的主题不甚熟悉,你可以在这里学习更多有关自编码器的知识:http://ufldl.stanford.edu/tutorial/unsupervised/Autoencoders/。
2018年3月31日

入门 | 这是一份文科生都能看懂的线性代数简介

在线性代数中,我们使用线性方程来表示数据,并把它们写成矩阵或向量的形式。因此,基本上你都是在与矩阵和向量打交道,而不是标量(我们会在文章的稍后部分介绍这些概念)。如果你能够想到使用一个合适的库,比如
2018年3月31日

CVPR 2018 | 哈工大提出STRCF:克服遮挡和大幅形变的实时视觉追踪算法

从历史追踪结果中学习到具有多个样本的相关滤波器,并着重于最近的样本。因此,它可能遭遇对最近不准确样本的过拟合问题,并且在有遮挡的情况下导致追踪失败。相比之下,本文提出的
2018年3月31日

资源 | Mask R-CNN神应用:像英剧《黑镜》一样屏蔽人像

模型权重的路径,默认情况下为当前目录。如果没有指定路径,且当前目录下不存在权重文件,那么模型将自动下载预训练权重至当前目录。
2018年3月30日

业界 | 带有韵律的合成语音:谷歌展示基于Tacotron的新型TTS方法

在内,并没有清晰地建模韵律学,这意味着它们无法精确控制语音的发声。这致使语音听起来很单调,尽管模型是在字词发音有明显变化的极具表现力的数据集上训练的。今天,谷歌共享了两篇新论文,有助于解决上述问题。
2018年3月30日

学界 | 世界权威评测冠军:百度人脸检测算法PyramidBox

在相同的框架内构建了不同的结构来检测可变尺寸的人脸,其中高层级特征被用于检测尺寸较大的人脸,而低层级特征被用于检测尺寸较小的人脸。为了将高层级特征整合到高分辨率的低层级特征上,FPN[23]
2018年3月30日

解读实践中最广泛应用的分类模型:朴素贝叶斯算法

1:20,这个比例是根据具体业务而调整的。训练数据也应该遵循这个比例,但是实现中,我们必须要找到大量独立分布的数据才能遵循这个比例,这就是机器学习数据常遇到的不均衡分类问题。要解决这个问题,可以引入
2018年3月30日

模拟世界的模型:谷歌大脑与Jürgen Schmidhuber提出「人工智能梦境」

如果我们的世界模型足够准确,足以处理手边的问题,那么我们应该能够用实际环境来替换世界模型。毕竟,我们的智能体不直接观察现实,而只是观察世界模型呈现给它的事物。在该实验中,我们在模仿
2018年3月29日

报名 | 用人工智能提升营销效率,阿里妈妈启动国际广告算法大赛

Conference),评委一致认为该方法是对传统搜索广告检索框架的重新定义;在展示广告方面,一种有效的轻量网络训练框架被
2018年3月29日

专栏 | 在PaddlePaddle上实现MNIST手写体数字识别

0.03125}....................................................................Test
2018年3月29日

业界 | 谷歌大脑开源多种新型神经网络优化器,AutoML探索新架构

原文链接:https://research.googleblog.com/2018/03/using-machine-learning-to-discover.html
2018年3月29日

前沿 | DeepMind提出SPIRAL:使用强化对抗学习,实现会用画笔的智能体

从原始感知中找到结构化表征是人类拥有且经常使用的能力。该研究显示通过向智能体提供人类用于描绘周围世界的工具,它们也可以生成类似的表征。这样,它们学会生成可简练表达因果关系的视觉程序。
2018年3月29日

英伟达刚刚发布全球最大GPU:GTC2018黄仁勋演讲核心内容都在这了

要实现自动驾驶汽车的量产部署,我们需要一种能够在数十亿英里的行驶中进行测试和验证的解决方案,以实现足够安全性和可靠性。黄仁勋介绍说,DRIVE
2018年3月28日

业界 | Waymo捷豹发布全球首辆全自动驾驶电动汽车 I-PACE(附视频)

月,特斯拉已经表示将在其生产的所有新电动汽车上安装硬件,以使其可以采用全自动驾驶技术。特斯拉还运用「影子」模式收集数据来判断自动驾驶是否比人为驾驶安全。而马斯克也曾表示,特斯拉要在
2018年3月28日

教程 | 在Keras上实现GAN:构建消除图片模糊的应用

原文链接:https://blog.sicara.com/keras-generative-adversarial-networks-image-deblurring-45e3ab6977b5
2018年3月28日

入门 | 我们常听说的置信区间与置信度到底是什么?

对于每组样本,我们获得了不同的值,但直觉(和统计理论)表示,大量样本的平均值应该非常接近真实百分比。让我们这样试试!我们取很多样本,然后看看会发生什么:
2018年3月28日

学界 | UCSB提出变分知识图谱推理:在KG中引入变分推理框架

最大化。更确切地说,我们的框架(DIVA)由三个模块组成——后验近似、先验(路径搜索)以及似然估计(路径推理)。通过变分推理方法,我们成功将三者紧密结合为一个统一的架构,同时对其联合优化以实现
2018年3月28日

AlphaGo背后的力量:蒙特卡洛树搜索入门指南

处的任何节点是否端节点。因此我们一个函数来评估非终端博弈状态。这对于人类来说很自然:即使博弈仍在进行,你也可能通过观察围棋或国际象棋的棋盘预测胜者。例如,对以下棋局可以很容易知道结束棋局的走法。
2018年3月26日

CVPR 2018 | 腾讯AI Lab提出新型损失函数LMCL:可显著增强人脸识别模型的判别能力

margin)会更为自然。此外,余弦的公式与常用于人脸识别的相似度度量是匹配的。从以上角度看,余弦边缘提供了一种用于提升余弦相关的判别信息的直接方法,要优于欧几里德边缘或角边缘。
2018年3月26日

深度 | 语义分割网络DeepLab-v3的架构设计思想和TensorFlow实现

并不适用于密集预测的任务。首先,这些模型包含许多用于减小输入特征的空间维度的层。结果,这些层最终产生缺乏清晰细节的高度抽象的特征向量。第二,全连接层在计算过程中具有固定的输入规模和松散的空间信息。
2018年3月26日

CVPR 2018 | 商汤科技提出GeoNet:用无监督学习感知3D场景几何

概览。它由用于估计静态场景几何的刚性结构重建器和用于捕捉动态目标的非刚性运动定位器构成。为了解决遮挡和非朗伯(non-Lambertian)表面问题,我们在任意双向流预测对内部使用了一致性检查。
2018年3月25日

报名 | 你的公司是AWS创业大赛要找的爆点项目吗?

「机器人这样的应用时间太长了,而太长了就见不到钱。」杨歌说道,要找最短的链条,去看哪些是可以直接变现的。而拥有大量数据的金融领域就是首选,其次是利用人工智能可以实现智能优化的仓储物流领域。
2018年3月25日

教程 | 如何使用JavaScript实现GPU加速神经网络

https://towardsdatascience.com/gpu-accelerated-neural-networks-in-javascript-195d6f8e69ef
2018年3月25日

专访MIT教授Tomaso Poggio:表达、优化与泛化——数学视角里的深度学习

是这样解释他研究「表达」的初衷:「当时我们就提出了一个问题:为什么大脑具有很多层?为什么当传统理论告诉我们使用单层网络的时候,大脑的视觉皮层其实在用许多层解决这一问题?」
2018年3月25日

资源 | 开放Python书籍:一本短小精悍的初学者入门指南

在各种操作系统上的安装并依次介绍了最基本的数据结构、数值和字符串、函数和模块、循环、字典和最后的类与目标。该书每一章都有非常多的配套练习题,且整本书非常短小精悍(22
2018年3月25日

教程 | 如何使用LSTM在Keras中快速实现情感分析任务

我们人类在看电影的时候,理解任何事件的时候每次都不是从零开始的,我们会从电影中最近发生的事中学习。但是,传统的神经网络是无法从之前的事件中学习的,因为这些信息没有从一步传递到下一步。相反,RNN
2018年3月24日

INTERFACE | 从技术到产品,搜狗为我们解读了神经机器翻译的现状

搜狗的使命是让表达和获取信息更简单,在翻译这件事情我们希望能够让跨国表达和获取信息更简单,我们也会在这条路上持续走下去,而且会保持行业的领先,不管是技术层面的,产品层面的,持续在这条领域里面去发力。
2018年3月24日

CVPR 2018 | 新型语义分割模型:动态结构化语义传播网络DSSPN

graph),其中每个神经元负责分割单词层次结构中一个概念的区域。然后每个神经元学得的特征被传播到它的子神经元中进一步学习特征,以便识别更细粒度的概念。对于每个图像或数据集,DSSPN
2018年3月24日

资源 | Pandas on Ray:仅需改动一行代码,即可让Pandas加速四倍

1/36。这是因为并行化。所有的线程以并行的方式读取文件,然后将读取结果串行化。主线程又对这些值进行去串行化,这样它们又变得可用了,所以(去)串行化就是我们在这里看到的主要开销。熟悉
2018年3月24日

这是一份「不正经」的深度学习简述

不一样在哪儿呢?可能是本文没有按照「正常」的深度学习博客结构:从数学讲起,然后介绍论文、实现,最后讲应用。我希望用讲故事的方式来介绍深度学习,这可能要比只介绍信息和公式要更加平易近人一些。
2018年3月24日

FAIR何恺明等人提出组归一化:替代批归一化,不受批量大小限制

用于更大模型的训练,也妨碍了将特征迁移至检测、分割、视频等计算机视觉任务之中,因为它们受限于内存消耗,只能使用小批量。在本论文中,我们提出了作为批归一化(BN)简单替代的组归一化(GN)。GN
2018年3月23日

专栏 | 新手入门?一步一步教你如何安装PaddlePaddle

这里最好是选择动态分配硬盘,这样虚拟机会根据实际占用的空间大小使用电脑本身的磁盘大小,这样会减少电脑空间的占用率的。如果是固定大小,那么创建的虚拟机的虚拟硬盘一开始就是用户设置的大小了。
2018年3月23日

入门 | 无需基础知识,使用JavaScript构建你的第一个神经网络

非常简单,所以我们不会花费太多时间,但是有一些关于如何预测其输入数据被格式化的细节,我们应该先来看一下。我们先看一下文档汇中包含的建立示例(我在此略微做过修改),这些示例很好地说明了这一点:
2018年3月23日

CVPR 2018 | 中国科学院大学Oral论文:使用鉴别性特征实现零样本识别

摘要:零样本学习(ZSL)的目标是通过学习图像表征和语义表征之间的嵌入空间来识别未曾见过的图像类别。多年以来,在已有的研究成果中,这都是学习对齐视觉空间和语义空间的合适映射矩阵的中心任务,而学习用于
2018年3月23日

深度 | DeepMind提出神经元删除法:通过理解每个神经元来理解深度学习

虽然「猫神经元」可能更具可解释性,但它们相对于没有明显偏好的困惑神经元并没有更强的重要性。可以尝试点击上图(原网页)来查看重要性和可解释性的几种可能关系(正相关、负相关或不相关)。
2018年3月23日

教程 | 先理解Mask R-CNN的工作原理,然后构建颜色填充器应用

代码(包括作者构建的数据集和已训练的模型):https://github.com/matterport/Mask_RCNN/tree/master/samples/balloon
2018年3月22日

入门 | 从PCC到MIC,一文教你如何计算变量之间的相关性

包(https://cran.r-project.org/web/packages/energy/index.html),设计此方案的研究者提供了本代码。在该程序包中,各类可用方案调用的是
2018年3月22日

深度 | 变分自编码器VAE面临的挑战与发展方向

摘要:我们同时在理论和经验上证明,使用更紧的信息下界(ELBO)可能并不利于通过减少梯度估计量的信号-噪声比来学习推断网络的过程。我们的结果对目前广为应用的暗含假设:「更紧的
2018年3月22日

刚刚,ACM公布了2017年图灵奖得主:荣誉属于体系架构

年出版的教科书《计算机体系结构:量化研究方法》中提出了科学的新方法论。这本书影响了其后几代工程师,并通过向计算机架构社区传播其中重要思想大大提高了微处理器设计的进步速度。在这本书中,Hennessy
2018年3月22日

AAAI 2018 | 美图联合中科院提出无监督类脑智能方法NOASSOM:可实现视频语义理解

等多个方向的技术支撑,正在为美图各产品和业务,如美拍短视频运营、商业化广告、推荐业务、搜索业务和安全审核等提供算法支撑。视觉部门长期招纳视觉领域相关人才,方向不限,有意者请发简历至
2018年3月22日

前沿 | 机器学习助力医疗,通过数据分析发现近6000种新病毒

可以在大规模数据集中发现模式,该方法也许可以将病毒数据和细菌关联起来,然后和症状相关的蛋白质变化关联起来。「机器学习可以揭示出我们甚至从没思考过的问题。」Unutmaz
2018年3月21日

业界 | 英特尔开源nGraph编译器:从多框架到多设备轻松实现模型部署

原文地址:https://ai.intel.com/ngraph-a-new-open-source-compiler-for-deep-learning-systems/
2018年3月21日

活动 |「智汇京东 • 开放共赢」2018 京东人工智能创新峰会报名启动

领域内重量级嘉宾,旨在为现场观众带来人工智能各领域最新进的资讯、最顶尖的科技、最前沿的观点。每一位参与者都将在此次峰会上体会到
2018年3月21日

学界 | 新型实时形义分割网络ShuffleSeg:可用于嵌入式设备

表明深度上可分的卷积或分组卷积可以在降低计算成本的同时维持优良的表征能力。分组卷积的堆叠可能会导致出现一大主要瓶颈。输出通道将从有限的输入通道中导出。为了解决这个问题,[4]
2018年3月21日

杨瓞仁教授代理港科大CSE系主任,杨强教授期满卸任

年于南加州大学(USC)获得计算机科学博士学位,曾任伊利诺伊理工大学(IIT)助理教授,后前来香港科技大学任教。杨瓞仁教授主要的研究方向是机器学习和计算机视觉。
2018年3月21日

学界 | 新型循环神经网络IndRNN:可构建更长更深的RNN(附GitHub实现)

)。不同神经元之间的相关性可以通过两层或多层的堆叠来加以利用。在这种情况下,下一层的每个神经元处理上一层所有神经元的输出。
2018年3月20日

重磅 | 刚刚,Uber发生全球首例自动驾驶致死事件

事件发生后,在国外引起了轩然大波。媒体、社交网站纷纷报道、讨论。因为这是全球首起自动驾驶致死事故,人们对自动驾驶(甚至人工智能)技术的信任程度可能会产生更大的波动。
2018年3月20日

观点 | 为什么深度学习仍未取代传统的计算机视觉技术?

20,这就会变得非常麻烦甚至难以实现。你要寻找角点?边缘?还是纹理信息?不同类别的对象最好要用不同种类型的特征来描述。如果你选择使用很多的特征,你就不得不处理海量的参数,而且还需要自己来微调。
2018年3月20日

从背景介绍到未来挑战,一文综述移动和无线网络深度学习研究

2,机器学习方法可以很自然地分为监督学习、无监督学习和强化学习,而深度学习在这些领域中都实现了当前最顶尖的性能。在这一章节中,我们将介绍深度学习的关键原则,并讨论它们在解决移动网络问题上的潜力。下图
2018年3月19日

业界 | 一文概览2017年Facebook AI Research的计算机视觉研究进展

MergeLayer(mode=『addition』)将二者结合起来。该想法的关键是底层特征图(初始卷积层)的语义不够强,无法用于分类。而深层特征图有更强的语义。这里还有一个优势,即自上而下的路径
2018年3月19日

专栏 | 百度深度学习平台PaddlePaddle框架解析

集群上)调试或者运行,程序运行时的输出会实时地显示在浏览器里。这样使用者就不需要在个人电脑和集群等多个编程环境之间切换并且维护多个环境的版本和配置的一致性,极大地提升了工作效率。
2018年3月19日

学界 | 斯坦福大学&DeepMind联合提出机器人控制新方法,RL+IL端到端地学习视觉运动策略

层,然后输出关节速度(控制)。整个网络以端到端的方式进行训练。研究者首先简要介绍了生成对抗模仿学习(GAIL)和近端策略优化(PPO)的基础知识。该模型基于这两种方法扩展而来,提升视觉运动技能。
2018年3月19日

征集令 | 2018 年,你想从机器之心INTERFACE听哪些技术话题?

Interface「智能机器系列活动」是面向智能机器领域高质量的知识和技能传输平台,也是促进从业人员进行交流与合作的小范围聚会活动。每一期,我们都会根据特定活动主题邀请该领域的权威专家进行讲解。
2018年3月19日

CVPR 2018 | 使用CNN生成图像先验,实现更广泛场景的盲图像去模糊

我们的目标是通过卷积神经网络来训练一个二分类器。这个网络以图像作为输入,并输出一个标量数值,这个数值代表的是输入图像是模糊图像的概率。因为我们的目标是将这个网络作为一种先验嵌入到由粗到精的
2018年3月18日

业界 | Uber开源神经进化算法开发的交互式可视化工具VINE

项目地址:https://github.com/uber-common/deep-neuroevolution/tree/master/visual_inspector
2018年3月18日

变革尚未成功:深度强化学习研究的短期悲观与长期乐观

解决这个问题的一种方式是,仅仅在机器人完成方块堆叠之后才给出正奖励使奖励函数稀疏化。有时候这种方式会奏效,因为稀疏奖励函数是可学习的,然而通常都不会起作用,因为缺乏正增强会使得整个过程都变得很困难。
2018年3月18日

入门 | 从结构到性能,一文概述XGBoost、Light GBM和CatBoost的同与不同

在训练速度和准确度上的表现都非常差。我认为这是因为它在分类数据中使用了一些修正的均值编码方法,进而导致了过拟合(训练集准确率非常高:0.999,尤其是和测试集准确率相比之下)。但如果我们像使用
2018年3月18日

ICLR 2018 | 斯坦福大学教授Christopher Manning提出全可微神经网络架构MAC:可用于机器推理

不再使用统一的神经网络黑箱架构,转而采用了提倡透明性、多用途的设计。模型将问题分解为一系列基于注意力的推理步骤,然后处理它们,其中每一个步骤都由全新的记忆单元、注意力单元和结构性单元(合称
2018年3月17日

入门 | 机器学习模型的衡量不止准确率:还有精度和召回率

的乘客标记为恐怖分子的模型可能是不可用的,因为我们必须禁止每一个乘客的飞行。统计学为我们提供了表达直觉的词汇:这个新的模型是低精度(precision)的,或者说较低的仅识别相关数据点的能力。
2018年3月17日

观点 | 增加深度,加速神经网络优化?这是一份反直觉的实验结果

2017)认为添加隐藏层可以提升网络表现力。但是往往这种能力的提升需要付出一定的代价——网络越深,优化越难(此即梯度消失或梯度爆炸问题)。最近有关「landscape
2018年3月17日

打开黑箱重要一步,MIT提出TbD-net,弥合视觉推理模型的性能与可解释性鸿沟

提出,由各自执行独立操作的一系列模块组成,以解决特定问题。它很好地建模了视觉推理任务的组合属性。早期研究中运用注意力机制设计模块,这种设计允许观察模型操作。但是,这一方法在复杂的视觉推理任务比如
2018年3月17日

业界 | 特斯拉正式发布Autopilot 2.0自动驾驶系统:今天你升级了吗?

他显然非常满意于新的升级:「车道变化非常平滑,汽车不再会在车道内来回接触两侧标线——车道线的检测有了很大提升。它看起来聪明多了,我感觉它比之前的版本安全了五倍。」
2018年3月17日

从冷战到深度学习:一篇图文并茂的机器翻译史

让全世界的科学家看到了方向:事实证明,你可以直接向机器输入已有的翻译,而不必花费多年时间构建规则和例外。革命还没有发生,但显然已经迈出了第一步。革命性的统计机器翻译发明将在那之后短短五年内诞生。
2018年3月16日

业界 | 进化算法 + AutoML,谷歌提出新型神经网络架构搜索方法

原文链接:https://research.googleblog.com/2018/03/using-evolutionary-automl-to-discover.html
2018年3月16日

活动 | 看完今天的头条,是否想线下体验神经机器翻译产品?

年加入搜狐,负责博客开发,经历了社交网络大爆炸、移动互联网浪潮,又投身智能硬件领域,致力于通过产品创新提升智能硬件产品使用体验,为用户提供优质的服务。
2018年3月16日

ICASSP 2018 | 阿里巴巴语音交互智能团队:基于线性网络的语音合成说话人自适应

OL+Full-LN。这是因为过拟合导致合成出来的声音不稳定(虽然客观度量更优)声音的可懂度下降导致的。由此,我们依然可以得到相同的结论:当自适应句子数较少的时候,过拟合使得
2018年3月16日

观点 | 争议、流派,有关GAN的一切:Ian Goodfellow Q&A

来做什么。如果你希望将它用于半监督学习,那么就使用测试集的准确率度量;如果你希望用于生成人类比较欣赏的图像(如超分辨率等),那么就需要使用人类的评分。如果你仅希望使用一般的自动化质量评分,那么我认为
2018年3月16日

资源 | Texture:一个优雅的开源学术论文书写工具

一样可以开放使用,且如经典的文字处理工具那样简单。机器之心使用后发现,该工具可以非常流畅与简单地编写学术论文,我们可以添加作者、正文或参考文献等结构化的模块而快速完成文章。
2018年3月15日

ICLR 2018 | 清华&斯坦福提出深度梯度压缩DGC,大幅降低分布式训练网络带宽需求

learning)。因为具备更好的隐私性、个性化等特点,在移动设备上训练神经网络模型变得更加诱人,但其面临的重大挑战包括移动设备网络中的更低的带宽、不连贯的网络连接、价格昂贵移动数据流量等问题。
2018年3月15日

业界 | 腾讯成立机器人实验室Robotics X,与Nature宣布长期合作

通用人工智能不仅仅是对机器的研究,更是对人类的研究,涉及脑神经科学、心理学等众多交叉领域。在应用领域上,人工智能技术和互联网技术一样,在未来可能会成为一种新技术基础设施,赋能各行各业。腾讯
2018年3月15日

业界 | 现代「罗塞塔石碑」:微软提出深度学习框架的通用语言

的时候,为了确保在不同框架之间使用的是相同的模型,并以最优化的方式运行,我们使用了很多技巧。过去几个月里,这些框架的改版之快令人惊讶,框架的更新导致很多在
2018年3月15日

你的加密货币有价值吗?这里有一个深度学习ICO诈骗鉴别系统

NEO)近年来在公众使用、看重程度和理解方面增长迅速,为投资者带来了惊人的利润。与其他货币或银行系统不同,大多数数字代币无需中央授权。这种去中心化的方式对信用评级构成了重大挑战,大多数
2018年3月15日

教程 | 用Python实现类FaceID的人脸识别?一文告诉你该怎么做

过程:首先,进行用户面部注册。然后是解锁阶段,从用户解锁(应该会成功)到其他人解锁(不会成功)。如前所述,重点在于该网络计算解锁手机的人脸与注册人脸之间的距离,及其是否低于特定阈值。
2018年3月14日

业界 | Stack Overflow 2018开发者调研结果公布:DevOps和机器学习行业收入最高

只有很少一部分开发者称他们会编写不道德的代码,或者说他们没有义务考虑代码的伦理性,但是受访者也能看到大量道德灰色地带。开发者并不确定他们会如何报告道德问题,且在对不道德代码的责任问题上存在分歧。
2018年3月14日

业界 | 第四范式业界首推免费智能客服服务

提供更为专业的智能客服服务。目前,已经有超过二十家企业正在试用智能客服平台,涵盖汽车、保险、银行、医疗、电商、教育、法律、O2O
2018年3月14日

学界 | 谷歌论文新突破:通过辅助损失提升RNN学习长期依赖关系的能力

分别代表重建和预测),在两个阶段对这两个模型进行训练。第一阶段是单纯的无监督预训练,在这一方法中辅助损失取最小值。而在第二阶段中,执行的是半监督学习,在这一阶段中我们取主要目标损失
2018年3月14日

中到英新闻翻译媲美人类,微软机器翻译新突破

微软亚洲研究院副院长、自然语言处理组主任周明参与了该项目,称研究团队非常激动能够在该数据集上达到与人类匹配的机器翻译水平。但是他提到,目前仍然存在很多挑战,如还需要在实时新闻报道上对该系统进行测试。
2018年3月14日

CVPR 2018 | 新研究提出深度残差等价映射:由正脸加强侧脸识别效果

1:在极具挑战性的正面-侧面面部数据集上对最先进的人脸识别模型进行测试。显而易见,不同人的侧脸很容易会被进行错误匹配(假正类),而同一个人的正脸可能没法和他的侧脸匹配到,从而导致了假负类。
2018年3月13日

PyTorch为何如此高效好用?来探寻深度学习框架的内部架构

因此,你可能已经意识到多个张量可以指向相同的存储,而仅仅对数据采用不同的解析。这也就是为什么我们以不同的形状或维度,查看相同元素数量的张量会有很高的效率。下面的
2018年3月13日

业界 | 谷歌最新语义图像分割模型DeepLab-v3+今日开源

原文链接:https://research.googleblog.com/2018/03/semantic-image-segmentation-with.html
2018年3月13日

入门 | 今天是雾霾,明天是什么?马尔可夫链告诉你

MCMC(马尔可夫链蒙特卡罗)。简单的马尔可夫链是其他更复杂的建模技术的基本组成,因此,掌握了这些知识,你现在可以去尝试更多这种主题的技术,例如信念建模和采样。
2018年3月13日

教程 | 从预处理到部署:如何使用Lore快速构建机器学习模型

'https://s3.amazonaws.com/instacart-datasets/instacart_online_grocery_shopping_2017_05_01.tar.gz'
2018年3月13日

教程 | 如何通过PyTorch上手Tensor Comprehensions?

buffers、batch-matmul、convolution、strided-convolution、batchnorm、copy、cosine
2018年3月12日

从起源到具体算法,这是一份适合所有人读的深度学习综述论文

的研究者们对深度学习近年来的发展历程进行了全面的梳理与总结,并指出了目前人们面临的主要技术挑战。机器之心觉得这是一份非常详细的综述论文,既适合从零开始了解深度学习的人,又适合有基础的学习者。
2018年3月12日

CVPR 2018 | 优于Mask R-CNN,港中文&腾讯优图提出PANet实例分割框架

实例分割是最重要、最具挑战性的任务之一。该任务的目的是预测类别标签和像素级实例掩码以定位图像中不同数量的实例。实例分割对自驾汽车、机器人、视频监控等很有用。
2018年3月12日

活动 | 今日开售的搜狗旅行翻译宝,你想近距离体验吗?

年加入搜狐,负责博客开发,经历了社交网络大爆炸、移动互联网浪潮,又投身智能硬件领域,致力于通过产品创新提升智能硬件产品使用体验,为用户提供优质的服务。
2018年3月12日

资源 | 吴恩达deeplearning.ai五项课程完整笔记了解一下?

本课程将讲授如何构建自然语言、音频和其他序列数据的模型。在深度学习的帮助下,序列算法比两年前效果更好,用于大量有趣的应用,如语音识别、音乐合成、聊天机器人、机器翻译、自然语言理解等。学完本课,你将:
2018年3月12日

CVPR 2018 | 中科大&微软提出立体神经风格迁移模型,可用于3D视频风格化

左视图、右视图的风格化比较(第一行);结合了一致性约束的风格化结果(中间行)。前一种方法(没有结合一致性约束)往往会在遮挡掩码边界附近产生纹理不连续。最下行是右视图遮挡掩码和放大的风格化图片。
2018年3月11日

观点 | 如何可视化卷积网络分类图像时关注的焦点

通过任意目标概念的梯度(比如说类别「狗」的分对数甚至是「狗」这个字),将这些知识传递到最后的卷积层进而产生一张粗略的定位图,用于凸显图像中对于预测相关概念至关重要的区域。
2018年3月11日

从七桥问题开始:全面介绍图论及其应用

让我们首先从《图论的起源》中的「柯尼斯堡(Königsberg)的七座桥」开始。在加里宁格勒(Kaliningrad)有七座桥,连接着由普雷戈里亚(Pregolya)河分割而成的两个岛屿和两大陆地。
2018年3月11日

深度 | 级联MobileNet-V2实现人脸关键点检测(附训练源码)

通常进行人脸关键点检测之前,需要进行人脸检测,即将人脸检测获得的人脸图像区域作为人脸关键点检测模型的输入。然而进行人脸检测是相当耗时的,所以,在特定场景下(即确定有且仅有一个人的图像)可以采用
2018年3月11日

谁来治好AI的「幻觉」?面对众多对抗样本攻击,深度神经网络该何去何从

原文地址:https://www.wired.com/story/ai-has-a-hallucination-problem-thats-proving-tough-to-fix/
2018年3月10日

业界 | 超越最强GPU:谷歌云TPU开放测试版实力对比评测

进行了对比。我们注意到,一个完全的对比除了吞吐量之外,还应包括模型的最终质量和收敛性能。我们的实验算是最初的尝试,将对未来的研究留下详细的分析。
2018年3月10日

ICASSP 2018 | 阿里巴巴Oral论文:用于语音合成的深度前馈序列记忆网络

我们使用基于双向长短时记忆单元(BLSTM)的统计参数语音合成系统作为基线系统。与其他现代统计参数语音合成系统相似,我们提出的基于深度前馈序列记忆网络(DFSMN)的统计参数语音合成系统也是由
2018年3月10日

教程 | 简单实用的pandas技巧:如何将内存占用降低90%

optimized_gl.pivot_table(index='year',columns='day_of_week',values='date',aggfunc=len)games_per_day
2018年3月10日

前沿 | 区块链分享医疗数据:AI学者提出新型匿名数据收集方式

光片训练筛查算法,人工智能(AI)在乳腺癌检测上或许比医生更具优势。那么研究人员如何获得如此大量的数据?很多国家从法律上保护公民隐私,因此敏感医疗信息依然是研究人员和科技公司的难以接近的地带。
2018年3月10日

学界 | 多任务学习概述论文:从定义和方法到应用和原理分析

多任务主动学习的设置和多任务半监督学习几乎一样,其中每个任务的训练集中都有少量有标签数据和大量无标签数据。但是不同于多任务半监督学习,在多任务主动学习中,每个任务都会选择部分无标签数据来查询一个
2018年3月9日

机器之心「AI00」二月榜单:张钹院士担任首席科学家的深醒科技

为此,我们邀请人工智能领域的科学家、技术专家、产业专家、专业投资人和读者加入进来,共同完成这项人工智能的长期研究。如果你对「AI00」感兴趣,可在公众号对话框回复「AI00」(注:字母
2018年3月9日

重磅 | 今日头条&机器之心联合发布:斯坦福AI指数2017年度报告官方中文版

中文版本报告下载链接:http://cdn.aiindex.org/AI-Index-2017-Chinese-Translation.pdf
2018年3月9日

资源 | 图像配对数据集TTL:展现人类和机器判断图像相似性的差异

TTL,该数据集收集了很多人类在视觉上认为很相似的图像,而深度学习模型无法通过特征提取重构出相似的配对。该结果为未来的图像表征研究指出了新的方向。
2018年3月9日

二维码太丑?用风格迁移生成个性二维码了解一下

虽然已有的融合类型的方法可以提升二维码的视觉品质,但仍存在如下几个有待提升的方面:(1)多样化和个性化,主流方法通过改变融合图像来生成不同外观的艺术二维码,但实际上,用户希望对独特的融合图像(例如
2018年3月9日

业界 | OpenAI提出Reptile:可扩展的元学习算法

元学习是学习如何学习的过程。元学习算法会学习任务的一个分布,每项任务都是学习问题,并输出快速学习器,学习器可从少量样本中学习并进行泛化。一个得到充分研究的元学习问题是
2018年3月8日

百度宣布成立量子计算研究所,量子科学家段润尧教授出任所长

量子计算机一方面在运行机器学习算法时可以更快、更高效,另一方面通过量子辅助优化,可以解决现有许多重要优化问题,包括基于随机梯度下降的各类算法等,克服了速度与成本问题,将是迈向强人工智能的重要道路。
2018年3月8日

CVPR 2018 | UNC&Adobe提出模块化注意力模型MAttNet,解决指示表达的理解问题

具有唯一性和区域性,比如「穿红色毛衣的女人」或「右边的男孩」。在日常生活中,无论人与人之间的交流或是人机交互,都会涉及这种指示性的短语表达。所以理解它们并准确定位所描述的物体成为自然交互的必要条件。
2018年3月8日

活动 | 欢迎报名参加TalkingData全球广告反欺诈算法大赛

https://zh.wikipedia.org/wiki/%E7%BA%A6%E7%BF%B0%C2%B7%E6%B2%83%E7%BA%B3%E6%A2%85%E5%85%8B
2018年3月8日

业界 | 对话郑宇: 做城市计算比AlphaGo难多了, 但这就是我在京东金融继续All in的事

万人是分成五个小时均匀来,还是说在某两个小时峰值到达?这两种情况所采取的安全措施也是完全不一样的。所以只能大概知道有很多人要来,但不知道会有多少人、具体什么时候来。这个时候就需要用技术的方法来解决。
2018年3月8日

活动 | INTERFACE#4 解读搜狗机器翻译技术,体验搜狗旅行翻译宝产品

年加入搜狐,负责博客开发,经历了社交网络大爆炸、移动互联网浪潮,又投身智能硬件领域,致力于通过产品创新提升智能硬件产品使用体验,为用户提供优质的服务。
2018年3月7日

学界 | 精准防御对抗性攻击,清华大学提出对抗正则化训练方法DeepDefense

虽然深度神经网络(DNN)在许多挑战性的计算机视觉任务中都取得了当前最优的表现,但在对抗样本(在人类感知上和真实图像很相似,但却能欺骗学习模型做出错误预测的生成图像)面前,它们仍然非常脆弱
2018年3月7日

业界 | 为主流价位移动设备加入AI计算:ARM发布新一代Mali解决方案

随着人工智能技术的逐渐实用化,人们对于机器学习算力的需求正在飞速增长,除英特尔、英伟达等传统芯片厂商以外,谷歌、亚马逊等公司都在致力于打造自己的专用
2018年3月7日

业界 | 谷歌推出神经网络可视化库Lucid,推进模型的可解释性工作(附GitHub)

这些见解本身已经非常令人振奋了,但是当把其与神经网络的最终决策联系起来时,事情更加让人激动。我们不仅看到网络检测出耷拉的耳朵,还看到这一检测如何提高图像被标注为拉布拉多犬的概率。
2018年3月7日

这是一份优美的信息图,吴恩达点赞的deeplearning.ai课程总结

上图中的实例可以看出,没有激活函数的神经网络经过两层的传播,最终得到的结果和单层的线性运算是一样的,也就是说,没有使用非线性激活函数的话,无论多少层的神经网络都等价于单层神经网络(不包含输入层)。
2018年3月7日

终于!Keras官方中文版文档正式发布了

用途与参数,它包括完整模型所需要的各个模块,包括数据、预处理、网络架构、训练、评估和可视化等。但这一部分我们并不会介绍,因为很多时候我们只有在遇到未知的函数时才会详细查阅。
2018年3月6日

学界 | 结合主动学习与迁移学习:让医学图像标注工作量减少一半

会根据新标注的样本以及所有误分类的样本而持续得到调整改进。我们在三种不同的应用上评估了我们的方法,其中包括结肠镜检查帧分类、息肉检测和肺栓塞(PE)检测;结果表明标注成本至少可以减少一半。
2018年3月6日

业界 | 谷歌推出72-qubit量子处理器Bristlecone,意图实现「量子霸权」

原文链接:https://research.googleblog.com/2018/03/a-preview-of-bristlecone-googles-new.html
2018年3月6日

解读 | 起底语音对抗样本:语音助手危险了吗?

总之,白箱还是黑箱、是否定向、是否可以进入现实场景,是根据攻击的威胁性对对抗样本进行分类的三个相对重要的角度,除此之外,也有是否对压缩鲁棒、是否可迁移等其他衡量标准,大家可以阅读论文做详细了解。
2018年3月6日

学界 | 南京大学宣布成立人工智能学院

日,西安电子科技大学人工智能学院正式揭牌成立,该学院系国内教育部直属高校首个致力于人工智能领域高端人才培养、创新成果研发和高层次团队培育的实体性学院。
2018年3月6日

南京大学周志华教授综述论文:弱监督学习

的延时监督也属于弱监督。由于篇幅限制,本文实际上扮演了更多文献索引而非文献综述的角色。对细节感兴趣的读者请阅读对应参考文献。近期越来越多的研究者关注弱监督学习,如部分监督学习主要关注不完全监督学习
2018年3月5日

观点 | 下一步研究目标:盘点NLP领域最具潜力的六大方向

提供了一系列有趣的增强学习研究主题(https://blog.openai.com/requests-for-research-2/)。如果你期待与他人合作,或对更广泛的主题感兴趣,请参阅
2018年3月5日

学界 | 综述论文:对抗攻击的12种攻击方法和15种防御方法

是一种用于欺骗基于梯度的机器学习算法的方法,通过生成特定于任务损失函数的对抗样本实现对抗攻击,即利用网络的可微损失函数的梯度信息生成对抗扰动。除了图像分类网络,该算法还可以用于欺骗语音识别网络。
2018年3月5日

教程 | 如何通过Scikit-Learn实现多类别文本分类?

原文链接:https://towardsdatascience.com/multi-class-text-classification-with-scikit-learn-12f1e60e0a9f
2018年3月5日

专栏 | 如何做好文本关键词提取?从三种算法说起

词性时通过分词、语法分析后得到的结果。现有的关键词中,绝大多数关键词为名词或者动名词。一般情况下,名词与其他词性相比更能表达一篇文章的主要思想。但是,词性作为特征量化的指标,一般与其他指标结合使用。
2018年3月4日

CVPR 2018 | 残差密集网络:利用所有分层特征的图像超分辨率网络

图像超分辨率在安防等很多领域有这广泛的应用,而美国东北大学最近提出了一种残差密集网络来从原图生成高分辨率图像。该网络结合残差网络与密集连接网络的特性充分利用原始
2018年3月4日

教程 | 5种快速易用的Python Matplotlib数据可视化方法

的直方图,我们可以直观地了解分布的集中度(方差)与中位数,也可以了解到该分布的形状近似服从于高斯分布。使用这种柱形(而不是散点图等)可以清楚地可视化每一个箱体(X
2018年3月4日

超有趣!手把手教你使用树莓派实现实时人脸检测

原文链接:https://www.hackster.io/mjrobot/real-time-face-recognition-an-end-to-end-project-a10826
2018年3月4日

机器学习算法如何调参?这里有一份神经网络学习速率设置指南

在之前的文章里,我已经讲了如何用反向传播和梯度下降来训练神经网络。为了训练神经网络,其中一个需要设置的关键超参数是学习率。提醒一下,为了最小化此网络的损失函数,这个参数缩放了权重更新的幅度。
2018年3月3日

资源 | 百万级字符:清华大学提出中文自然文本数据集CTW

9:数据集多样性。(a)平面文本,(b)凸出文本,(c)城市街景文本,(d)乡镇街景文本,(e)水平文本,(f)垂直文本,(g)远距离文本,(h)近距离文本,(i)弱照明文本,(j)部分显示文本。
2018年3月3日

学界 |「极简机器学习」,从少量数据中学习精确特征的卷积神经网络

认为:「这些新方法都很令人振奋,因为它们让机器学习解决更广泛的成像问题成为可能。通过减少需要的训练图的数量以及增加可处理图像的尺寸,这个新的网络架构可在许多研究领域解决更重要的问题。」
2018年3月3日

2018全球大学计算机科学与人工智能排名:CMU名列第一

教授发起。由于顶会论文发表难度很高,这种统计排名的方式被认为难以进行造假。目前,卡耐基梅隆大学(CMU)、麻省理工学院(MIT)与斯坦福大学名列全球前三,而
2018年3月3日

机器之心再次入选:「2017 年度学术公众号」TOP 10重磅发布

优秀的学术公众号,可以帮助科研人员跟踪研究动态、与同行交流、获得其他学术服务。它们受到了越来越多的关注,也逐渐成为中国科研生态的一部分。
2018年3月3日

学界 | 从可视化到新模型:纵览深度学习的视觉可解释性

学习在顶层的卷积层中运用分离式表征进行目标分类,其中每个过滤器代表一个特定的对象部分。决策树以由粗到精的方式编码隐藏在
2018年3月2日

业界 | 实时替换视频背景:谷歌展示全新移动端分割技术

原文地址:https://research.googleblog.com/2018/03/mobile-real-time-video-segmentation.html
2018年3月2日

资源 | 像「花书」一样排版:Ian Goodfellow「亲授」的高级LaTex教程

999」教程里得到了详细说明,欢迎各位读(qiang)者(po)小(zheng)伙(huan)伴(zhe)自己去试一试,祝大家在写出和
2018年3月2日

NumPy能力大评估:这里有70道测试题

基础:https://www.machinelearningplus.com/numpy-tutorial-part1-array-python-examples
2018年3月2日

教程 | 22分钟直冲Kaggle竞赛第二名!一文教你做到

的内容时,你已经可以像深度学习实践者那样,有足够的经验开始解决计算机视觉问题了。那些曾对你来说几乎不可能的问题现在也许变得不那么遥远——而且在某些情况下,你可以利用特定的技术解决这些问题。
2018年3月2日

CVPR 2018 | 华中科技大学提出多向文本检测方法:基于角定位与区域分割

方法概览。给定一幅图像,网络通过角点检测和位置敏感语义分割输出角点。然后通过对角点进行采样和分组得到候选的边框。最后,通过分割图对候选边框进行打分,并使用非极大抑制(NMS)对边框进行抑制。
2018年3月1日

入门 | 奇异值分解简介:从原理到基础机器学习应用

是通过迭代式的数值方法计算的。我不会详细深入这些方法的细节。每一个矩形矩阵都有一个奇异值分解,尽管所得到的矩阵可能包含复数值以及浮点算术的局限性可能会导致某些矩阵无法简单利落地完成分解。
2018年3月1日

学习了!谷歌今日上线基于TensorFlow的机器学习速成课程(中文版)

课程特点这一机器学习速成课程最大的特点是它有完整的中文资料、中文语音和字幕以及中文测试题,它为机器学习初学者提供了最实用的的资料。
2018年3月1日

教程 | 如何理解KL散度的不对称性

✄------------------------------------------------
2018年3月1日

学界 | 英特尔提出新型压缩技术DeepThin,适合移动端设备深度神经网络

近年来,机器学习算法越来越广泛地应用于消费者产品中,如个人助手中的语音识别。这些算法依赖于大型权重矩阵将网络中的不同节点之间的关系进行编码。完美情况下,这些算法将直接在客户端设备上运行,如
2018年2月28日

机器学习+区块链:算法商店Algorithmia推出DanKu,用以太坊合约交易ML模型

协议不需要信用机制,它排除了用中间人协助交换机器学习模型的需要。这种游戏规则的改变将进一步为多数人降低进入机器学习领域的门槛,有可能让开源机器模型的数量小幅增加。
2018年2月28日

资源 | 微软开源MMdnn:实现多个框架之间的模型转换

https://github.com/Microsoft/MMdnn/releases/download/0.1.3/mmdnn-0.1.3-py2.py3-none-any.whl
2018年2月28日

前沿 | 受AlphaGo启发,AI重建量子系统新方法登上Nature Physics

构成)。这一阶段将优化网络参数(λ,µ)以最大化数据集似然度,使得|Ψ_λ,µ(x^|b|)|^2≃|Ψ(x^|b|)|^2,即让网络表征的量子态逼近真实的量子态。一旦完成训练,Ψ_λ,μ(x)
2018年2月28日

业界 | 前微软城市计算负责人郑宇出任京东金融首席数据科学家

在加盟京东金融之前,郑宇先生是微软亚洲研究院城市计算领域的负责人,他提出了「城市计算」的理念,是城市计算领域的先驱和奠基人。城市计算作为一个新兴学科已经在国际上获得广泛的认可和关注。
2018年2月28日

业界 | 哪家GPU云提供商最合适?也许这份评测能给你答案

原文链接:https://rare-technologies.com/machine-learning-benchmarks-hardware-providers-gpu-part-2/
2018年2月27日

使用Faster R-CNN、ResNet诊断皮肤病,深度学习再次超越人类专家

深度学习算法通常能解决在大数据中检测模式的专业性任务,而人类难以把握大数据的规律。在这个案例中,韩国的研究者发现可以用微软研究院开发的深度学习算法帮助医生从数字照片中识别可能的灰指甲感染病例。
2018年2月27日

资源 | DeepPavlov:一个训练对话系统和聊天机器人的开源库

是制定训练、推断过程和生成特征的主要类。如果模型需要其它模型生成特征,那么就需要将其传递到构造函数和配置文件中。所有的模型可根据需要嵌套,例如
2018年2月27日

业界 | OpenAI发布8个仿真机器人环境和HER实现:可用于训练实体机器人模型

更快的信息传播:大多数离策略深度强化学习算法使用目标网络来稳定训练。然而由于变化需要时间来传播,这将会影响训练的速度。此外,我们也在实验中注意到它经常是决定
2018年2月27日

学界 | CVPR 2018接收论文公布,上海交通大学6篇论文简介

预测结构,我们设计了同粒度间信息交互子网络来考虑群体之间的相互影响,以及不同粒度间的信息交互子网络来促进两个粒度上信息的交互,更准确地预测结果。最后整合预测出的两个粒度信息,展示群体交互预测结果。
2018年2月27日

学界 | 通过扭曲空间来执行数据分类:基于向量场的新型神经网络架构

中,可以看到初始的边界层在变换后的空间中转换成了一个超平面。虽然该算法通过弯曲空间和将圆的中心提取到外部而获得了很好的分类结果,它还生成了初始空间不同点的重叠。
2018年2月26日

从基础概念到实现,小白如何快速入门PyTorch

的范式,即每一行代码都要求构建一个图以定义完整计算图的一个部分。即使完整的计算图还没有完成构建,我们也可以独立地执行这些作为组件的小计算图,这种动态计算图被称为「define-by-run」方法。
2018年2月26日

报告 | 普华永道发布2018 AI预测报告:塑造商业策略的8个洞察

许多公司管理人没有看到他们投资大数据的收益。然而业务和技术高管认为他们可以利用这些数据做更多的事情,这其中存在着沟通隔阂。但问题是学习曲线陡峭、工具仍不成熟,且面临着相当大的结构组织方面的挑战。
2018年2月26日

机器之心新年全球招聘:开发、记者、分析师与各类实习生

机器之心是全球化的人工智能信息服务平台,一直为人工智能从业者提供高质量知识及商业信息,主营业务包括媒体、报告、数据库产品、活动和产品服务等。不久前,机器之心刚刚完成
2018年2月26日

专访 | 周明:如果用一个词形容NLP圈的2017,我选「想象」

取得突破的话,那么知识获取就会突破,推理就会突破,解题、回答问题、预测等能力都会取得突破。」微软亚洲研究院副院长周明说。他认为,语言一旦突破,会带动认知智能的突破,带动整个人工智能的突破。1999
2018年2月26日

教程 | 通过Python实现马尔科夫链蒙特卡罗方法的入门级应用

上图中,每个数据点都用点表示,点的强度显示在特定时间的观测数量。我的手表只能记录我入睡的那一分钟,所以为了扩大数据量,我在精确时间的两边增加以分钟为单位的数据点。举例而言,如果我的手表显示我在晚上
2018年2月25日

从数学到实现,全面回顾高斯过程中的函数最优化

中所有点的均值是线性的,并且在测量值附近每个点处的方差减小。如果你有兴趣仔细推导这个结果,可以参考我们的附录,在那里有两个推导。但是,在接下来的正文中,我们仅简单地探讨这个公式的应用。
2018年2月25日

专访 | 这位「计算」的信徒,要用机器智能塑造城市的未来

是阿里非常重要的技术部门。城市大脑不是阿里一家可以完成的,是不同企业在整个产业上的创新,同时还要协调城市各个部门。更重要的是,城市大脑是杭州市的城市大脑,不是阿里的,阿里只是帮杭州市做城市大脑而已。
2018年2月25日

CVPR 2018 | 美国东北大学提出MoNet,使用紧密池化缓解特征高维问题

将图像的局部表示嵌入成既具有代表性、又不受轻微噪声影响的特征,是很多计算机视觉任务中的重要一步。在深度卷积神经网络(CNN)成功之前,研究人员使用手动的连续独立步骤解决该问题。典型包括
2018年2月25日

既能欺骗机器,也能迷惑人类!Goodfellow等人提出新一代对抗样本

研究者对上述问题进行了严密研究,为机器学习和神经科学互相学习创造了机会。神经科学通常为机器学习提供存在证明——我们研究对象识别算法之前,先假设有可能构建成功,因为人脑能够识别对象。详情可查看
2018年2月24日

深度 | 让机器思考与互相理解:DeepMind提出机器心智理论神经网络ToMnet

ToMnet,它使用元学习通过观察智能体的行为而对它们进行建模。通过该过程,该网络得到一个对智能体行为具备强大先验知识的模型,同时能够利用少量行为观测对智能体特征和心理状态进行更丰富的预测。我们将
2018年2月24日

AAAI 2018 | 腾讯AI Lab现场陈述论文:训练L1稀疏模型的象限性消极下降算法

范数正则模型是一种常用的高维数据的分析方法。对于现代大规模互联网数据上的该模型,研究其优化算法可以提高其收敛速度,进而在有限时间内显著其模型准确率,或者降低对服务器资源的依赖。经典的随机梯度下降
2018年2月24日

入门 | 强化学习的基本概念与代码实现

在电子游戏中,这个目标是以最高的分数完成游戏,所以游戏过程中每一次得到的额外分数都会影响智能体随后的行动;也就是说,智能体可能学会:为了最大化它的得分,他应该射击战舰,触碰硬币或者躲避流星。
2018年2月24日

前沿 | 剧本自动生成电影:杜克大学提出AI视频生成新方法

原文链接:http://www.sciencemag.org/news/2018/02/new-algorithm-can-create-movies-just-few-snippets-text
2018年2月24日

中科院、阿里云联合发布11量子比特云接入超导量子服务,郭光灿团队64比特量子仿真打破IBM Q记录

虽然对于开发真实量子计算机的研究人员来说,现有小数量量子比特的量子计算算力服务远远不够,但是用户可以通过该服务学习量子计算的基本算法思想,并可以在大规模物理硬件实现之前运行和试验量子算法。
2018年2月23日

专访 | 百度8年,3次进阶,这是实践者王海峰的AI技术征途

初期的时候,我把目标定得比较细,会把团队各方面都理好。后期团队已经运行得比较成熟了,我开始往后退。退的意思是我抓最重要的,最宏观的事,甚至我选好几个最重要的人,盯一盯,其他事我就可以适当放手了。
2018年2月23日

ICLR 2018 | 斯坦福大学论文通过对抗训练实现可保证的分布式鲁棒性

MNIST(b)进行实验的鲁棒性保证(11)(蓝色)和样本外(out-of-sample/测试)最差情况下的性能(红色)之间的经验性比较。在(11)中省略了统计误差项
2018年2月23日

深度 | 像玩乐高一样拆解Faster R-CNN:详解目标检测的实现过程

卷积特征图将图片的所有信息编码到深度的维度上,同时保留着原始图片上目标物体的相对位置信息。例如,如果图片左上角有一个红色矩形,经过卷积层的激活,那么红色矩形的位置信息仍然保留在卷积特征图的左上角。
2018年2月23日

想击败英伟达?可能得十家以上不同垂直领域的深鉴科技,这就是AI芯片的「行情」

现在,英伟达也属于这种情况。它的软件环境做得很牛,技术积累也非常深厚。全球正面击败英伟达?我觉得几乎没可能。谁能击败英伟达?可能是十家或者几十家像深鉴科技这样的公司在不同垂直领域里分别击败英伟达。
2018年2月22日

教程 | GitHub项目:利用不完整的数据样本补全不完整的图像

AmbientGAN。在三个基准数据集上,我们用不同的测量模型证明了该模型无论定性上还是定量上都能获得大幅提升。用我们的方法训练的生成模型可以获得
2018年2月22日

业界 | 百度提出机器阅读理解技术V-NET,登顶MS MARCO数据集榜单

V-NET,它使用了一种新的多候选文档联合建模表示方法,通过注意力机制使不同文档产生的答案之间能够产生交换信息,互相印证,从而更好地预测答案。值得注意的是,此次百度只凭借单模型(single
2018年2月22日

ICLR 2018 | 阿姆斯特丹大学论文提出球面CNN:可用于3D模型识别和雾化能量回归

的基本要素,并提出了球面互相关的定义,表达力强且具有旋转等变性。如此定义的球面互相关满足广义傅里叶定理,因此可以用广义(非交换的)快速傅里叶变换(FFT)算法高效计算。本文展示了球面
2018年2月22日

报告 | 牛津、剑桥、OpenAI 等多家机构发布重磅报告,论述恶意人工智能的「罪与罚」

的发展不是扩展现有威胁的唯一力量。机器人技术的发展和硬件成本下降(包括算力和机器人)也很重要。例如,廉价业余无人机的普及(可以轻松装运爆炸物)使得近期非国家组织(如伊斯兰国)发动空袭成为可能。
2018年2月22日

业界 | 百度人机交互新研究:仅用少量样本生成高质量多说话者语音

通过超越单个说话者语音合成的局限,我们证明了单个系统可以学习生成几千个说话者身份,每个说话者只需要少于半小时的训练数据。我们通过在说话者之间学习共享的和区分的信息获得了这种性能。
2018年2月21日

入门 | 机器学习研究者必知的八个神经网络架构

7383??。如果我们做得正确,这个程序将像处理训练集上的样本一样来处理新样本。如果数据改变,程序也可以通过训练新数据改变。你应该注意到,目前大量的计算比支付给程序员编写一个特定任务的程序便宜。
2018年2月21日

波士顿动力放出新视频:谁都挡不住机器狗开你的门

原文链接:https://www.wired.com/story/watch-a-human-try-to-fight-off-that-door-opening-robot-dog/
2018年2月21日

超越Adam,从适应性学习率家族出发解读ICLR 2018高分论文

论文中,研究者分析了这些基于指数移动均值方法的缺点,并严格地证明了少数较大梯度会影响收敛的效果。限制更新只依赖于少数历史梯度确实会引起显著的收敛性问题,该论文的作者也明确表明他们该论文的主要贡献为:
2018年2月20日

入门 | 一文看懂卷积神经网络

原文链接:https://towardsdatascience.com/a-deeper-understanding-of-nnets-part-1-cnns-263a6e3ac61
2018年2月20日

前沿 | MIT开发神经网络专用芯片:能耗降低95%,适合移动端设备

从下面一层多个节点接收数据的每个节点将使每个输入乘对应连接的权重,然后再求和。该运算(对相乘结果求和)即是点积的定义。如果点积超过阈值,则该节点通过具备自身权重的连接将其传输至下一层的节点。
2018年2月19日

2017年,机器之心贡献过的开源项目

AI和Gamalon机器之心「AI00」三月最新榜单:新增DataRobot与值得关注的Neuralink机器之心「AI00」四月最新榜单:新增人工智能网络安全公司Cylance和Sift
2018年2月18日

陈天奇等人提出TVM:深度学习自动优化代码生成器

月机器之心曾对其进行过简要介绍。该技术能自动为大多数计算硬件生成可部署优化代码,其性能可与当前最优的供应商提供的优化计算库相比,且可以适应新型专用加速器后端。近日,这项研究的论文《TVM:
2018年2月17日

灵魂追问 | 教程那么多,你……看完了吗?

如何使用TensorFlow中的高级API:Estimator、Experiment和Dataset
2018年2月17日

新年新气象,低调的机器之心决定高调一次!

过去,机器之心几乎把所有的时间都放在内容、产品、和产业服务上,把所有的精力都用来为从业者服务。所以在读者和合作伙伴看来有些「太过低调」,以至于很多人不知道我们的用户量、业务范围及成绩、获得的荣誉等。
2018年2月15日

业界 | Facebook发布Tensor Comprehensions:自动编译高性能机器学习核心的C++库

该工具的出现让研究者与程序员们可以使用符号编写层,这种方式与论文中使用的,用以描述程序的简洁数学表达方式相同。这意味着人们可以快速方便地将这种表达转化为实现,此前需要数天的任务目前仅需数分钟的时间。
2018年2月15日

业界 | ARM放大招发布Trillium项目:包含神经网络软件库和两种AI处理器

提供集成解决方案,包括机器学习处理器和目标检测处理器。在实时目标识别任务中,目标检测处理器首先分离出感兴趣区域,比如人脸。这样,机器学习处理器就能够分析更少的像素,以实现更快、更精细的结果。
2018年2月14日

谷歌云TPU服务正式全面开放:「AlphaGo背后的芯片」进入商用化

RetinaNet(https://github.com/tensorflow/tpu/blob/master/models/official/retinanet/README.md)
2018年2月13日

业界 | 深度学习计算哪家强?最新云端&单机GPU横评

(https://www.nvidia.com/en-us/geforce/products/10series/geforce-gtx-1080-ti/)
2018年2月12日

教程 | 概率编程:使用贝叶斯神经网络预测金融市场价格

上图是一些数据样本——蓝线对应价格变化,黄线对应推特数变化,绿色对应大盘变化。它们之间存在某种正相关(0.1—0.2)。因此我们希望能利用好这些数据中的模式对模型进行训练。
2018年2月10日

机器之心「AI00」一月榜单:前谷歌自动驾驶首席工程师创立Nuro

为此,我们邀请人工智能领域的科学家、技术专家、产业专家、专业投资人和读者加入进来,共同完成这项人工智能的长期研究。如果你对「AI00」感兴趣,可在公众号对话框回复「AI00」(注:字母
2018年2月9日

前沿 | DeepMind提出新型架构IMPALA:帮助实现单智能体的多任务强化学习

此外,一些环境包括「bots」,可以执行内部的目标导向动作。同样重要的是,不同级别的任务目标和奖励也不同,从遵循语言命令、使用钥匙开门、采蘑菇,到绘画、沿着一条复杂、不可逆的路径行走。
2018年2月8日

302页吴恩达Deeplearning.ai课程笔记,详记基础知识与作业代码

在这一章节中,我们将尝试实现神经风格迁移,并使用算法生成新颖的艺术风格图像。在神经风格迁移中,重点是我们需要优化成本函数获得像素的值。如下所示,我们使用某张图像的风格,并迁移到需要这种风格的图像中:
2018年2月8日

机器之心最干的文章:机器学习中的矩阵、向量求导

这一部分在机器学习中遇到的不多(毕竟常见的情况是求一个标量损失函数对其他变量的导数),不是特别重要,不过偶尔在凸优化里会碰到一些。这里收集整理这几个式子主要是为了资料完整、查阅方便。以下假定
2018年2月7日

快速开启你的第一个项目:TensorFlow项目架构模板

作为配置方法,接着解析它,因此写入所有你想要的配置,然后用"utils/config/process_config"解析它,并把这个配置对象传递给所有其他对象。
2018年2月6日

学界 | 商汤联合提出基于FPGA的快速Winograd算法:实现FPGA之上最优的CNN表现与能耗

memory)中是不切实际的。在本论文的设计中,研究者将输入和输出通道分成多组。每个组仅包含一部分滤波器。研究者在需要时按组加载滤波器。为方便陈述,下文中假设只有一组。
2018年2月6日

「量子霸权」提出者John Preskill展望NISQ新时代下量子计算的11大应用前景

时代的技术的不完美表现,我们可能难以验证一台量子计算机给出的答案是否正确。对于物理学家尤其感兴趣的量子模拟问题而言尤其如此。所以继续寻找验证量子计算机输出的更好方法对于研究者而言是非常重要的。
2018年2月4日

搞事!ICLR 2018七篇对抗样本防御论文被新研究攻破,Goodfellow论战

2013),近期人们对于构建防御对抗样本,增加神经网络鲁棒性的研究越来越多。尽管人们对于对抗样本的认识已经提升,相关的防御方法也有提出,但迄今为止并没有一种完整的解决方法出现。对于
2018年2月3日

Capsule官方代码开源之后,机器之心做了份核心代码解读

选择的是『SAME』,那么输出特征图的高和宽就与输入张量的宽和高。我们注意到执行卷积操作具体的函数为前面定义的_depthwise_conv3d,该函数将返回经过
2018年2月2日

专栏 | 自动选模型+调参:谷歌AutoML背后的技术解析

注意到了神经网络结构会对结构产生巨大影响,但是找到最优的结构需要耗费大量的人力和物力,并且对于一个新的数据集还需要投入同样的资源搜索合适的结构,这样的人工搜索是不能够
2018年2月2日

入门 | 机器学习新手必看10大算法

近邻算法)。最相似的近邻(最佳匹配的码本向量)通过计算每个码本向量和新数据实例之间的距离找到。然后返回最佳匹配单元的类别值或(回归中的实际值)作为预测。如果你重新调整数据,使其具有相同的范围(比如
2018年2月1日

终于!吴恩达deeplearning.ai第5课开课了:敲黑板序列模型

本课程将讲授如何构建自然语言、音频和其他序列数据的模型。在深度学习的帮助下,序列算法比两年前效果更好,用于大量有趣的应用,如语音识别、音乐合成、聊天机器人、机器翻译、自然语言理解等。学完本课,你将:
2018年2月1日

教程 | 从零开始:TensorFlow机器学习模型快速部署指南

代码,详见:http://nbviewer.jupyter.org/github/BVLC/caffe/blob/master/examples/00-classification.ipynb。
2018年1月31日

专栏 | 想免费用谷歌资源训练神经网络?Colab详细使用教程

http://download.pytorch.org/whl/cu75/torch-0.2.0.post3-cp27-cp27mu-manylinux1_x86_64.whl
2018年1月31日

AAAI 2018 | 时空图卷积网络:港中文提出基于动态骨骼的行为识别新方案

近日,香港中文大学提出一种时空图卷积网络,并利用它们进行人类行为识别。这种算法基于人类关节位置的时间序列表示而对动态骨骼建模,并将图卷积扩展为时空图卷积网络而捕捉这种时空的变化关系。
2018年1月31日

吴恩达宣布启动AI Fund:1.75亿美金进军AI创投

吴恩达:当我在百度的时候,我们会同时建立多种业务,我认为不同的人应该做不同的事。你知道,在人工智能变革互联网公司中,我为自己所扮演的角色已经相当自豪。但现在我想要变革更多的产业——所以我建立了
2018年1月30日

学界 | ICLR 2018接收论文公布:接收率高达42.7%

等方法都是基于使用前面迭代所产生梯度平方的指数滑动平均值,在对该滑动平均值取平方根后用于缩放当前梯度以更新权重。指数均值的贡献是积极的:这种方法应该防止学习率在学习过程中变得逼近无穷小,这也是
2018年1月30日

前谷歌自动驾驶首席工程师朱佳俊创立的Nuro,今天正式发布Level 4无人配送车

分钟内收到购买的商品。同城快递在中国已经非常发达,但是在美国由于人工贵和人口密度小,快递是非常昂贵的。由此导致了在美国,很多领域的网上购物渗透率仍然很低,比如网上生鲜购物只有
2018年1月30日

公告 | 机器之心完成 A 轮融资,坚持全球化,探索新产品

上轮融资后,机器之心在内容、数据产品、全球化布局、活动和产业服务等方面都取得了快速发展,在保证持续输出高质量内容的同时,也对新产品和新服务进行了积极拓展并取得了显著效果。
2018年1月29日

如何解决90%的自然语言处理问题:分步指南奉上

79.5%!详见代码:https://github.com/hundredblocks/concrete_NLP_tutorial/blob/master/NLP_notebook.ipynb
2018年1月28日

AI创业公司融资新记录,三大国有银行共同投资第四范式

其次,战略投资也意味着银行将第四范式视为长远发展的重要伙伴,也是对第四范式未来发展潜力与合作空间的认可。对于人工智能+银行的未来应用方式,第四范式的思路是未来企业的智能核心。内置领先的
2018年1月27日

专栏 | 后RCNN时代的物体检测及实例分割进展

物体检测。对关系的描述可以提高计算机视觉模型的效果是大家的共识,但是本篇论文是少有的成功运用关系的论文。Relation
2018年1月27日

就喜欢看综述论文:情感分析中的深度学习

背后的思想是强制隐藏层发现更鲁棒的特征,并阻止自编码器简单地学习恒等变换。也就是说,模型应该在存在噪声时仍能重构输入。这种技术也体现在情感分析中,例如从文档中删除或添加一些文字不应该改变文档的语义。
2018年1月26日

一次搞定多种语言:Facebook展示全新多语言嵌入系统

但是,该方法也有一些缺陷。首先,翻译中的误差会传输给分类器,导致性能下降。其次,它要求对我们想进行分类的非英语内容另外启用翻译服务。这导致分类产生极大延迟,因为翻译的耗时通常比分类要长。
2018年1月25日

专栏 | Detectron精读系列之一:学习率的调节和踩坑

多个组都发表了论文对这一问题进行了理论和实验的讨论,首先我们对这些论文的结果做一个简要的总结。三篇论文研究类似,但是每一篇相对于前一篇都有改进。
2018年1月25日

教程 | 如何在Python中快速进行语料库搜索:近似最近邻算法

Imdb。对于我的语料库,我会使用词嵌入对,但该说明实际上适用于任何类型的嵌入:如音乐推荐引擎需要用到的歌曲嵌入,甚至以图搜图中的图片嵌入。
2018年1月24日

专栏 | 从论文到测试:Facebook Detectron开源项目初探

Namespace(cfg_file='configs/getting_started/tutorial_1gpu_e2e_faster_rcnn_R-50-FPN.yaml',
2018年1月24日

机器学习老中医:利用学习曲线诊断模型的偏差和方差

在预测电厂的电能输出的时候,会生成学习曲线。(图源:Pexels:https://www.pexels.com/photo/black-metal-current-posts-157827/)
2018年1月23日

资源 | 整合全部顶尖目标检测算法:FAIR开源Detectron

更多详细的使用文档请查看:https://github.com/facebookresearch/Detectron/blob/master/GETTING_STARTED.md。
2018年1月23日

AAAI 2018 | 腾讯提出自适应图卷积神经网络,接受不同图结构和规模的数据

研究哪种图最适合某种监督学习任务是很有意思的。例如,化学键自然地为化合物构建出一个内在图。但是,它无法保证内在图上的卷积器能够提取所有有意义的特征。因此,我们训练了一个「残差图」(residual
2018年1月21日

教程 | Prophet:教你如何用加法模型探索时间序列数据

而且,每周趋势没有如预期显示出意义。经济学中的随机游走理论指出,股票价格每天都没有可预测的模式。正如我们的分析所证明的那样,长期来看,股票往往会上涨,但在每日来看,几乎没有我们可以利用的模式。
2018年1月21日

学界 | 谷歌提出机器对话Self-Play框架M2M,提高自动化程度

selfplay,自对话」的概念,也就是两个或者多个对话智能体通过选择离散对话行为进行交互,以尽可能地生成对话历史。在此研究中,作者部署了一个基于日程的用户模拟器智能体
2018年1月20日

李彦宏登上时代周刊封面,百度研究院全面升级

技术平台体系(AIG)总负责人、百度研究院院长王海峰表示,这是百度研究院新征程的开始。百度研究院将聚焦前瞻基础研究,布局百度人工智能未来发展方向,服务百度作为人工智能公司的长期发展战略。
2018年1月19日

学界 | AAAI 2018获奖论文提前揭晓:两大奖项花落阿尔伯塔、牛津

计算一个特定智能体的优势函数而解决了这一问题,该函数对比了当前联合动作的评估回报与边际化单一智能体动作的反事实基线,同时保持其他智能体的动作不变。这类似于计算一个贵族效用(aristocrat
2018年1月18日

业界 | 李飞飞、李佳宣布发布Cloud AutoML:AI技术「飞入寻常百姓家」

在野外部署了很多相机陷阱,在受到热或移动触发的时候拍摄经过的动物。这些设备捕捉到的几百万张照片需要进行手动分析和用相关物种标注,例如大象、狮子和长颈鹿等,这是一项劳力密集和代价昂贵的工作。ZSL
2018年1月18日

机器之心年度奖项Synced Machine Intelligence Awards正式发布

年,是全球智能芯片领域的先行者,旨在打造各类智能云服务器、智能终端以及智能机器人的核心处理器芯片。寒武纪科技是全球第一个成功流片并拥有成熟产品的智能芯片公司,拥有终端和服务器两条产品线。2017
2018年1月18日

从零开始,教初学者如何征战Kaggle竞赛

在机器学习中,我们通常会设计「元学习」以结合小模型的多个预测而生成更好的最终预测,这种方法一般可称为集成学习。特别的,当我们结合一些决策树为单个集成模型,我们可以将其称之为「Bootstrap
2018年1月17日

入门 | 从遗传算法到强化学习,一文介绍五大生物启发式学习算法

Optimisation)是两种最广为人知的「集群智能」算法。从基础层面上来看,这些算法都使用了多智能体。每个智能体执行非常基础的动作,合起来就是更复杂、更即时的动作,可用于解决问题。
2018年1月17日

AAAI 2018 | 双流束网络:北理工提出深度立体匹配新方法

信息,因此引导(guidance)的深度维度不变。因此,对每个建议的不同评估遵循相同的引导。在对每个建议评估之后,模型使用胜者通吃策略来选出最佳聚合值,形成聚合成本值。
2018年1月17日

教程 | 如何优雅而高效地使用Matplotlib实现数据可视化

和谷歌搜索查找一些信息。此外,新用户将发现混淆问题有多个解决方案,但是这些问题看起来类似却不完全相同。从我的个人经验来讲,我们从以前的代码中可以看出有一些
2018年1月16日

入门 | 想实现DCGAN?从制作一张门票谈起!

GAN(https://towardsdatascience.com/semi-supervised-learning-with-gans-9f3cb128c5e),以此获得半监督学习上的应用。
2018年1月16日

1.65亿天使融资背后,是时候把「百度」标签从林元庆身上摘下了

然而,这种「紧迫性」,只能让我们从他已经完成的任务清单上获得些许实感;而面对他本人时所呈现出的状态,实际上恰恰相反:气定神闲,还捎带着一些兴奋与跃跃欲试。这就很容易让人产生一种错觉,好像他正站在一个
2018年1月16日

学界 | 谷歌大脑提出Adversarial Spheres:从简单流形探讨对抗性样本的来源

与图像模型中类似的现象出现了:大多数从数据分布中随机选择的点被正确分类了,然而未被正确分类的点和不正确的输入很「相近」。即使在测试误差小于百万分之一的时候,这种现象仍然会发生。
2018年1月16日

业界 | 斯坦福博士李纪为成立AI金融公司香侬科技,获红杉中国数千万天使投资

在金融领域中,让信息能更容易地为大众所获取是一个很有意义的方向。在国内,随着国民生活水平的提高,投资需求正在逐渐升温,越来越多的人们正在将眼光伸向股票、基金,甚至债券、期货等二级市场方向上的投资。
2018年1月15日

资源 | Synonyms:一个开源的中文近义词工具包

如果我们想把单词输入机器学习模型,除非使用基于树的方法,否则需要把单词转换成一些数值向量。一种直接的方法是使用「one-hot
2018年1月14日

从香农熵到手推KL散度:一文带你纵览机器学习中的信息论

原文链接:https://medium.com/swlh/shannon-entropy-in-the-context-of-machine-learning-and-ai-24aee2709e32
2018年1月14日

每个Kaggle冠军的获胜法门:揭秘Python中的模型集成

幸运的是,今天每个流行的编程语言里都有很多可用的工具包——虽然它们有着不同的风格。在本文的末尾我会列举其中的一些。现在,让我们选用其中的一个,看看集成方法是如何处理政治捐款数据集的。在这里,我们使用
2018年1月13日

学界 | 循环神经网络自动生成程序:谷歌大脑提出「优先级队列训练」

就可以计算奖励信号。你可以将代码长度罚分或执行速度纳入奖励信号,进而搜索高效的短程序。因此,相比训练过程中需要程序或正确输出的其他方式,基于奖励的程序合成具备更高的灵活性。
2018年1月13日

教程 | 用数据玩点花样!如何构建skim-gram模型来训练和可视化词向量

下图展示了我们将要构建网络的一般结构(图片来源:http://mccormickml.com/2016/04/19/word2vec-tutorial-the-skip-gram-model/)。
2018年1月13日

前端慌不慌?用深度学习自动生成HTML代码

目前,自动化前端开发的最大阻碍是计算能力。但我们已经可以使用目前的深度学习算法,以及合成训练数据来探索人工智能自动构建前端的方法。在本文中,作者将教神经网络学习基于一张图片和一个设计模板来编写一个
2018年1月12日

盘点 | Jeff Dean撰文回顾谷歌大脑2017:从基础研究到新硬件

原文链接:https://research.googleblog.com/2018/01/the-google-brain-team-looking-back-on.html
2018年1月12日

入门 | 将应用机器学习转化为求解搜索问题

1982.(http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.121.5764&rep=rep1&type=pdf)
2018年1月11日

斯坦福完全可解释深度神经网络:你需要用决策树搞点事

这是一个严格但权威的定义。以医院生态系统为例:给定一个模仿性模型,医生可以轻松检查模型的每一步是否违背其专业知识,甚至推断数据中的公平性和系统偏差等。这可以帮助从业者利用正向反馈循环改进模型。
2018年1月10日

机器之心「AI00」十二月榜单:紧盯AI人才的京东

为此,我们邀请人工智能领域的科学家、技术专家、产业专家、专业投资人和读者加入进来,共同完成这项人工智能的长期研究。如果你对「AI00」感兴趣,可在公众号对话框回复「AI00」(注:字母
2018年1月10日

专栏 | 清华大学刘知远:在深度学习时代用HowNet搞事情

在验证了分布式表示学习与义原知识库之间的互补关系后,我们进一步提出,是否可以利用词汇表示学习模型,对新词进行义原推荐,辅助知识库标注工作。为了实现义原推荐,我们分别探索了矩阵分解和协同过滤等方法。
2018年1月9日

荐号 | 如何优雅地读懂支持向量机SVM算法

本文转自公众号“超级数学建模”(微信ID:supermodeling),以最好玩的方式科普数学知识,最强数学干货分享,被称为“3~99岁都可以关注的数学科普公众号”,由多名企业与高校KDD专家维护。
2018年1月9日

业界 | 情绪激动的陆奇在CES发布阿波罗2.0,带着黑眼圈的景鲲又扩大了DuerOS的朋友圈

PopIn,你可以把这款产品看作是一款安装在天花板上的「智能音箱」。虽然·它名为一个智能投影仪,但是它既可以是一个投影仪、又可以是一个可以放歌的智能扬声器,还能是一盏灯…
2018年1月9日

教程 | 如何为神经机器翻译配置编码器-解码器模型?

原文链接:https://machinelearningmastery.com/configure-encoder-decoder-model-neural-machine-translation/
2018年1月7日

学界 | 几张贴纸就让神经网络看不懂道路标志,伯克利为真实环境生成对抗样本

英尺)。在真实情况下,这个距离对汽车而言太近了,根本无法采取有效的补救措施。请关注我们即将发布的论文,其中包含了有关该算法的更多细节以及针对当前最佳的物体检测器的实体扰动的结果。
2018年1月6日

教程 | AI玩微信跳一跳的正确姿势:跳一跳Auto-Jump算法详解

值是(245,245,245),这就让我找到了一个非常简单并且高效的方式,就是直接去搜索这个白点,注意到白点是一个连通区域,像素值为(245,245,245)的像素个数稳定在
2018年1月6日

从90年代的SRNN开始,纵览循环神经网络27年的研究进展

神经网络的深层架构相比浅层架构可以指数量级高效地表征函数。虽然由于每个隐藏状态都是所有过去隐藏状态的函数,使得循环神经网络在时间上就是内在的深度网络,但是人们已证明其内在运算实际上是很浅层的
2018年1月5日

学界 | 神奇的面包机!谷歌造出对抗样本的实体版

被生成之后,可以在互联网上广泛传播,其他攻击者也可以打印和使用。此外,这种攻击使用了大幅度的扰动,而现存的防御小幅度扰动攻击的技术可能无法泛化到大幅度扰动的攻击。实际上,最近的研究表明在
2018年1月4日

入门 | 迁移学习在图像分类中的简单应用策略

总体而言,迁移学习有两种策略,不过我还没有看到关于命名的最终一致意见。微调(finetuning)——其中包括使用基础数据集上的预训练网络以及在目标数据集中训练所有层;冻结与训练(freeze
2018年1月4日

打响新年第一炮,Gary Marcus提出对深度学习的系统性批判

当然,深度学习本身只是数学;上面给出的所有问题中没有任何一个是因为深度学习的底层数学存在某种漏洞。一般而言,在有足够的大数据集时,深度学习是一种用于优化表征输入与输出之间的映射的复杂系统的完美方法。
2018年1月3日

入门 | 蒙特卡洛树搜索是什么?如何将其用于规划星际飞行?

实现这一目标的一种方法是利用这些行星的引力场(就像电影《火星救援》中那样),这样做可以节省燃料。问题在于到达和离开每个行星表面或轨道的最佳时机是怎样的(对于起点和终点的两个行星,仅有到达和离开)。
2018年1月1日

业界 | Facebook 开源语音识别工具包wav2letter(附实现教程)

https://www.open-mpi.org/software/ompi/v2.1/downloads/openmpi-2.1.2.tar.bz2
2018年1月1日

机器之心学生读者福利:这些大学、教授在招博士生

Lab。实验室主要研究自然语言处理,多模态的机器学习和交互技术。现在有两位博士生,四位研究生和两个本科生。我们有很好的企业联系,做的研究有实际的应用场景。我们跟
2018年1月1日

入门 | 完全云端运行:使用谷歌CoLaboratory训练神经网络

深度学习是一种机器学习技术,它使用的计算技术一定程度上模仿了生物神经元的运行。各层中的神经元网络不断将信息从输入传输到输出,直到其权重调整到可以生成反映特征和目标之间底层关系的算法。
2017年12月31日

2017年的10大AI顶会,风起云涌的故事 | 机器之心年度盘点

中,研究者探讨了一种风险最小化和随机优化的方法,该方法可以为方差提供一个凸属性的替代项,并允许在逼近和估计误差间实现近似最优与高效计算间的权衡。他们证明了该过程具有最优性保证(ertificates
2017年12月31日

从基础知识到实际应用,一文了解「机器学习非凸优化技术」

本文旨在讲述这一实现的历史,以及从机器学习和信号处理应用的角度中学得的经验。本文将介绍非凸优化问题和可获取对此类问题极具扩展性解决方案的大量结构。本文将认真分析和利用额外的任务结构,证明之前避免的
2017年12月30日

机器之心年度盘点:2017年人工智能领域度备受关注的科研成果

可以直接生成原始音频波形,能够在文本转语音和常规的音频生成上得到出色的结果。但就实际应用而言,它存在的一个问题就是计算量很大,没办法直接用到产品上面。因此,这个研究课题还有非常大的提升空间。
2017年12月30日

教程 | 用生成对抗网络给雪人上色,探索人工智能时代的美学

看到过这项作品。你可以在他的论文中了解有关该作品的技术细节:https://www.academia.edu/25585807/Autoencoding_Video_Frames,也可阅读他的
2017年12月30日

学界 | 在线深度学习:在数据流中实时学习深度神经网络

算法,使网络结构能随着数据的流入而逐渐扩展、复杂化。这使得模型同时拥有在线学习和深度学习的优点,并在多种在线学习模型和数据集的对比实验中都取得了当前最佳结果。
2017年12月30日

业界 | 无意禁止使用:英伟达官方回应GeForce软件条款更改

会采取与用户沟通的方式,以了解每次未获许可使用驱动程序的原因,并努力评估如何在不降低我们硬件和软件性能和可靠性标准的情况下,最大限度满足用户需求。无论何时,如果任何用户想要以未获许可的方式使用
2017年12月29日

资源 | Style2paints:专业的AI漫画线稿自动上色工具

像素点的提示甚至可以控制半张画幅的颜色。这是一个非常具有挑战性的设计,这也意味着该工具是面向专业用途的(与此同时,其他上色方法的提示笔工具更倾向于嘈杂的提示,对于准确性把握不佳)。
2017年12月29日

AAAI 2018 | 阿尔伯塔大学提出新型多步强化学习方法,结合已有TD算法实现更好性能

Sarsa。这些方法通常用于一步的情况中,但是它们可以扩展到多步以达到更好的性能。其中每一个算法都是针对不同任务的特定算法,没有一个在所有问题上优于其他算法。本论文研究一种新的多步动作价值算法
2017年12月29日

作为TensorFlow的底层语言,你会用C++构建深度神经网络吗?

数据集下载链接:https://github.com/theflofly/dnn_tensorflow_cpp/blob/master/normalized_car_features.csv
2017年12月29日

开发者必读:计算机科学中的线性代数

是机器学习、统计和数据分析的重要新工具。很多精心设计的实现已经在大量问题上超越了高度优化的软件库,如最小二乘回归,同时也具有相当的扩展性、平行计算和分布能力。此外,RandNLA
2017年12月28日

Bi-Weekly | 百度的下一个「手机 AI」时代;纵览2017年全球智能语音交互市场

这些大公司已跳过家庭智能物联网阶段并开始在传统基础行业或智能城市布局。同时,我们也应该注意到这些大公司的智能物联网应用案例更多都在针对亚洲市场,可能是亚洲庞大的人口红利在发挥作用。
2017年12月28日

深度 | 致研究者:2018 AI研究趋势

2(https://deepmind.com/blog/deepmind-and-blizzard-open-starcraft-ii-ai-research-environment/)
2017年12月28日

除了深度学习,你需要知道AI技术的23个方向 | 机器之心首份技术报告

本报告所讨论的「技术(technology)」是一个范围广泛的概念,包含人工智能领域所使用的方法、算法和模型,我们将使用「技术」一词指代这三者。根据参考经典教材、书籍、论文、博客、视频和
2017年12月27日

业界 | 和斯坦福人工智能实验室站在一起的京东,也要all in技术

此外,京东也积极引进人才,继周伯文和前亚马逊首席科学家薄列峰之后,美国伊利诺伊大学香槟分校助理教授彭健也加入京东,研究机器学习、深度学习、强化学习及其在自然语言处理、计算机视觉领域和生物医学的应用。
2017年12月27日

业界 | 英伟达修改GeForce软件使用条款:禁止在数据中心运行深度学习等应用

系列显卡软件上的用户许可协议(EULA)上的部分条款,使得其在服务器端除区块链软件以外,运行其他的所有程序均成为「未经许可的行为」。这意味着开发者们在未来将难以利用云服务器端的
2017年12月26日

圣诞快乐——Keras+树莓派:用深度学习识别圣诞老人

我之前也曾提到过,树莓派并不适用于训练神经网络(除了简单的试玩案例)。但在神经网络训练好了之后,我们可以使用树莓派来部署(当然,这个模型必须足够小,要能放进树莓派的内存中)。
2017年12月25日

教程 | 如何使用深度学习硬件的空余算力自动挖矿

原文链接:https://medium.com/mlreview/using-your-idle-deep-learning-hardware-for-mining-c1b9887491fa
2017年12月25日

一份数学小白也能读懂的「马尔可夫链蒙特卡洛方法」入门指南

认为钟形曲线,或者更一般的说,大数规律只不过是小孩子的游戏和普通的谜题中的伪假象,其中每个事件之间都是完全独立的。他认为现实世界中的互相依赖的事件,例如人类行为,并不遵循漂亮的数学模式或分布。
2017年12月24日

教程 | 经典必读:门控循环单元(GRU)的基本概念与原理

gate)。基本上,这两个门控向量决定了哪些信息最终能作为门控循环单元的输出。这两个门控机制的特殊之处在于,它们能够保存长期序列中的信息,且不会随时间而清除或因为与预测不相关而移除。
2017年12月24日

前沿 | 利用遗传算法优化神经网络:Uber提出深度学习训练新方式

对有志于转向深度神经网络的神经进化研究人员,有几个重要因素值得考虑:首先,这种类型的实验需要的计算量比以前更多;对于这些新论文中的实验,我们经常需要运行成百上千个同步
2017年12月22日

教程 | 如何为单变量模型选择最佳的回归函数

另外,这种方法只适用于单变量模型。单变量模型只有一个输入变量。我会在之后的文章中描述如何用更多的输入变量评估多变量模型。然而,在今天这篇文章中我们只关注基础的单变量模型。
2017年12月22日

教程 | 如何用Docker成为更高效的数据科学家?

v2,参考:https://hub.docker.com/r/hamelsmu/tutorial/tags/。需要指出:如果你公开了你的镜像,那么其他人就可以直接在你的镜像上加层,就像本教程中我们在
2017年12月21日

业界 | 腾讯AI Lab提出Face R-FCN与Face CNN,刷新人脸检测与识别两大测评记录

评测结果曲线,第一行为验证集结果,第二行为测试集结果:http://mmlab.ie.cuhk.edu.hk/projects/WIDERFace/WiderFace_Results.html
2017年12月20日

业界 | 谷歌发布TTS新系统Tacotron 2:直接从文本生成类人语音

merlot),在极端情况下它甚至会随机生成奇怪的噪音。并且,我们的系统目前还不能实时生成语音。此外,我们还无法控制生成的语音,例如使声音听起来开心或悲伤。这些都是很有趣的研究方向。
2017年12月20日

教程 | 理解XGBoost机器学习模型的决策过程

上开源(https://github.com/marcotcr/lime)。本文不打算对此展开讨论,可以参见论文(https://arxiv.org/pdf/1602.04938.pdf)
2017年12月20日

学界 | Science论文揭秘:Libratus如何在双人无限注德扑中击败人类顶级选手

论文链接:http://science.sciencemag.org/content/early/2017/12/15/science.aao1733/tab-pdf
2017年12月19日

吴恩达的最新研究是否严谨?Nature论文作者撰文质疑AI医疗影像研究现状

提取实体是不完美的:我们尝试通过消除疾病说明中的所有可能的否定词和不确定案例以最大程度地发现准确疾病诊断的召回率。诸如『很难排除...』的术语会被当成不确定案例,然后对应的图像会加上「No
2017年12月19日

业界 | 用猪脸识别降低死猪理赔成本?这支学生团队靠「进击的巨猪」打败了商业老兵

陈生强表示:「一年前我们就有一个想法,搭建一个平台来发现更好的团队、创业公司以及人才。我们希望把一些数据和场景连接起来提供给大家,让大家能够实现自己的技术理想,这就是我们举办这个大赛的初衷」
2017年12月19日

资源 | CNN入门材料:《解析卷积神经网络——深度学习实践手册》

魏秀参,南京大学计算机系机器学习与数据挖掘所(LAMDA)博士生,研究方向为计算机视觉和机器学习。曾在国际顶级期刊和会议发表多篇学术论文,并两次获得国际计算机视觉相关竞赛冠亚军。
2017年12月19日

图说 | 刚刚结束的AI盛会NIPS 2017上,你需要知道的所有细节

的原文进一步进行了解(https://unsupervisedmethods.com/nips-accepted-papers-stats-26f124843aa0)。
2017年12月19日

学界 | 谷歌云提出渐进式神经架构搜索:高效搜索高质量CNN结构

个模块的单元。在对它们进行了评估之后,我们再对这个启发式函数进行更新。重复这一过程,直到我们找到带有所想要的模块数量的优良单元。
2017年12月18日

在调用API之前,你需要理解的LSTM工作原理

例如,若最初假设谋杀是通过给被害人下毒完成的,但尸检报告表明死亡原因是「对头部的影响」。那么作为新闻团队的一部分,我们很快就会「遗忘」前面的原因,后主要关注后面的原因而展开报道。
2017年12月18日

资源 | GitHub新项目Deepo:一键安装11项深度学习框架与环境

PyTorch)是噢用共享内存以在进程中共享数据,所以如果使用默认的共享内存分区大小,那么容器运行多进程是不够的。因此我们需要使用
2017年12月18日

业界 | 猪脸识别正式开赛!杨强、车品觉实力助阵,关于刘强东举办的这场大赛,你需要知道更多

京东金融全球数据探索者大赛进入决赛,曾引发热议的「猪脸识别」正是本次比赛的赛题之一。本文为机器之心从大赛现场为你带来的一手报道。
2017年12月17日

深度 | 思考VC维与PAC:如何理解深度神经网络中的泛化理论?

引理(参阅:https://www.cs.princeton.edu/courses/archive/spring14/cos511/scribe_notes/0220.pdf)来证明对于一些常量
2017年12月17日

入门 | 区分识别机器学习中的分类与回归

有些算法既可以用来分类,也可以稍作修改就用来做回归问题,例如决策树和人工神经网络。但是一些算法就不行了——或者说是不太容易用于这两种类型的问题,例如线性回归是用来做回归预测建模的,logistics
2017年12月16日

业界 | 谷歌发布全新端到端语音识别系统:词错率降至5.6%

Spell(LAS)可以将传统自动语音识别(ASR)系统上的声学、发音和语言模型组件集成到单个神经网络中。在我们以前的工作中,我们已经证明了这样的架构在听写任务中与业内顶尖水平的
2017年12月16日

学界 | 李飞飞等人提出MentorNet:让深度神经网络克服大数据中的噪声

的子程序中,随机梯度下降通常需要很多步骤才能实现收敛。这意味着这一单个子步骤可能需要消耗很长的时间。但是,这样的计算往往很浪费,尤其是在训练的初始部分;因为当
2017年12月16日

揭秘深度学习成功的数学原因:从全局最优性到学习表征不变性

在图像任务上的成功,给理论学家带来了很多困惑。如果我们打算揭开其成功的奥秘,那么深度学习的三个核心因素——架构、正则化技术和优化算法,对训练优秀性能的深层网络、理解其必然性和互动尤其关键。
2017年12月16日

吴恩达成立LANDING.AI推进制造业转型,与富士康达成战略合作

行业的巨大变革。在我带领谷歌大脑和百度人工智能团队时,我很有幸在两家领先的互联网公司的人工智能转型中发挥了作用。我切身体会到人工智能给这些企业和他们的用户带来的好处。我们不仅要用人工智能来赋能
2017年12月15日

观点 | 论机器学习和编程语言:ML需要专用的计算机语言吗?

该方法的另一个缺陷是,目前需要上面讨论的元编程。构建和评估表达树对程序员和编译器都是额外的负担。很难进行推断,因为现在代码有两个执行时间,每个具备不同的语言语义(language
2017年12月15日

学界 | Bengio最新论文提出GibbsNet:深度图模型中的迭代性对抗推断

本论文为深度图模型中的学习和推断等新方法提供了理论基础。该算法得出的模型和无向图模型非常相似,但避免了对基于最大似然估计方法进行训练的需求,也缺少了一个明确定义的能量函数,反而该论文通过使用类似
2017年12月15日

猛戳抢票 | 蓦然认知「万物赋声」全球发布会

版的赞赏功能被关闭,可通过二维码转账支持公众号。
2017年12月15日

教程 | 如何使用Keras集成多个卷积网络并实现共同预测

ConvPool-CNN-C[4]。它使用了常见的模式,即每个卷积层连接一个池化层。唯一一个对一些人来说可能不熟悉的细节是其最后的层。它使用的并不是多个全连接层,而是一个全局平均池化层(global
2017年12月15日

观点 | 精通国际象棋的AI研究员:AlphaZero真的是一次突破吗?

https://www.chess.com/news/view/google-s-alphazero-destroys-stockfish-in-100-game-match
2017年12月14日

仅需15分钟,使用OpenCV+Keras轻松破解验证码

登录网站时必须输入的图片验证码可以用来识别访问者到底是人还是机器——这同时也是某种程度上的「图灵测试」,人工智能研究者们寻求破解的方向,让计算机学会破解验证码,我们就距离通用智能更近了一步(前不久
2017年12月14日

深度 | 一文概述2017年深度学习NLP重大进展与趋势

w_sws。基本上,如果词频繁出现在两个域中,这意味着其语义并不依赖于域。这种情况下,迁移量很大,在两个域中产生的嵌入可能相似。但是如果特定域的词在一个域中出现的频率比另一个域频繁得多,则迁移量小。
2017年12月14日

机器之心年度奖项评选Synced Machine Intelligence Awards 2017

候选标准:具有成熟的技术解决方案和商业模式,工程技术和研究能力出众,在垂直领域建立了技术和市场门槛,相较竞争对手有更大的发展潜力,拥有与自身技术实力和商业能力相匹配的财务情况。
2017年12月13日

学界 | Jeff Dean新提出机器学习索引替代B-Trees:可提速3倍

guarantee),并且最强大的机器学习模型——神经网络通常被认为其评估过程非常耗能。然而,作者认为这些问题都不是问题。相反,作者认为使用学习模型的建议拥有很大的潜在价值,特别是对于下一代的硬件。
2017年12月13日

刚刚,李飞飞在谷歌开发者大会宣布谷歌AI中国中心正式成立

职场生涯里,无论是作为十几年的教授,还是谷歌云的首席科学家,都曾经和一直与很多中国学生、博士后、研究者、技术专家有过合作。她对此深感荣幸,毫不夸张地说:「如果没有他们卓越的贡献就没有我今天的成就。」
2017年12月13日

资源 | 谷歌开源TFGAN:轻量级生成对抗网络工具库

模型可以轻松获取未来基础设施改善带来的便利。在这里,你可以从大量已实现的损失和功能中进行选择,无需重新编写自己的模型。最后,这些代码都经过了完整测试,你不必担心使用
2017年12月13日

业界 | NIPS 现场:一文看清阿里巴巴三大部门如何发力人工智能

作为世界最顶尖的机器学习和神经网络学术会议,NIPS(神经信息处理系统进展大会)在过去的两年敞开大门,邀请工业界的巨头们搭设展台,展示他们在人工智能上的研究和商业成果。今年是阿里巴巴第二次参加
2017年12月12日

教程 | 从头开始在Python中开发深度学习字幕生成模型

tokenizer、最大序列长度和所有描述和图像的词典,该函数将这些数据转换成输入-输出对来训练模型。该模型有两个输入数组:一个用于图像特征,一个用于编码文本。模型输出是文本序列中编码的下一个单词。
2017年12月12日

学界 | 启发式搜索:华为提出通用人工智能工程方法

人工设计方法一般指的是元学习。元学习是一个很宽泛的概念,因为它还只处于早期发展阶段,其中有很多种工程方法,但只有少数几种的研究目标和这篇论文所定义的人工智能是一致的。其中包括了:基于梯度预测的方法
2017年12月12日

深度 | 理解神经网络中的目标函数

一直以来,我都想明白为何神经网络可以从概率的角度来加以解释,以及它们为什么适合作为广义的机器学习模型框架。人们喜欢把网络的输出作为概率来讨论。那么,神经网络的概率解释与其目标函数之间是否存在联系呢?
2017年12月12日

2017 ACM Fellow名单出炉:杨强、马毅、芮勇等多位华人入选

年获清华大学自动化系与数学系双学位,后赴美国加利福尼亚大学伯克利分校求学。毕业后在美国伊利诺伊大学香槟分校任教,并成为该校电气与计算机工程系历史上最年轻的副教授。2009
2017年12月12日

学界 | 英特尔&丰田联合开源城市驾驶模拟器CARLA

来研究三种自动驾驶方法的性能:传统的模块化流水线,通过模仿学习训练得到的端到端模型,通过强化学习训练得到的端到端模型。这三种方法在难度递增的受控环境中做了评估,并用
2017年12月11日

从零开始:教你如何训练神经网络

本文是作者关于如何「训练」神经网络的一部分经验与见解,处理神经网络的基础概念外,这篇文章还描述了梯度下降(GD)及其部分变体。此外,该系列文章将在在后面一部分介绍了当前比较流行的学习算法,例如:
2017年12月11日

资源 | 一文盘点10大移动端机器学习框架

是由微软开发的强大工具包,它在企业级应用上尤其常用,所有最常用的神经网络(如前馈神经网络、循环神经网络、并行神经网络)都可以使用同样的代码开发。大量内置功能简便了验证、API
2017年12月11日

业界 | 谷歌发布机器学习工具库Kubeflow:可提供最佳OSS解决方案

和身份验证进行生产部署,参见文档:https://github.com/google/kubeflow/blob/master/components/jupyterhub。
2017年12月11日

学界 | 继图像识别后,图像标注系统也被对抗样本攻陷!

与仅由卷积神经网络(CNN)构成的图像识别分类器相比,图像标注系统由于涉及机器视觉和自然语言生成两个方面,结构更为复杂(Encoder-Decoder
2017年12月10日

分布式TensorFlow入坑指南:从实例到代码带你玩转多机器深度学习

"/Users/matthew/tensorflow/lib/python3.6/site-packages/tensorflow/python/framework/errors_impl.py",
2017年12月10日

NIPS大会最精彩一日:AlphaZero遭受质疑;史上第一场正式辩论与LeCun激情抗辩;元学习&强化学习亮点复盘

在研究中发现,一个四岁的小孩可以理性地从条件概率推断复杂的因果结构;在面对新证据后,会整合和推翻先前的知识;推断出未观察过的结构;推断出抽象的分层超假设;在物理、生物和心理学领域推断出理论知识。
2017年12月9日

观点 | NIPS 2017经典论文奖获得者机器学习「炼金术」说引热议,LeCun发起反驳

坚持一套方法仅仅因为它的理论比较充分,并因此忽视另一套实践效果更好的方法,仅仅因为缺乏理论理解,这种做法何异于缘木求鱼(原文:就像你在街灯下找丢失的车钥匙,虽然心里明明知道丢钥匙的地方并不在这)。
2017年12月8日

深度 | 从修正Adam到理解泛化:概览2017年深度学习优化算法的最新研究进展

是一种最新的巧妙技术,其使用热启动以在训练单个模型的时候不需要额外的代价就能集合多组参数。该方法训练单个模型直到使用余弦退火方案达到收敛(如上所述),然后保存模型参数,进行一次热启动,再重复这些过程
2017年12月7日

不只是围棋!AlphaGo Zero之后DeepMind推出泛化强化学习算法AlphaZero

摘要:国际象棋是人工智能史上被研究最为广泛的领域。解决国际象棋问题最为强大的技术是通过复杂搜索技术、特定领域的适应性调整以及人类专家几十年来不断手动编写改进的评估函数。相比之下,AlphaGo
2017年12月7日

机器之心「AI00」十一月榜单:OpenAI科学家创立Embodied Intelligence

为此,我们邀请人工智能领域的科学家、技术专家、产业专家、专业投资人和读者加入进来,共同完成这项人工智能的长期研究。如果你对「AI00」感兴趣,可在公众号对话框回复「AI00」(注:字母
2017年12月6日

现场 | NIPS举办了第一场记者发布会:请媒体警惕这波AI热潮

然而,并没有多少记者对论文的内容和其影响提问;相反,记者们更愿意关心机器学习或者大众所理解的人工智能是否会对社会、经济、工作、移民等方面产生深远的影响。「深度学习会如何影响工作和经济?」「GPU
2017年12月6日

听说你用JavaScript写代码?本文是你的机器学习指南

等于一批数据点的一次正向传播和一次反向传播。以批次的方式训练神经网络有两个好处:第一,这样可以防止密集计算,因为算法训练时使用了内存中的少量数据点;第二,这样可以让神经网络更快地进行批处理,因为每个
2017年12月6日

现场报道 | NIPS 2017首日亮点全解读:四大获奖论文结果揭晓

Systems,NIPS)于美国加州长滩的会展中心正式开幕。作为人工智能和机器学习领域最重要的盛会,来自计算机科学领域的各路专家和业界人士汇集于此,将在未来的五天里共同讨论和分享人工智能的前沿想法。
2017年12月5日

教程 | Kaggle网站流量预测任务第一名解决方案:从模型到代码详解时序预测

局部特征。我们看到一个趋势时,希望它会继续(自回归模型)朝这个趋势发展;看到流量峰值时,知道它将逐渐衰减(滑动平均模型);看到假期交通流量增加,就知道以后的假期也会出现流量增加(季节模型)。
2017年12月5日

教程 | 如何用深度学习处理结构化数据?

在机器学习/深度学习或任何类型的预测建模任务中,都是先有数据然后再做算法/方法。这也是某些机器学习方法在解决某些特定任务之前需要做大量特征工程的主要原因,这些特定任务包括图像分类、NLP
2017年12月4日

资源 | Mozilla开源语音识别模型和世界第二大语音数据集

项目(https://voice.mozilla.org/)。该项目的目标是使人们能轻松地将他们的语音数据贡献到一个公开数据集上,从而建立一个所有人都可用于训练新的具备语音功能应用的语音数据集。
2017年12月3日

学界 | 何恺明等人提出新型半监督实例分割方法:学习分割Every Thing

研究者将一个用来预测类别的实例分割参数的参数化权重迁移函数设计为边界框检测参数函数,从而实现该理念的具像化。权重迁移函数可以使用带有掩码标注的类别作为监督在
2017年12月2日

视频 | 机器之心线上分享第三期:深度神经网络-随机三元化梯度下降和结构化稀疏

深度学习对计算资源的巨量需求严重阻碍了我们在有限计算力的设备中部署大规模深度神经网络(DNN)。在本研究中,我们提出了一种结构化稀疏学习(Structured
2017年12月2日

盘点52个全球人工智能和机器学习重要会议

https://bootstraplabs.com/artificial-intelligence/applied-artificial-intelligence-conference-2017/
2017年12月2日

观点 | 双盲评审靠谱吗?这篇谷歌&清华论文也许能给出答案

同行评审可以是「单盲」(single-blind),即评审人知道论文作者的名字和所在机构;也可以是「双盲」,即无法查看此类信息。注意到计算机科学研究通常先于杂志或者只出现在同行评审会议中,我们在第
2017年12月2日

专访 | 入选福布斯榜单之后,俞舟和我们聊了聊「多模态对话系统」

planning)。比如你某部分做的不够投入,我们会给你一些鼓励,每个人的对话都会不一样。所以说我的工作很多就是去针对不同的用户,对每个人会有一个独特的交互规划。我的会话模型很多也用到了强化学习。
2017年11月30日

六种改进均未超越原版:谷歌新研究对GAN现状提出质疑

Distance,FID)通过衡量真数据与假数据的嵌入差异进行计算。假设编码层遵循多变量高斯分布,则分布之间的距离会减小到相应高斯之间的Frechet距离。谷歌研究人员称,该工作做出了以下贡献:1.
2017年11月30日

业界 | 解释深度神经网络训练全过程:谷歌发布SVCCA

后(右图),两个网络学得的隐藏表征确实有很多相似的特征。注意上面两行表示对齐的特征图接近一致,次高的对齐特征图也是一样(下面两行)。此外,右图中的对齐映射还表明类界限(class
2017年11月29日

学界 | Hinton提出泛化更优的「软决策树」:可解释DNN具体决策

2013)以从一个类似于数据分布的分布中生成合成无标签数据。即使没有使用无标签数据,仍然有可能通过使用一种称为蒸馏法(distillation,Hinton
2017年11月29日

专访 | 前OpenAI科学家辞职创立智能机器人公司,我们和他们的CEO聊了聊

团队现阶段的团队构成、技术优势、产业资源积累来看,他们以美国为起点,攻克技术难点和典型应用,并做出影响力,然后再调动在中国的行业资源,把技术和产品带到中国的应用场景里,是比较合理、合适的。」
2017年11月29日

前沿 | DeepMind提出新型超参数最优化方法:性能超越手动调参和贝叶斯优化

随着不断地对神经网络群体进行训练,不断反复进行开发和探索的步骤(详见拟合目标函数后验分布的调参利器:贝叶斯优化),算法能确保所有的个体都有非常好的基础性能水平,且都能进行一定的超参数新探索。这意味着
2017年11月28日

入门 | 目标函数的经典优化算法介绍

你可能会想,「如果我们的学习率太大,会发生什么?」。如果步长过大,则算法可能永远不会找到如下的动画所示的最佳值。监控代价函数并确保它单调递减,这一点很重要。如果没有单调递减,可能需要降低学习率。
2017年11月27日

教程 | 如何用TensorFlow在安卓设备上实现深度学习推断

更重要的是,边缘计算不仅为物联网世界带来了人工智能,还提供了许多其他的可能性和好处。例如,我们可以在本地设备上将图像或语音数据预处理为压缩表示,然后将其发送到云。这种方法解决了隐私和延迟问题。
2017年11月26日

计算机视觉这一年:这是最全的一份CV技术报告

http://www.securitynewsdesk.com/hikvision-ranked-no-1-scene-classification-imagenet-2016-challenge/
2017年11月26日

教程 | 如何用百度深度学习框架PaddlePaddle做数据预处理

Code:https://github.com/PaddlePaddle/Paddle/blob/develop/python/paddle/v2/reader/creator.py
2017年11月25日

入门 | 如何构建稳固的机器学习算法:Boosting&Bagging

语句组成。因此,如果把一个数据集变更成新的数据集,则新数据集可能在底层特征中与之前的数据集存在一些偏差或区别。该模型不可能准确。原因在于数据无法非常好地拟合数据(前向声明)。
2017年11月25日

教程 | 一文入门Python数据分析库Pandas

给程序员提供了极大的便捷,但同时也产生了一个巨大的缺点。因为程序员能瞬间找到问题的答案并获得满足感,导致人们不愿意仔细阅读自己拥有的文献和其他资源了。其实我建议程序员每年花几个星期的时间不用
2017年11月24日

学界 | Facebook何恺明等人最新论文提出非局部神经网络

而在处理视频等序列化数据时,传统cnn的这种局限性就显得尤为严重了。比如在记录一场网球比赛的视频中,每一帧都能很容易的检测到他的手握拍在哪,一个卷积核就能覆盖位置也就是手腕周围的区域。
2017年11月23日

教程 | 初学者如何学习机器学习中的L1和L2正则化

和岭回归系数估计是由椭圆和约束函数域的第一个交点给出的。因为岭回归的约束函数域没有尖角,所以这个交点一般不会产生在一个坐标轴上,也就是说岭回归的系数估计全都是非零的。然而,Lasso
2017年11月23日

Titan XP值不值?一文教你如何挑选深度学习GPU

对我来说,选择一个强大的图形处理器最重要的理由是节省时间和开发原型模型。网络训练速度加快,反馈时间就会缩短。这样我就可以更轻松地将模型假设和结果之间建立联系。
2017年11月23日

教程 | 只需15分钟,使用谷歌云平台运行Jupyter Notebook

http://repo.continuum.io/archive/Anaconda3-4.0.0-Linux-x86_64.shbash
2017年11月22日

比特币突破8000美元,我们找到了用DL预测虚拟货币价格的方法

不幸的是,使用单点预测评估时间序列模型很普遍。使用多点预测测量准确率可能会更好,用这种方法,之前预测的误差不会被重设,而会组合到后续的预测中。因此,性能较差的模型将得到更多的惩罚。用数学公式定义即:
2017年11月22日

资源 | 吴恩达deeplearning.ai第四课学习心得:卷积神经网络与计算机视觉

原文链接:https://towardsdatascience.com/computer-vision-by-andrew-ng-11-lessons-learned-7d05c18a6999
2017年11月22日

视频 | NIPS 2017线上分享第二期:利用价值网络改进神经机器翻译

束搜索是一种启发式搜索算法,会以从左向右的形式保留得分最高的部分序列扩展。特别是,它保存了一群候选的部分序列。在在每个时间步上,该算法将都会通过添加新词的方法扩展每一个候选部分语句,然后保留由
2017年11月22日

观点 | 低门槛究竟是深度学习的危机,还是契机?

展示,以说服客户接受你的产品。我大部分的时间都用于扩展云服务器群集,用于传输数据。对于机器学习「专家」来说,学习如何让模型在大规模数据中运行得更快,比提出一个新模型更加有用。
2017年11月21日

资源 | 利用深度强化学习框架解决金融投资组合管理问题(附 GitHub 实现)

摘要:金融投资组合管理是将资金不断分配到不同的金融产品,以期获得更大累计收益的过程。本文展示了一个不使用金融模型的强化学习框架,为投资组合管理问题提供深度机器学习解决方案。该框架包括
2017年11月21日

初学机器学习的你,是否掌握了这样的Linux技巧?

原文链接:http://alexpetralia.com/posts/2017/6/26/learning-linux-bash-to-get-things-done
2017年11月21日

教程 | 在Python和TensorFlow上构建Word2Vec词嵌入模型

输出层中输出的概率更高。例如,如果我们的文本数据集有许多苏斯博士(Dr.Seuss)的书籍,我们希望通过神经网络,像「the」,「sat」和「on」这样的词能得到更高概率(给出很多诸如「the
2017年11月20日

代码优化指南:人生苦短,我用Python

我们现在可以看到更详细的细节。让我们稍微研究一下这个输出。这是这个脚本的整个输出,每一行你可以看到调用的次数、运行它所用的时间(秒)、每次调用的时间和占全局时间的比例。此外,pprofile
2017年11月20日

学界 | 深度梯度压缩:降低分布式训练的通信带宽

2010)。分布式训练广泛使用了同步随机梯度下降(SGD)。通过增加训练节点的数量和利用数据并行的优势,可以极大减少在同等规模训练数据上的前向-反向通过的总计算时间。但是,梯度交换(gradient
2017年11月19日

即将放弃Python 2.7的不止有Numpy,还有pandas和这些工具

https://github.com/numpy/numpy/blob/master/doc/neps/dropping-python2.7-proposal.rst
2017年11月18日

教程 | 如何估算深度神经网络的最优学习率

schedule):如何在训练过程中改变学习率。传统的观点是,随着时间推移学习率要越来越低,而且有许多方法进行设置:例如损失函数停止改善时逐步进行学习率退火、指数学习率衰退、余弦退火等。
2017年11月17日

从硬件配置到框架选择,请以这种姿势入坑深度学习

虚拟机创建了一个教程(https://medium.com/@abhikprince/setting-up-an-azure-vm-for-deep-learning-bb76b453272b)。
2017年11月17日

学界 | 吴恩达团队展示全新医疗影像识别技术:肺炎诊断准确率超过人类医生

与四名人类放射科医师在敏感度(衡量正确识别阳性的能力)以及特异性(衡量正确识别阴性的能力)上进行比较。放射科医生的个人表现以橙色点标记,平均值以绿色点标记。CheXNet
2017年11月16日

业界 | 谷歌发布自然语言框架语义解析器SLING

使用一种专用的循环神经网络模型,通过对框架图的增量编辑操作对输入文本的输出表示进行计算。反过来,框架图非常灵活,可以捕捉很多用户感兴趣的语义任务(下面会具体介绍)。SLING
2017年11月16日

教程 | 深度强化学习入门:用TensorFlow构建你的第一个游戏AI

链接:https://github.com/JannesKlaas/sometimes_deep_sometimes_learning/blob/master/reinforcement.ipynb
2017年11月16日

NIPS 2017最佳论文出炉:CMU「冷扑大师」不完美信息博弈研究获奖

translation)。最后,我们展示了当博弈沿着博弈树向下进行时,子博弈求解可能会重复进行,从而大大降低可利用性。我们应用这些技术开发了能在一对一无限注德州扑克单挑中打败顶尖人类选手的第一个
2017年11月16日

终于!谷歌移动端深度学习框架TensorFlow Lite正式发布

中提出,且它能在有限计算力和储存能力的移动设备上高效地运行。通过高效的「投影」操作,我们可以将任何输入转换为紧凑的向量表示,即类似的输入根据投影的类型被投影到密集或稀疏的近邻向量。例如消息「hey,
2017年11月15日

深度 | 详解可视化利器t-SNE算法:数无形时少直觉

因为分布是基于距离的,所以所有的数据必须是数值型。我们应该将类别变量通过二值编码或相似的方法转化为数值型变量,并且归一化数据也是也十分有效,因为归一化数据后就不会出现变量的取值范围相差过大。
2017年11月14日

自创数据集,使用TensorFlow预测股票入门

此外,网络隐藏层中的每一个神经元还需要有激活函数进行非线性转换。激活函数是网络体系结构非常重要的组成部分,因为它们将非线性引入了系统。目前有非常多的激活函数,其中最常见的就是线性修正单元
2017年11月12日

教程 | 基于遗传算法的拼图游戏解决方案

遗传算法的终止条件对于确定它的运行何时结束是很重要的。人们观察到在最初的时候,遗传算法进展非常快,每几次迭代都会产出更好的解决方案,但是在后期的改进非常小的时候,往往会趋于饱和。
2017年11月12日

资源 | Github项目:斯坦福大学CS-224n课程中深度NLP模型的PyTorch实现

视频:https://www.youtube.com/watch?v=OQQ-W_63UgQ&list=PL3FW7Lu3i5Jsnh1rnUwq_TcylNr7EkRe6
2017年11月12日

从遗传算法到OpenAI新方向:进化策略工作机制全解

迄今,上述算法的直观缺点在于,抛弃了大部分的方案,只保留了部分最佳的方案。其实,那些不好的方案保留了关于「不要做什么」的关键信息,对于更好地计算、评估下一代有重要作用。许多研究强化学习的人会对于这篇
2017年11月11日

教程 | 如何为时间序列数据优化K-均值聚类速度?

Data)是按时间排序的数据,利率、汇率和股价等都是时间序列数据。时间序列数据的时间间隔可以是分和秒(如高频金融数据),也可以是日、周、月、季度、年以及甚至更大的时间单位。数据分析解决方案提供商
2017年11月11日

视频 | NIPS 2017线上分享第一期:新型强化学习算法ACKTR

研究人员发现另一种异步实现的替代方案,即一个同步的且非随机的实现。该实现等待每个行为完成自己的经验段的收集再执行更新。这个算法的一大优势是对于大批次数据的处理,它可以更好的利用
2017年11月10日

良心GitHub项目:各种机器学习任务的顶级结果(论文)汇总

库提供了所有机器学习问题的当前最优结果,并尽最大努力保证该库是最新的。如果你发现某个问题的当前最优结果已过时或丢失,请作为问题提出来(附带:论文名称、数据集、指标、源代码、年份),我们会立即更正。
2017年11月10日

斯坦福大学秋季课程《深度学习理论》STATS 385开讲

Bruna、Mallat、Mhaskar、Poggio、Papyan等人那里,试图建立神经网络背后的理论体系。在最初的背景介绍课程之后,几个论文作者将对自己的工作进行专门讲解。本课程共有
2017年11月9日

资源 | Richard Sutton经典教材《强化学习》第二版公布(附PDF下载)

在本书的最后一部分我们将把眼光放到第一、二部分中介绍标准的强化学习思想之外,简单地概述它们和心理学以及神经科学的关系,讨论一个强化学习应用的采样过程,和一些未来的强化学习研究的活跃前沿。
2017年11月8日

教程 | 如何使用TensorFlow和自编码器模型生成手写数字

代码:https://github.com/FelixMohr/Deep-learning-with-Python/blob/master/VAE.ipynb
2017年11月8日

学界 | 批训练、注意力模型及其声纹分割应用,谷歌三篇论文揭示其声纹识别技术原理

通过一个单独的声纹模型同时支持这两个唤醒词,并支持不同地域的口音。即使用户只用一个唤醒词完成声纹注册,当用户使用另一个唤醒词时,声纹识别依然能做到极高的准确率(EER
2017年11月8日

为什么XGBoost在机器学习竞赛中表现如此卓越?

本论文详细说明了权重函数影响拟合的确定的方式,并且表明树提升可以被看作是直接在拟合阶段考虑偏置-方差权衡。这有助于邻域保持尽可能大,以避免方差不必要地增大,而且只有在复杂结构很显然的时候才会变小。
2017年11月8日

机器之心「AI00」十月榜单:卡耐基梅隆大学数位博士开创的Solvvy

为此,我们邀请人工智能领域的科学家、技术专家、产业专家、专业投资人和读者加入进来,共同完成这项人工智能的长期研究。如果你对「AI00」感兴趣,可在公众号对话框回复「AI00」(注:字母
2017年11月7日

学界 | Bengio等人提出图注意网络架构GAT,可处理复杂结构图

2017)的形式类似,其中对象之间的关系(用卷积神经网络提取图像中的区域特征)通过应用一种共享机制将所有的对象两两配对然后聚合而成。他们在三种有挑战性的基准测试上验证了提出的方法:Cora
2017年11月6日

现场报道 | 硅谷最干货大会之一AI Frontiers 详解全球投资热区和5大应用趋势

Google、Amazon、Facebook、Nvidia、Uber、EA、麦肯锡、阿里巴巴的代表,分享了语音助手、机器人、无人车、视频理解和游戏等领域在今年的最新趋势。
2017年11月5日

先读懂CapsNet架构然后用TensorFlow实现,这应该是最详细的教程了

5,即前面使用了五个卷积核执行卷积操作。这五个卷积核有不同的权重,但每一个卷积层使用一个卷积核的权重是一样的,所以下图五层特征中每一层特征都是通过一个卷积核得出来的,也就是该层共享了权重。
2017年11月5日

学界 | 面向星际争霸:DeepMind 提出多智能体强化学习新方法

analysis)来计算新的元策略分布。研究者为去中心化执行进行中心化训练:策略以分离的神经网络的形式呈现,智能体之间没有梯度共享或架构共享。基本形式使用中心化支付矩阵(payoff
2017年11月4日

业界 | 腾讯AI Lab获得计算机视觉权威赛事MSCOCO Captions冠军

(Captions),需要同时对图像与文本进行深度的理解与分析,相比其他三个任务更具有挑战性,因此也吸引了更多的工业界(Google,IBM,Microsoft)以及国际顶尖院校(UC
2017年11月4日

在大家热议Vicarious AI那篇Science论文时,我们和这家公司的CTO聊了聊(回应LeCun批判)

connections)。在人类的视觉系统中,横向连接能够保证人类理解物体轮廓的连续性;将人类视觉的特征应用到递归皮质网络上时,横向连接允许递归皮质网络在池化的过程中不会失去特异性,从而增加不变性。
2017年11月3日

学界 | 无监督神经机器翻译:仅需使用单语语料库

系统对嵌入进行随机初始化,然后在训练过程中对其进行更新,而我们在编码器中使用预训练的跨语言嵌入,这些嵌入在训练过程中保持不变。通过这种方式,编码器获得语言独立的词级表征(word-level
2017年11月3日

入门 | 一文概览深度学习中的激活函数

本文从激活函数的背景知识开始介绍,重点讲解了不同类型的非线性激活函数:Sigmoid、Tanh、ReLU、LReLU、PReLU、Swish,并详细介绍了这些函数的优缺点。
2017年11月2日

离散优化代替反向传播:Pedro Domingos提出深度学习新方向

基于这一框架,随后我们开发了递归算法,一个可行的目标传播(FTPROP),用来学习深度硬阈值网络。由于这是一个离散优化问题,我们开发了启发法以设置基于每层损失函数的目标。FTPROP
2017年11月2日

Bi-weekly | AWS推出最苛刻机器学习应用P3 instances;日产将推出1级自主驾驶系统Propilot

月份开始测试新闻付费订阅功能。媒体可以选择设置「通用免费模式」或「收费墙模式」,设置「收费墙模式」后,用户在阅读一定数量的免费文章后,只有成为付费用户才能阅读更多内容。据悉,Facebook
2017年11月1日

终于!TensorFlow引入了动态图机制Eager Execution

issues),地址:https://github.com/tensorflow/tensorflow/tree/master/tensorflow/contrib/eager/README.md
2017年11月1日

攻略 | 虽然票早已被抢光,你可以从机器之心关注NIPS 2017

结束后将大群拆成各个领域的小群,大家根据自己所在或者感兴趣的领域选择加入。接下来就厉害了,我们会设置主题月系列活动,包括技术话题讨论、线上分享、线下会面、资料共享,甚至是……
2017年11月1日

专访 | 昆仑数据首席科学家田春华:人工智能降低了工业大数据分析的门槛

届。往年的竞赛题目包括「涡轮发动机的剩余寿命预测」、「齿轮箱异常检测」、「晶圆化学机械平坦化异常分类」等,今年则聚焦于「城轨车辆悬挂系统异常检测」。
2017年11月1日

教程 | 百行代码构建神经网络黑白图片自动上色系统

ImageDataGenerator(https://keras.io/preprocessing/image/)调整图像生成器的设置。这样,每个图像都不一样,从而提高学习率。shear_range
2017年10月31日

教程 | 基于Keras的LSTM多变量时间序列预测

原文链接:https://machinelearningmastery.com/multivariate-time-series-forecasting-lstms-keras/
2017年10月30日

资源 | CMU统计机器学习2017春季课程:研究生水平

2:表征一个隐马尔可夫模型的有向图。灰色的结点是我们能观察到的,而白色的结点表征的是隐马尔可夫链中的状态,它是不能观察到的。下图将有向边替换为无向边并不会改变独立性关系。
2017年10月30日

从标题到写作流程:写好一篇论文的十条基本原则

以下是优化论文结构的十条简单规则。前四条规则适用于论文的所有部分,以及其他沟通形式,比如许可和海报。中间四条规则有关论文主要部分各自的主要目标。最后两条规则为有效构建论文原稿提供了过程启发式的指导。
2017年10月30日

综述论文:当前深度神经网络模型压缩和加速方法速览

提出的方法是首先修剪不重要的连接,重新训练稀疏连接的网络。然后使用权重共享量化连接的权重,再对量化后的权重和码本(codebook)使用霍夫曼编码,以进一步降低压缩率。如图
2017年10月29日

终于,Geoffrey Hinton那篇备受关注的Capsule论文公开了

会通过其自身的输出乘以权重矩阵来计算一个「预测向量」。如果这个预测向量与可能的父节点输出存在一个大的标量积,则存在自上而下的反馈,使得该父节点的耦合系数上升,其他父节点的耦合系数下降。这增加了
2017年10月28日

业界 | OpenAI提出新型机器人训练技术:模拟环境动态随机

我们还使用强化学习的方法在模拟环境中训练了一个机器人端到端的模型,并且将得到的策略部署在实际机器人上。所构建的系统能够在不使用特殊传感器的情况下将视觉直接映射到动作上,并且能够适应视觉的反馈。
2017年10月28日

资源 | 清华大学发布OpenNE:用于网络嵌入的开源工具包

模型输入/输出/评测接口,并且修订和复现了目前比较经典的网络表征学习模型。该项目还在持续开发中,作者还提供了与未扩展模型的比较结果。
2017年10月28日

资源 | 从数组到矩阵的迹,NumPy常见使用大总结

执行矩阵乘法,即点积。执行该乘法的前提是左边矩阵的列数(每行的元素)必须等于右边矩阵的行数,否则就会报错。此外,根据矩阵乘法的定义,左乘和右乘也不一样,这一点我们需要注意。
2017年10月28日

入门 | 请注意,我们要谈谈神经网络的注意机制和使用方法

注意机制能够扩展神经网络的能力:它们允许近似更加复杂的函数,用更直观的话说就是能关注输入的特定部分。它们已经帮助提升了自然语言处理的基准表现,也带来了图像描述、记忆网络寻址和神经编程器等全新能力。
2017年10月27日

学界 | Vicarious发表Science论文:概率生成模型超越神经网络

当前人工智能的兴起主要基于深度学习的发展,但是这种方法并不能让计算机像人类一样通过学习少量样本就能将知识泛化到很多种问题中去,这也意味着系统应用范围受限。最近,知名人工智能创业公司
2017年10月27日

17岁高中生都发AI论文了!OpenAI实习生提出分层强化学习新算法

这对人类来讲易如反掌。即使你是第一次做食谱,也无需重新学习如何做焦糖洋葱和筛面粉。相反,机器学习软件通常不得不重复漫长的训练过程才能解决新问题——甚至面对包含相同元素的问题也不例外。
2017年10月27日

教程 | 如何利用C++搭建个人专属的TensorFlow

在实际过程中,C++可能并不适合做这类事情。我们可以在像「Oaml」这样的函数式语言中花费更少的时间开发。现在我明白为什么「Scala」被用于机器学习中,主要就是因为「Spark」。然而,使用
2017年10月26日

入门 | 吴恩达Deeplearning.ai 全部课程学习心得分享

多任务学习迫使单个神经网络同时学习多个任务(和每一个任务都配置单独的神经网络相反)。吴恩达解释道,当任务集合通过共享低级特征获得学习增益,以及每一个任务的数据量规模相似的时候,这种方法能工作得很好。
2017年10月26日

修改一个像素,就能让神经网络识别图像出错

用于识别图片中物体的神经网络可以被精心设计的对抗样本欺骗,这个问题目前在计算机视觉领域备受关注。此前,生成对抗样本通常需要向原图片中加入一些特定的噪点(参见:经得住考验的「假图片」:用
2017年10月26日

ICCV 2017奖项公布:最大赢家何恺明获最佳论文,参与最佳学生论文

方法集中于稀疏、困难的样例中的训练,避免了训练过程中可能出现的大量负面因素。为了评估新损失函数的有效性,我们设计和训练一个简单的密度检测器——RetinaNet。我们的研究结果表明,当使用
2017年10月25日

学界 | 百度发布Deep Voice 3:全卷积注意力机制TTS系统

转换器网络以解码器最后的隐藏层的激活值为输入,应用了多个非卷积模块,然后为下行的信号模型生成模型预测参数。和解码器不同,转换器是非因果的和非自动回归的,因此它可以利用未来的解码器语境预测输出。
2017年10月25日

业界 | 深鉴科技宣布4000万美元A+轮投资,发布多款新产品

如今,人工智能公司应用深度学习,将面临着越来越复杂的数据类型和数据量,因此,增强计算能力和改善带宽成为了深度学习计算硬件厂商的常规应对方法。比如升级内存,或从双通道增加到多通道,或者在计算芯片上集成
2017年10月25日

观点 | 三大特征选择策略,有效提升你的机器学习水准

现实世界的问题并没有开源数据集,其中更没有与问题相关的信息。而特征选择有助于你最大化特征相关性,同时降低非相关性,从而增加了构建较好模型的可能性,并减小模型的整体大小。
2017年10月23日

业界 | ​不只是朋友圈的「网红」,猎户星空的AI技术已落地小雅、小米两大音箱和Live.me

声音」。此前,小米联合创始人王川也曾在接受采访时对猎户星空给予了高度的肯定。闵可锐表示,由于合成出来的声音是能够直接与用户产生联系的,所以团队非常看重声音的选型,也在这方面投入了非常多的时间和精力。
2017年10月23日

教程 | 无需复杂深度学习算法,基于计算机视觉使用Python和OpenCV计算道路交通

该项目的完整代码地址:https://github.com/creotiv/object_detection_projects/tree/master/opencv_traffic_counting
2017年10月22日

教程 | 用于金融时序预测的神经网络:可改善移动平均线经典策略

这篇文章介绍了如何使用神经网络实现金融时序预测,也暂时完结了该系列教程。坦白讲,我们无法使用神经网络来预测价格趋势。我们考虑不同的数据源和目标,认真处理过拟合和优化超参数。我们得出的结论是:
2017年10月21日

业界 | 起售价3899元,华为Mate 10系列AI手机国内正式发布

种物体和场景,并对这些场景的拍照效果进行优化。同时,在文字等特定内容的拍摄中,人工智能技术让华为的摄像头实现了高倍变焦情况下更高清晰度的效果。在与
2017年10月21日

谷歌大脑提出新型激活函数Swish惹争议:可直接替换并优于ReLU?(附机器之心测试)

个全连接隐藏层的神经网络。通过构建更复杂的网络,我们希望能增加优化和推断的困难,因此更能体现两个激活函数的区别。虽然增加模型复杂度很可能会产生过拟合现象,但我们只需要对比
2017年10月21日

DeepMind AlphaGo Zero引爆业内,创造者现身Reddit问答

搜索,我们显著提升了策略和自我对弈的结果,接着我们使用简单的基于梯度的更新训练下一个策略+价值网络。这要比累加的、基于梯度的策略提升更加稳定,并且不会遗忘先前的成果。
2017年10月20日

报名 | 百度AI开发者实战营第二站成都来袭,报名正式启动

活动自预告以来,收获了大批开发者关注,深圳站更是吸引了近500多名参与者到场,共享这场开发者的技术盛宴。在实战环节,PaddlePaddle团队带领现场开发者动手操作,让深度学习变得“触手可及”。
2017年10月20日

观点 | Facebook田渊栋盛赞DeepMind最新围棋论文:方法干净标准,结果好

都没有太大进展的原因,大家用手调特征加上线性分类器,模型不对路,就学不到太好的东西。一句话,重点不在左右互搏,重点在模型对路。
2017年10月20日

业界 | 地平线宣布近亿美元A+轮融资,英特尔投资领投

据介绍,地平线将用本轮融资来加速技术产品研发和商业落地,打造以人工智能处理器架构和算法软件系统为核心的关键技术,并面向自动驾驶和智能城市等重大应用场景,推出系统级嵌入式人工智能解决方案。
2017年10月20日

资源 | 谷歌发布人类动作识别数据集AVA,精确标注多人动作

原文地址:https://research.googleblog.com/2017/10/announcing-ava-finely-labeled-video.html
2017年10月20日

无需人类知识,DeepMind新一代围棋程序AlphaGo Zero再次登上Nature

a:每一次模拟通过选择最大化行动价值Q的边来遍历整棵树,加上上面的(依赖于一个已储存的先验概率P)置信边界U,并访问边的总数N(每遍历一次增加1)。b,叶结点得到扩展,并且相关的位置由神经网络
2017年10月19日

业界 | 详解Horovod:Uber开源的TensorFlow分布式深度学习框架

2.「数据并行」方法在分布式训练上包含在多节点上并行分割数据和训练。在同步情况下,不同批次数据的梯度将在不同节点上分别进行计算,但在节点之间进行互相平均,以对每个节点中的模型副本应用一致化更新。
2017年10月18日

Bi-Weekly | Amazon和Microsoft推出新的Gluon;Google的学习算法正创建另一种学习算法

以及三星等巨头纷纷在加拿大开设分公司或人工智能实验室。当然或许也得益于美国移民法律的严格标准,加拿大向研究人员和创新者开放了一项新的启动签证计划。根据普华永道的报告,AI
2017年10月18日

业界 | 联合Facebook,英特尔发布深度学习系列处理器NNP

在单个芯片上做神经网络计算极大地受到能耗和存储带宽的限制。为了使神经网络的工作负载能获得更大的吞吐量,除了上述的存储技术革新,英特尔还发明了一种新的数值类型,Flexpoint。Flexpoint
2017年10月18日

放弃Python转向Go语言:我们找到了以下9大理由

语言通过函数和预期的调用代码简单地返回错误(或返回调用堆栈)而帮助开发者处理编译报错。虽然这种方法是有效的,但很容易丢失错误发生的范围,因此我们也很难向用户提供有意义的错误信息。错误包(errors
2017年10月18日

观点 | 机器学习新手工程师常犯的6大错误

很多人一旦完成了入门教程之后,就开始在所有的案例中都使用同一种算法。这很常见,他们觉得这种算法的效果和其它算法是一样的。这种假设是很糟糕的,最终会带来很差的结果。
2017年10月16日

教程 | 手把手教你可视化交叉验证代码,提高模型预测能力

完整代码地址:https://github.com/Sagarsharma4244/Cross-Validation
2017年10月16日

深度 | 人工智能如何帮你找到好歌:探秘Spotify神奇的每周歌单

会不断浏览网页,不断寻找有关音乐的博客和其他文本,然后试图分析人们对于特定的艺术家和歌曲评价如何——对于这些歌曲,他们都用了哪些形容词?在讨论歌曲本身的同时,其他哪些艺术家和歌曲被同时提到了?
2017年10月14日

现场报道 | 人工智能老友记:三巨头论剑深度学习新方向

认为现在的智能系统对物理架构理解的很深,却忽略了与环境互动、和人的意识在学习中所发挥的作用。目前的无监督学习训练目标也集中在以图像为主的像素空间,而不是包涵语义、更高级别的抽象空间。
2017年10月14日

学界 | 伯克利提出强化学习新方法,可让智能体同时学习多个解决方案

类似于从通用到特定的迁移过程,我们也可以通过交叉不同的技能将已有策略的新技能组合到一起——甚至无需任何微调。这一思想很简单:取两个软策略,其中每个策略都对应于一个不同的行为集合,然后通过将它们的
2017年10月14日

专栏 | 从2017年顶会论文看Attention Model

通过拟合高斯分布得到所有输入词的影响概率,然后将影响概率作为权重,和输入向量加权求和得到基于位置的影响向量,最后将得到的影响向量作为指定向量,计算所有输入单词的隐含向量与该指定向量的相关度,通过
2017年10月14日

自然语言处理领域重要论文&资源全索引

(https://static.googleusercontent.com/media/research.google.com/en//pubs/archive/41939.pdf)
2017年10月14日

资源 | 如何利用VGG-16等模型在CPU上测评各深度学习框架

文件,因此测试环境将很容易设置。目前这两个网络的参数都是随机生成的,因为我们只需要测试输入数据通过神经网络的测试时间。最后的结果并不能保证绝对正确,但作者希望能与我们共同测试并更新结果。
2017年10月13日

机器之心「AI00」九月榜单:1400万美元A轮融资的TalkIQ

为此,我们邀请人工智能领域的科学家、技术专家、产业专家、专业投资人和读者加入进来,共同完成这项人工智能的长期研究。如果你对「AI00」感兴趣,可在公众号对话框回复「AI00」(注:字母
2017年10月13日

教程 | 盯住梅西:TensorFlow目标检测实战

这可能只是这项有趣研究的开始……后续也许会涉及到如何改进体育战术、囊括更多运动员和验证关联。现在,我们仅仅使用传统的电视直播信息,如果我们使用更清晰或能看到球场全景的摄像头,又会发生什么呢?
2017年10月13日

从Zero到Hero,一文掌握Python关键代码

类(Class)是创建独立对象的蓝图。在现实世界中,我们经常发现很多相同类型的对象。例如车辆,同型号的车辆都有引擎、车轮、座位等组件,而每一辆车都是根据相同的设计图构建且有相同的组件。
2017年10月13日

业界 | 谷歌发布TensorFlow 1.4与TensorFlow Lattice:利用先验知识提升模型准确度

能够对处理有意义的语义输入的大型社区有所帮助。同时,开发团队还在致力于研究可解释性、控制机器学习模型以满足策略目标、使从业者利用他们的先验知识,这是其中的一部分。我们很高兴能够与大家分享。查看我们的
2017年10月12日

学界 | OpenAI竞争性自我对抗训练:简单环境下获得复杂的智能体

范数距离,并把它作为相扑智能体的密集探索奖励。起初,智能体使用这种奖励机制在圈内探索,然后我们逐渐缓慢地将其退化为零,从而智能体开始学会优化竞争奖励,即在余下的训练迭代中,努力把对手推到圈外。
2017年10月12日

在马云金句频出的这场大会上, 什么才是阿里真正想讲的故事?

「阿里云虽然以满足用户的短期需求作为主要出发点,但我们的工程师在这个过程中也会遇到很大的挑战,比如我们做异构计算当中芯片的挑战,数据读写效率的挑战等等,这就需要思考如何让阿里巴巴的技术看得更远。
2017年10月12日

学界 | 中科院开源星际争霸2宏观运营研究数据集MSC

Buro,2014)等能力的智能体是下一步研究的方向,而以上各种能力可以被分为宏观运营(macro-management)与微观操作(micro-management)两个部分。
2017年10月11日

业界 | 刚加入阿里巴巴的施尧耘,想在五年内建起量子计算的体系结构

月,阿里巴巴与浙江省政府、浙江大学共同在杭州成立了之江实验室。在中国风生水起的阿里巴巴,同样在美国布局基础研究。施尧耘的到来不只是研究量子科学,而是要帮助新东家在美国完成基础研究上的突破。
2017年10月11日

Petuum完成9300万美元B轮融资,软银领投,让机器学习落地各行各业

创建了一个高度灵活通用的人工智能操作系统和虚拟化应用界面,使广大用户能够轻松构建几乎所有类型的大规模机器学习或深度学习应用功能,并可同时将多款此类程序插件式地部署在各种企业硬件(包括
2017年10月11日

业界 | 英特尔研发自我学习芯片Loihi:我们正在尝试复制大脑!

通过大量的训练,依赖机器学习的深度学习模型已经在认知层面上取得了重大突破。然而,机器学习依然有它的弊端。如果不提前预设好特定的元素、解决方案以及场景作为训练模型,机器学习的适用性并不尽如人意。
2017年10月10日

中科视拓获数千万pre-A轮融资,机器之心专访山世光

另一种是深度授权与深度定制,与华为、平安、中国移动的合作都属于这一类。我们面向一些标杆客户提供非常开放的源码级的合作,甚至在这个过程中,我们也非常愿意帮助客户去提升自身团队的深度学习研发能力。
2017年10月10日

四天速成!香港科技大学 PyTorch 课件分享

如下为线性模型的基本思想,我们希望能构建一个线性方程拟合现存的数据点。该线性了方程函数将根据数据点与其距离自动调整权重,权重调整的方法即使用优化算法最小化真实数据与预测数据的距离。
2017年10月9日

教程 | 摄影爱好者玩编程:利用Python和OpenCV打造专业级长时曝光摄影图

行上抓取的图像每个通道的平均值。平均值计算非常简单,我们将总帧数乘以通道平均值,加上相应的通道,然后将该结果除以浮点型总帧数(我们将分母总数加一,因为生成的是一个新帧)。我们将计算结果存储在相应的
2017年10月8日

教程 | 利用达尔文的理论学习遗传算法

原文链接:https://blog.sicara.com/getting-started-genetic-algorithms-python-tutorial-81ffa1dd72f9
2017年10月7日

业界 | 华盛顿大学联合AWS开源NNVM:面向AI框架的新型端到端编译器

的目标是将来自不同的框架的工作负载表示成标准的计算图,然后将这些高级图翻译成执行图。将计算图表示成框架不可知(framework-agnostic)的形式的想法,受到了
2017年10月7日

三天速成!香港科技大学TensorFlow课件分享

如上所示我们构建了一个加法运算的计算图,第二个代码块并不会输出计算结果,因为我们只是定义了一张图,而没有运行它。第三个代码块才会输出计算结果,因为我们需要创建一个会话(Session)才能管理
2017年10月7日

这是一份你们需要的Windows版深度学习软件安装指南

e:\toolkits.win\anaconda3-4.4.0\envs\dlwin36\lib\site-packages\setuptools-27.2.0-py3.6.egg
2017年10月6日

谷歌开发者机器学习词汇表:纵览机器学习基本词汇与概念

所有同类属性的目标值作为一个标签。例如,在一个检测垃圾邮件的二元分类模型中,这两个类别分别是垃圾邮件和非垃圾邮件。而一个多类别分类模型将区分狗的种类,其中的类别可以是贵宾狗、小猎兔狗、哈巴狗等等。
2017年10月5日

业界 | 历经一年,DeepMind WaveNet语音合成技术正式产品化

WaveNet,这是一种新的深度神经网络,能生成新的声音信号波形,并且比起其它现有技术,其生成的语音拥有更加逼真的音效。当时这个模型还只处于研究雏形阶段,对于消费性产品而言,模型的计算消耗量太大。
2017年10月5日

教程 | 详解如何使用Keras实现Wassertein GAN

并不会当模型与真实的分布重叠度不够时去提供足够的信息来估计这个差异度——这导致生成器得不到一个强有力的反馈信息(特别是在训练之初),此外生成器的稳定性也普遍不足。
2017年10月5日

教程 | 从零开始:如何使用LSTM预测汇率变化趋势

一对多问题是一对一问题的扩展,因为一对一问题的模型只有一个输入和输出。而现在模型的输出再馈送到模型作为新的输入,这样模型就会生成多个输出,下面我们将了解一对多为什么又称为循环神经网络。
2017年10月4日

入门 | 十分钟搞定Keras序列到序列学习(附代码实现)

原文链接:https://blog.keras.io/a-ten-minute-introduction-to-sequence-to-sequence-learning-in-keras.html
2017年10月3日

教程 | 如何判断LSTM模型中的过拟合与欠拟合

原文链接:https://machinelearningmastery.com/diagnose-overfitting-underfitting-lstm-models/
2017年10月2日

从零开始:深度学习软件环境安装指南

machine(https://docs.microsoft.com/en-us/cognitive-toolkit/setup-cntk-on-your-machine)
2017年10月2日

机器之心GitHub项目:GAN完整理论推导与实现,Perfect!

散度所构建出来的。所以这一部分将从理论基础出发再进一步推导最优判别器和生成器所需要满足的条件,最后我们将利用推导结果在数学上重述训练过程。这一部分为我们下一部分理解具体实现提供了强大的理论支持。
2017年10月1日

业界 | 腾讯砸1亿投下这家AI医疗公司,但这个新风口开启前的医疗创业寒冬你是否还记得?

举个例子,某一种病的治疗方案如果没有特别有说服力的信息量,医生的选择总是通过各种各样的方式去验证,譬如不断地去随访,或者寻求外部援助。而这些机制机器都是通通忽略的,妄图在一次检查中给出最好的答案。」
2017年9月30日

教程 | 如何从TensorFlow转入PyTorch

的主目录和教程是分开的。而且因为开发和版本更新的速度过快,有时候两者之间并不匹配。所以你需要不时查看源代码:http://pytorch.org/tutorials/。
2017年9月30日

报名 | 全国计算语言学学术会议CCL 2017十月南京开幕

摘要:深度学习在语音,图像等方面已经取得了巨大的成功。但是,深度学习也有其内在的弱点。在这一讲座中,我讲结合近期迁移学习的进展,总结几个可能的研究方向,克服深度学习在小数据和可靠性等方面的不足。
2017年9月30日

专访 | MATLAB更新R2017b:转换CUDA代码极大提升推断速度

对深度学习的支持,并简化了工程师、研究人员及其他领域专家设计、训练和部署模型的方式。该更新版本从数据标注、模型搭建、训练与推断还有最后的模型部署方面完整地支持深度学习开发流程。此外,MATLAB
2017年9月29日

教程 | 使用MNIST数据集,在TensorFlow上实现基础LSTM网络

loss=tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(logits=prediction,labels=y))
2017年9月29日

Theano's Dead!Yoshua Bengio宣布停止Theano维护与开发

支持深度学习研究的软件生态系统快速进化,且状态良好:开源软件成为规范,大量框架并存,满足着从探索全新想法到将其部署实现的全部需求;并且在激烈竞争中不同巨头支持着不同的软件堆栈。
2017年9月29日

从概率论到多分类问题:综述贝叶斯统计分类

这篇文章虽然针对初学者,但也需要你具备大学一年级和部分二年级的数学知识,尤其是线性代数,以及一些单变量和多变量微积分的知识。如果一些等式看起来令人困惑,尝试将精力集中于解决实际问题的过程。
2017年9月28日

入门 | 一文概览深度学习中的卷积结构

原文地址:https://medium.com/towards-data-science/types-of-convolutions-in-deep-learning-717013397f4d
2017年9月27日

业界 | Kirin 970完爆A11,但华为手机的真正利器是HiAI移动计算平台

可以通过个人数据自我训练,那么手机就具备了学习能力,它吸取的个人数据越多就越智能,越个性化,越懂我。并真正做到学以所用,而最重要的是这一切发生在本地终端,省去了隐私泄漏的担忧。
2017年9月27日

论文格式排版你真的做对了吗? 常用格式及其LaTeX书写方法介绍

论文格式排版是你的文章留给审稿人的第一印象,一篇排版糟糕的文章很难会使审稿人相信这篇文章提出了卓有建树的思想。当论文提供模板时我们可以按照模板进行排版,
2017年9月27日

业界|互娱、电商、广告?Video++在用AI帮助视频和直播创收

「视频行业十二年的发展,其实都是「互联网视频」的发展,只把互联网作为视频媒体的载体,而视频更大的价值并没有深度挖掘。十二年的积累,行业已经做好了升级到「视频互联网」的准备,随着
2017年9月26日

英伟达GTC中国站开幕:宣布TensorRT3、自动机器处理器Xavier

和全球一系列活动为开发者们提供了宝贵的培训机会。同时,大会上也展出了当今计算行业最重要的研究成果,涉及领域包括人工智能、深度学习、医疗保健、虚拟现实、加速分析和自动驾驶汽车。在黄仁勋上午的
2017年9月26日

如何解读决策树和随机森林的内部工作机制?

网站发表了一篇文章,对随机森林的基础进行了深度解读。该文从随机森林的构造模块决策树谈起,通过生动的图表对随机森林的工作过程进行了介绍,能够帮助读者对随机森林的工作方式有更加透彻的认识。本文内容基于
2017年9月24日

教程 | 深度学习:自动编码器基础和类型

自动编码器神经网络是一种无监督机器学习算法,其应用了反向传播,可将目标值设置成与输入值相等。自动编码器的训练目标是将输入复制到输出。在内部,它有一个描述用于表征其输入的代码的隐藏层。
2017年9月23日

浅析Geoffrey Hinton最近提出的Capsule计划

invariance,也就是对物体的平移之类的不敏感(物体不同的位置不影响它的识别)。这当然极大地提高了识别正确率,但是对于移动的数据(比如视频),或者我们需要检测物体具体的位置的时候,CNN
2017年9月23日

业界 | 百度Apollo1.5开放五大核心能力,17位新成员加入Apollo生态圈

可视化功能可以提供限速、当前车道等实时路况信息,路径规划、动态障碍物、无人车规划轨迹等算法模块输出的可视化信息以及速度、刹车油门状态等全局信息。孙勇义透露,这只是开放了
2017年9月23日

被Geoffrey Hinton抛弃,反向传播为何饱受质疑?(附BP推导)

https://medium.com/intuitionmachine/the-deeply-suspicious-nature-of-backpropagation-9bed5e2b085e
2017年9月21日

教程 | 深度学习 + OpenCV,Python实现实时视频目标检测

深度学习目标检测教程:http://www.pyimagesearch.com/2017/09/11/object-detection-with-deep-learning-and-opencv/
2017年9月21日

学界 | 田渊栋等人论文:何时卷积滤波器容易学习?

这些分析的一个主要问题在于它们依赖于高斯分布的专门分析,因此不能推广到非高斯情况下(真实世界的分布情况)。对于一般输入的分布而言,我们需要新的技术。
2017年9月21日

资源 | 从语言建模到隐马尔可夫模型:一文详述计算语言学

linguistics)是一门跨学科的研究领域,它试图找出自然语言的规律,建立运算模型,最终让电脑能够像人类般分析、理解和处理自然语言。
2017年9月21日

学界 | 遗传算法自动编写软件:新研究让AI开始代替程序员工作

的部分创新性来自于其独特的系统设计,包括一个嵌入式、手动注释器来提高效率与安全;还有它对遗传算法的增强,包括遗传指令随机捆绑和程序特定语言基因构建和消除技术。我们给出了
2017年9月20日

从贝叶斯定理到概率分布:综述概率论基本定义

当我们计算硬币投掷事件的相对频率时,我们实际上计算了一个所谓经验概率分布。事实证明,世界上许多不确定的过程可以用概率分布来表述。例如,我们的硬币结果是一个伯努利分布,如果我们想计算一个
2017年9月20日

120万美元机器24分钟训练ImageNet,UC Berkeley展示全新并行处理方法

论文链接:https://www2.eecs.berkeley.edu/Pubs/TechRpts/2017/EECS-2017-155.html
2017年9月19日

深度学习目标检测模型全面综述:Faster R-CNN、R-FCN和SSD

box:一个高的框、一个宽的框、一个大的框等等。对于每个这些框,不管我们是否认为它包含一个目标,以及不管这个框里的坐标是什么,我们都会进行输出。下图展示了在单个滑动框位置上发生的操作:
2017年9月18日

学界 | 机遇与挑战:用强化学习自动搜索优化算法

「学习如何学习」是什么意思?虽然这个术语在近年来的论文中不时会出现,但不同的作者给它赋予了不同的意义,我们并没有对这段话的精确含义达成共识。通常,它也可以与术语「元学习」互换使用。
2017年9月18日

资源 | 初学者指南:神经网络在自然语言处理中的应用

原文链接:https://machinelearningmastery.com/primer-neural-network-models-natural-language-processing/
2017年9月17日

教程 | Docker Compose + GPU + TensorFlow 所产生的奇妙火花

https://github.com/NVIDIA/nvidia-docker/releases/download/v1.0.1/nvidia-docker_1.0.1-1_amd64.deb
2017年9月17日

专栏 | 打破人脸识别谣言,看iPhone X FaceID背后的技术与商业前景

的质疑和吐槽,「睡觉的时候被女朋友拿去解锁怎么办?」,「看一眼淘购物车就支付」等等。那么事实是否如此呢?新技术的出现总是伴随着很多不同的声音,然而,从目前来看,许多所谓的担心都是不必要的。
2017年9月17日

观点 | Geoffrey Hinton:放弃反向传播,我们的人工智能需要重头再来

Domingos、李飞飞等多人转推。李飞飞评论道:「反向传播非常重要,它就像是飞机上的劳斯莱斯引擎,虽然飞机无法做到像飞鸟一样机敏而灵活。」她又说:「赞同
2017年9月16日

华为诺亚方舟实验室主任李航离职,即将加入今日头条

今日,机器之心获得消息,华为诺亚方舟实验室主任李航即将离职,之后将加盟今日头条。机器之心对此信息进行了核实,据知情人士透露,今日为李航在诺亚方舟实验室工作的最后一天。
2017年9月15日

每周工作80小时惹热议,吴恩达deeplearning.ai项目成为创业公司

下引发了热议。因为其中表示:「我们都非常确信自己的工作将会改变人类的生活方式,这意味着工作不仅需要技巧,也需要不断奋斗。在我们的办公室里,团队成员经常会工作到晚上,其中很多人每周都会工作
2017年9月14日

纵览iPhone X所有新特性:从3D人脸识别到A11Bionic神经引擎

「人脸解锁的抗干扰能力较强,能够抵抗眼镜、小范围遮挡和角度变化以及较暗的光线等。而指纹解锁在戴手套或是手指出汗、潮湿的状态下则是完全失效的。」旷视科技告诉机器之心。由于人的头部形状非常独特,Face
2017年9月13日

教程 | 如何基于TensorFlow使用LSTM和CNN实现时序分类任务

中的完整代码和过程。前面我们已经构建了计算图,后面就需要将批量训练数据馈送到计算图进行训练,同时我们还要使用验证集来评估训练结果。最后,完成训练的模型将在测试集上进行评估。我们在该实验中
2017年9月12日

学界 | 杜克大学NIPS 2017 Oral论文:分布式深度学习训练算法TernGrad

等)更好地发挥计算潜能,也能让老的计算集群大大提高性能(比如用低速以太网连接的集群),节省资源和成本。更重要的是对于网络带宽有限但计算资源几乎可以无限扩展的云计算,TernGrad
2017年9月11日

想入门机器学习?机器之心为你准备了一份中文资源合集

著(https://www.dartmouth.edu/~chance/teaching_aids/books_articles/probability_book/amsbook.mac.pdf)
2017年9月11日

深度 | 生成对抗网络初学入门:一文读懂GAN的基本原理(附资源)

理论归理论,当涉及到实践时,尤其是在机器学习领域,很多东西就是没法起效。幸运的是,我们收集了一些有用的小点子,可以帮助得到更好的结果。在这篇文章中,我们将首先回顾一些经典的架构,并提供一些相关链接。
2017年9月10日

教程 | 如何使用TensorFlow中的高级API:Estimator、Experiment和Dataset

tf.contrib.learn.RunConfig:https://www.tensorflow.org/api_docs/python/tf/contrib/learn/RunConfig
2017年9月9日

业界 | Facebook联合微软推出神经网络交换格式ONNX:实现不同框架间模型迁移

中,神经网络被指定为程序,而不是清晰的图,这带来了巨大挑战。为了从程序中抽取图表示,我们开发了一个跟踪器,用来」跟踪」(记录)程序运行过程。跟踪程序可以消除复杂性,使转换图表示更加容易。
2017年9月8日

最全的DNN概述论文:详解前馈、卷积和循环神经网络技术

在FNN中,我们只需要计算两种反向传播:从输出到全连接层,以及从全连接到全连接。在传统CNN中,需要计算4种新的传播方式:全连接到池化、池化到卷积、卷积到卷积,以及卷积到池化。
2017年9月7日

资源 | 知网(HowNet)知识库的简单调用指南

知网还着力要反映概念之间和概念的属性之间的关系。知网知识网络体系明确地提供给了计算机,因此我们可以输入形式化的知识而构建计算机系统来实现自然语言处理任务。我们不仅需要义原,同时还需要它们之?
2017年9月7日

业界 | Uber推出机器学习平台Michelangelo:全面处理工作流程推动AI民主化

模型可视化。理解与调试模型越来越重要,尤其是对于深度学习而言。尽管通过可视化工具我们在基于树的模型方面迈出了最初的重要几步,更多的需求被满足,进而帮助数据科学家理解、调试其模型,用户也会信任结果。
2017年9月6日

全球大学计算机科学与人工智能排名:卡耐基梅隆大学居首

因为这个排名还是测试版,你可以发现北京大学等其他知名院校未列入表内。所以,大家没必要在乎排名,只是作为查阅工具使用即可(个人体验后的感受:因崔斯汀)。由于本工具基于
2017年9月6日

机器之心「AI00」八月榜单:脱胎于谷歌TPU团队的Groq

为此,我们邀请人工智能领域的科学家、技术专家、产业专家、专业投资人和读者加入进来,共同完成这项人工智能的长期研究。如果你对「AI00」感兴趣,可在公众号对话框回复「AI00」(注:字母
2017年9月5日

深度 | 向手机端神经网络进发:MobileNet压缩指南

因为我顾及的是整个流程,所以该工作流中有些地方可以改进。在选择需要移除的滤波器上,或者压缩网络层的顺序上,我做的也不科学。但对该项目而言,足够了,我只是想要获取可能压缩神经网络的思路。
2017年9月4日

受够了碎片信息和大众搜索?来试试机器之心新上线的「AI商用垂直搜索」

「AI商用搜索」旨在以「探索人工智能产业应用与商业价值」为切入点,打造一个开放的线上信息共享以及线下产业合作的交流平台,共同发现人工智能真正的产业价值。因此,我们期待「AI
2017年9月4日

教程 | 如何通过57行代码复制价值8600万澳元的车牌识别项目

我也不知道为什么,但是有一天的下午,我突然有了打造一个车载拍照扫描仪原型的想法,它可以自动提醒你一辆车是已被偷或未登记。搞明白了已有的单独组件之后,我在想把它们组装起来的难度有多大。
2017年9月4日

机器之心独家解读:华为首款手机端AI芯片麒麟970

千米/小时),车内的噪音很大,通常情况下手机的语音识别成功率会非常低,而华为开发的技术则是专门针对这样的痛点场景去改善和优化。未来,华为会在语音和图像领域中开放常用的各种算法接口。
2017年9月3日

教程 | 如何使用深度学习去除人物图像背景

Segmentation,https://arxiv.org/abs/1411.4038),研究者提升了上述的想法。为了具有更加丰富的解释,他们把一些层连接在一起,根据上采样的比例,它们被命名为
2017年9月3日

从FPS到RTS,一文概述游戏人工智能中的深度学习算法

无监督学习的目标不是学习数据和标签之间的映射,而是在数据中发现模式。这些算法可以学习数据集的特征分布,用于集中相似的数据、将数据压缩成必要特征,或者创建具备原始数据特征的新的合成数据。
2017年9月2日

资源 | 神经网络调试手册:从数据集与神经网络说起

不要试图手动调整所有参数,这很耗时,效率低下。我经常使用全局配置调整所有参数,并在运行完检查结果后看看在哪个方向上应该进一步调查。如果这个方法没有帮助,你可以试一下随机搜索或网格搜索。
2017年9月1日

业界 | 谷歌全新神经网络架构Transformer:基于自注意力机制,擅长自然语言理解

神经网络通常通过生成固定或可变长度的向量空间表征来处理自然语言。从单个词汇或者甚至是词块表征开始,然后,集合周边字词的信息以确定语境中给定语言的意义。比如,确定语句「I
2017年9月1日

三问 Christopher Manning:超越模型存在的语言之美

此外,还有学者认为,人类的大脑可能具有贝叶斯风格的结构,但是这种模型放在机器上会变得非常昂贵而低效。考虑到神经网络的效用,你可以把它看做一个可以近似贝叶斯网络,可以用来快速地做推断。Manning
2017年9月1日

人人都能读懂的无监督学习:什么是聚类和降维?

的「我属于哪个聚类?」工具中回答几个简单问题,你就能知道你个人属于哪个聚类,体验地址:https://isapps.acxiom.com/personicx/personicx.aspx
2017年8月31日

蒙特利尔大学开放MILA 2017夏季深度学习与强化学习课程视频(附完整PPT)

机器学习中,生成模型可以用来直接对数据建模(例如根据某个变量的概率密度函数进行数据采样)。如果观测数据是由生成模型中采样的,那么最大化数据似然概率是一个常见的方法。最大似然估计最早是由罗纳德·费雪在
2017年8月30日

机器之心GitHub项目:从零开始用TensorFlow搭建卷积神经网络

https://storage.googleapis.com/tensorflow/windows/cpu/tensorflow-1.3.0-cp35-cp35m-win_amd64.whl
2017年8月29日

学界 | Fashion-MNIST:替代MNIST手写数字集的图像数据集

包含了大量的手写数字。十几年来,来自机器学习、机器视觉、人工智能、深度学习领域的研究员们把这个数据集作为衡量算法的基准之一。你会在很多的会议,期刊的论文中发现这个数据集的身影。实际上,MNIST
2017年8月29日

深度 | 从Boosting到Stacking,概览集成学习的方法与性能

https://github.com/vsmolyakov/experiments_with_python/blob/master/chp01/ensemble_methods.ipynb。
2017年8月28日

研学社•架构组 | CoCoA:大规模机器学习的分布式优化通用框架

w(α)=∇f(Aα),为原始或对偶的次优性(suboptimality)提供了一个可计算的上限,并且可以在强凸性下在最优解点减少到零。它可以用于验证解的质量和用作是否收敛的标志。根据
2017年8月27日

FPS游戏AI竞赛ViZDoom 2017结果公布:CMU和清华团队分别获冠亚军

来说,整个游戏所有的信息都是已知的。而基于强化学习开发的智能体在游戏中获得的信息和人是相同的,它们需要探索地图、计划发展以及判断画面出现的元素并进行及时的行动。
2017年8月27日

业界 | 向机器学习偏见开战:谷歌展示全球涂鸦数据集分析结果

我们意识到,这些合成图像可以根据三明治中面包的种类、咖啡杯的形状,甚至出于审美角度的涂鸦手法,揭示不同地区的人观点和偏好的区别。例如,一些国家的图画视角直接、正面,有些国家则是侧着的。
2017年8月26日

教程 | 如何用30行JavaScript代码编写神经网络异或运算器

反向传播的一步步示例:http://mattmazur.com/2015/03/17/a-step-by-step-backpropagation-example/
2017年8月26日

教程 | 利用TensorFlow和神经网络来处理文本分类问题

在本文中,输入是文本,输出结果是类别(category)。这种机器学习算法叫做监督学习,训练数据集是已标注过种类的文本。这也是分类任务,而且是应用神经网络来进行模型创建的。
2017年8月25日

业界 | 谷歌开放语音命令数据集,助力初学者利用深度学习解决音频识别问题

Spotting》(http://www.isca-speech.org/archive/interspeech_2015/papers/i15_1478.pdf)中对该网络的架构进行了描述。
2017年8月25日

观点 | 如何从一名软件工程师转行做人工智能?

需要理解的概念有不同的损失函数工作的方法,反向传播有用的原因,以及计算图究竟是什么。深入理解构建函数模型并且与团队其他成员有效地对其进行沟通非常关键。以下是一些资源,以高层概述开始,逐渐深入。
2017年8月25日

业界 | 微软推出深度学习加速平台「Project Brainwave」:FPGA驱动实时人工智能

DPU。尽管其中一些芯片具有高峰值性能,但它们必须在设计时选择运算符和数据类型,这限制了其灵活性。脑波计划采取了另一种方法,提供了一个可在一系列数据类型上缩放的设计。这个设计结合了
2017年8月23日

深入浅出:GAN原理与应用入门介绍

我们来考虑以下任务:将蓝色输入点映射到绿色输出点(绿点可能是蓝点的输出)。这个红色箭头表示预测的误差,也意味着经过一段时间后,蓝点将被映射到绿点的平均值——这一精确映射将会模糊我们试图预测的图像。
2017年8月23日

深度 | 神奇的神经机器翻译:从发展脉络到未来前景(附论文资源)

https://aws.amazon.com/blogs/ai/train-neural-machine-translation-models-with-sockeye/
2017年8月22日

现场报道 | IJCAI 2017四大论文奖项揭晓:牛津大学获最佳杰出论文

年提出的论文,该论文因改变了经典规划算法的视角而获奖。此外还有两篇论文因为对自动构建大型知识库和语义网络的重大贡献而获得卓越论文奖。以下是获奖论文的详情,机器之心对获奖论文做出了简要介绍。
2017年8月22日

教程 | Keras+OpenAI强化学习实践:深度Q网络

原文链接:https://medium.com/towards-data-science/reinforcement-learning-w-keras-openai-dqns-1eed3a5338c
2017年8月22日

教程 | 从头开始:用Python实现带随机梯度下降的Logistic回归

就这样,在每一次迭代中,我们更新训练集中每一行数据的每个系数。系数的更新基于模型的训练误差值。这个误差通过期望输出值(真实的因变量)与估计系数确定的预测值之间的差来计算。
2017年8月22日

从语言学到深度学习NLP,一文概述自然语言处理

自然语言处理(NLP)近来因为人类语言的计算表征和分析而获得越来越多的关注。它已经应用于许多如机器翻译、垃圾邮件检测、信息提取、自动摘要、医疗和问答系统等领域。本论文从历史和发展的角度讨论不同层次的
2017年8月21日

资源 | 只需1200美元,打造家用型深度学习配置(CPU+GTX 1080)

Ryzen,是这个(https://openbenchmarking.org/showdown/pts/numpy)。应该说我现在没有经历多线程,只是在学习。
2017年8月21日

继1小时训练ImageNet之后,大批量训练扩展到了3万2千个样本

为学习率。该方法被称作随机梯度下降(SGD)。通常,我们并不会只使用一个样本计算损失和梯度,我们每次迭代会使用一个批量的样本更新权重。现在,我们令第
2017年8月20日

学界 | 宅男的福音:用GAN自动生成二次元萌妹子

但这些模型得到的结果往往很模糊或会扭曲变形,要生成业界标准的动漫人物面部图像仍然是一大难题。为了帮助解决这一难题,我们提出了一种可以相当成功地生成高质量动漫人物面部图像的模型。
2017年8月20日

无需数学背景,读懂ResNet、Inception和Xception三大变革性架构

过去几年来,计算机视觉领域中深度学习的诸多进展都可以归结到几种神经网络架构。除开其中的所有数学内容、代码和实现细节,我想探索一个简单的问题:这些模型的工作方式和原因是什么?
2017年8月19日

业界 | 谷歌发布TensorFlow 1.3.0版本,新加多个分类器、回归器

发布地址:https://github.com/tensorflow/tensorflow/releases/tag/v1.3.0
2017年8月18日

学界 | 自然语言处理领域的前沿技术:EMNLP 2017最佳论文公布

population)通信协议的端到端学习技术,同时还发现智能体开发的协议中出现基础的人类可翻译的语言,这种语言是在无人类监督的情况下学得的!
2017年8月18日

教程 | 拟合目标函数后验分布的调参利器:贝叶斯优化

https://medium.com/towards-data-science/shallow-understanding-on-bayesian-optimization-324b6c1f7083
2017年8月18日

自动生成硬件优化内核:陈天奇等人发布深度学习编译器TVM

ASIC))上部署大量工作。随着深度学习框架和硬件后端数量不断增加,我们提出了一个统一的中间表征(IR)堆栈,可以弥补以生产力为中心的深度学习框架与性能或效率导向的硬件后端之间的差距。
2017年8月18日

KDD 2017获奖论文公布:数据挖掘领域的顶级研究与应用成果

摘要:具有关联节点、原始链接信息的现实世界图正在变得越来越普遍。例如,社交网络既包含亲友关系,也包含人口统计、兴趣等属性;一个蛋白质相互作用的网络(protein-protein
2017年8月15日

教程 | Keras+OpenAI强化学习实践:行为-评判模型

再来看看评判网络,基本上我们面临着相反的问题。即,网络定义稍微复杂一些,但是训练比较简单。评判网络旨在将环境状态和动作作为输入,并计算出相应的估值。我们通过合并一系列全连接层以及得出最终的
2017年8月14日

专栏 | 滴滴KDD2017论文:基于组合优化的出租车分单模型

测试,将我们的模型与另外两种行业普遍运用的模型进行了比较,把成交率、平均接驾时长、订单应答时长、取消率等业务关键指标作为核心评价指标。实验结果显示,我们的模型有更好的表现效果,订单整体的成交率提高了
2017年8月14日

吴恩达Deeplearning.ai课程学习全体验:深度学习必备课程(已获证书)

认为经验性过程就是试错的过程。他极其诚实地陈述设计和训练深度网络的现实。在某些时刻,我觉得他可能认为深度学习是美化过的曲线拟合(curve-fitting)。
2017年8月14日

资源 | 如何通过CRF-RNN模型实现图像语义分割任务

官方构建向导地址:https://www.tensorflow.org/extend/adding_an_op#build_the_op_library
2017年8月13日

斯坦福CS231n Spring 2017开放全部课程视频(附大纲)

日主讲,主要从什么事对抗性样本、对抗性样本产生的原因、如何将对抗性样本应用到企业机器学习系统中、及对抗性样本会如何提升机器学习的性能等方面详细描述对抗性样本和对抗性训练。
2017年8月13日

OpenAI人工智能1v1击败Dota2最强玩家:明年开启5v5模式

是一个具备隐藏信息的复杂游戏。智能体必须学习规划、攻击、设局以及欺骗对手。玩家技能和每分钟操作数(actions-per-minute)之间的关联不是很强,事实上,我们的
2017年8月12日

教程 | 经得住考验的「假图片」:用TensorFlow为神经网络生成对抗样本

本论文证明了对抗性样本可以是鲁棒的——能够经受住各种变换的考验。我们的新方法可以让一张图片在经历所有变换之后仍然保持错误分类。实验证明,我们不能依赖缩放、转换和旋转来解决对抗性样本的问题。
2017年8月12日

10 大深度学习架构:计算机视觉优秀从业者必备(附代码实现)

代码实现:https://github.com/fchollet/keras/blob/master/keras/applications/inception_v3.py
2017年8月11日

教程 | 如何通过牛顿法解决Logistic回归问题

下表展示了使用假设函数得到的错误结果是如何通过生成一个较小的值来接受惩罚的(例如,h(x)=.25,y=1h(x)=.25,y=1)。这也有助于理解我们如何把两个式子合并成一个。
2017年8月10日

业界 | IBM发布新型分布式深度学习系统:结合软硬件实现当前最优性能

分布式深度学习代码的技术预览内容今天即可在该网址查看:https://www.ibm.com/us-en/marketplace/deep-learning-platform。
2017年8月10日

机器之心「AI00」七月榜单:「AI不止语音助手」的华为

为此,我们邀请人工智能领域的科学家、技术专家、产业专家、专业投资人和读者加入进来,共同完成这项人工智能的长期研究。如果你对「AI00」感兴趣,可在公众号对话框回复「AI00」(注:字母
2017年8月9日

机器之心专访吴恩达,深度学习课程项目Deeplearning.ai正式发布

我认为人工智能在中国的发展速度超过了全球其他任何地方,近期国务院发布的《新一代人工智能发展规划》更是在推动这个过程。我正在积极寻求与国内的合作,近期我还将访问国内。
2017年8月9日

教程 | 维度、广播操作与可视化:如何高效使用TensorFlow

w))^2。尽管这个简单的问题已经有一个闭合的解决方法了,但我们还是选择使用一个更加通用的方法,这个方法能够被应用在任何可微分的函数中,它使用了随机梯度降的方法。我们简单地计算损失函数
2017年8月9日

业界 | 谷歌开源DeepLearn.js:可实现硬件加速的机器学习JavaScript库

dimension)。这就意味着每一个顶层图运算就像数学函数那样在单个样本上运算。然而,批处理十分重要,以至于权重的更新依赖于每一个批量的梯度均值。deeplearn.js
2017年8月8日

ICML 2017首日公布两大奖项:斯坦福大学获最佳论文奖

训练目标完成优化,即推动模型从多种不同奖励函数中学习普遍行为。我们在三种环境中对我们方法的有效性进行评估:离散控制环境、持续控制环境和带有完成一系列高层次子目标才能获取的稀疏函数的环境。实验证明在
2017年8月7日

教程 | PyTorch内部机制解析:如何通过PyTorch实现Tensor

从通用的头文件中抽取代码和用相同的宏定义包装每个类型具有同样的效果。唯一的区别就是前者编译后的代码包含在同一个头文件中,而不是分为多个源文件。
2017年8月7日

教程 | 基础入门:深度学习矩阵运算的概念和代码实现

在深度学习中,线性代数是一个强大的数学工具箱,它提供同时计算多维数组的方法。线性代数不仅会提供如同向量和矩阵那样的结构来储存这些数字,还会提供矩阵的加、减、乘、除和其他运算规则。
2017年8月7日

观点 | Reddit 热门话题:如何阅读并理解论文中的数学内容?

当你阅读一篇论文时,你不会只读一次。你首先要阅读标题,然后你要决定要不要读摘要,读完摘要你还要决定是否浏览结果,之后你再决定是否浏览整个文本,等等。人生苦短,要读的文章实在太多了。
2017年8月6日

计算机领域顶级科学家、学术会议、期刊影响力排名(附国内排名)

我们可以看到前三名分别为张宏江(计算机视频检索)、高会军(控制理论与控制工程)、周志华(数据挖掘与机器学习)。
2017年8月6日

专访 | 潜心30年,知网知识系统如何从概念层次上计算自然语言

因此,词层面的计算就能转换为概念层面的计算。而且即使我们所使用的词汇增长或变更较快,但概念的增长曲线要平缓地多,所以概念相对于词汇更具鲁棒性。而深度学习使用得最多的词汇表征方法是词嵌入,代表性的就是
2017年8月5日

学界 | 基于概率隐层模型的购物搭配推送:阿里巴巴提出新型用户偏好预测模型

容易想到的维度,人工智能可以自动从消费者数据中学习到更全面更抽象的维度,比如用户对推荐平台的依赖程度,用户对选择商品的创新性等。
2017年8月5日

一文读懂遗传算法工作原理(附Python实现)

试想一下每当你参加一个数据科学比赛,你会用什么方法来挑选那些对你目标变量的预测来说很重要的特征呢?你经常会对模型中特征的重要性进行一番判断,然后手动设定一个阈值,选择出其重要性高于这个阈值的特征。
2017年8月5日

ACL 2017 五篇最佳论文公布,国内无获奖论文

typology)是研究人类语言中结构的范围。该领域的主要目标是发现哪类可能现象是普遍的、哪类是一般常见的。例如所有的语言都有元音,但大部分而非全部语言都有
2017年8月3日

教程 | 将注意力机制引入RNN,解决5大应用领域的序列预测问题

「我们提出了一个基于注意力机制的方法,该方法在三个基准数据集上都达到了最先进的性能表现……我们还展示了如何使用学得的注意力机制为模型生成过程提供更多可解释性,演示了学得的对齐与人类直觉一致性很高。」
2017年8月2日

IJCV 亚洲之夜,机器之心与CV领域顶级期刊首位华人主编汤晓鸥聊了聊

汤教授表示:「计算机科学领域不同于其它大多数科学学科。在其它领域,期刊通常用来发表研究成果,而大会则主要是以交流为目的。但是,由于计算机科学领域的飞速发展,会议也变成了另一个发表成果的重要渠道。」
2017年8月1日

学界 | 一文综述所有用于推荐系统的深度学习方法

多层感知机是简明且有效的模型。它广泛应用于很多领域,尤其是工业界。多层前馈网络能够让任意的可测函数接近任意的期望精度。它也是很多高级模型的基础。
2017年8月1日

从决策树到随机森林:树型算法的原理与实现

结点分裂的最小样本数:在结点分裂中所要求的最小样本数量(或观察值数量)。这种方法通常可以用来防止过拟合,较大的最小样本数可以防止模型对特定的样本学习过于具体的关系,该超参数应该需要使用验证集来调整。
2017年7月31日

教程 | TensorFlow从基础到实战:一步步教你创建交通标志分类神经网络

TensorFlow。但是因为这种安装方式是社区提供支持的,最好还是参考官方的安装说明:https://www.tensorflow.org/install/install_windows
2017年7月30日

学界 | 从文本挖掘综述分类、聚类和信息提取等算法

NLP、信息检索和自动文本摘要等几种主要的方法,再从文本表征、分类方法、聚类方法、信息提取方法等几大部分概述各类机器学习算法的应用。机器之心对本论文进行简要的概述,更详细的内容请查看原论文。
2017年7月30日

如何生物转CS,并在斯坦福大学三年拿到PhD:独家专访李纪为博士

李纪为:读博士更像一个马拉松,而不是百米冲刺。协调好生活和工作很重要。生活里面,运动和娱乐也占了很大比例,假期的时候也会出去玩儿或者度假。另外我也经常和研究者多多沟通交流,并且常常能聊出一些很好的
2017年7月29日

解读 | 如何使用深度强化学习帮助自动驾驶汽车通过交叉路口?

司机还能预测即将到来的车流是否有足够的时间制动。作者还解释了会有一些碰撞的原因。这种由离散化(discretization)导致的碰撞会在汽车几乎错过即将到来的车流时产生影响。论文还指出
2017年7月27日

业界 | 十余家 AI 创业公司、五大角度,深度解读国务院新一代 AI 发展规划

另一方面,由于人工智能在技术层面仍不完全成熟,行业的商业化道且漫长。「目前人工智能的企业主要集中在技术、基础架构以及算法的积累等方面,即使有些企业正在做相关应用,这些应用都比较浅层。」管延放说。
2017年7月27日

CVPR 2017 李飞飞总结 8 年 ImageNet 历史,宣布挑战赛最终归于 Kaggle

如下所示,人类的视觉不仅会告诉我们每个物体是什么,同时还会告诉我们物体间的关系、物体下一个时间步骤的动作或趋势以及情感细节等。对于这样的人类视觉,机器视觉还有很长的路要走,这也正是
2017年7月27日

专栏 | CVPR 2017最佳论文解读:密集连接卷积网络

4)由于网络中每层都接受前面所有层的特征作为输入,为了避免随着网络层数的增加,后面层的特征维度增长过快,在每个阶段之后进行下采样的时候,首先通过一个卷积层将特征维度压缩至当前输入的一半,然后再进行
2017年7月26日

专栏 | CVPR 2017论文解读:特征金字塔网络FPN

分别做对应分辨率大小的物体检测。这样保证了每一层都有合适的分辨率以及强语义特征。同时,由于此方法只是在原网络基础上加上了额外的跨层连接,在实际应用中几乎不增加额外的时间和计算量。作者接下来实验了将
2017年7月25日

训练的神经网络不工作?一文带你跨过这37个坑

个小时。它看起来很好:梯度在变化,损失也在下降。但是预测结果出来了:全部都是零值,全部都是背景,什么也检测不到。我质问我的计算机:「我做错了什么?」,它却无法回答。
2017年7月25日

业界 | 联想举办第三届 Tech World,首次公布 AI 战略布局

是升级版,除了具备市面上一般智能音箱所具有的语音交互功能外,还加入了物体识别、AR、图像反馈等多个功能。用户开启投影后能够把普通的桌面变成显示屏,还能够通过触控交互实现实时绘画、一键购物等功能。
2017年7月24日

专栏 | CVPR 2017论文解读:用于单目图像车辆3D检测的多任务网络

这篇文章主要处理单目图像中的车辆检测问题。车辆检测是一个经典的基于图像的目标检测问题,也是智能驾驶感知过程的核心问题之一。现有的多种目标检测框架如
2017年7月24日

LSTM入门必读:从基础知识到工作方式详解

区分长期记忆和工作记忆是愚蠢的行为—为何不使用一种记忆呢?或者,或许你能够发现区分记忆门和保存门是多余的--任何我们忘记地东西都应该被新的信息代替,反之亦然。所以我们现在想出了一种流行的
2017年7月24日

业界 | 似乎没区别,但你混淆过验证集和测试集吗?

Modeling)一书中,我们可以看到作者认为「验证数据集」和「测试数据集」这两个词语可以互换。他们在实例中明确指出,必须在留出的数据集上进行最终模型评估,无论评估目的是训练模型还是调整模型参数。
2017年7月23日

深度 | 如何使用神经网络弹奏出带情感的音乐?

(http://imanmalik.com/cs/2017/06/05/www.cs.utoronto.ca/~ilya/pubs/ilya_sutskever_phd_thesis.pdf)
2017年7月23日

现场报道 | CVPR 2017多个奖项公布:苹果公司获最佳论文

个直接连接。对于每一层来说,前面所有层神经网络的特征图谱(feature-maps)可以作为该层的输入,而该层自身的特征图谱可以作为之后所有的层的级的输入。DenseNet
2017年7月23日

教程 | Kaggle初学者五步入门指南,七大诀窍助你享受竞赛

即便如此,如果仍然担心个人资料里的低排名,你可以再单独创建一个练习账号。一旦觉得自己能力不错了,就可以开始用你的「主帐号」来建立丰功伟绩了。(再说一下,这么做毫无必要!)
2017年7月22日

业界 | 让机器人学会理解语义概念:谷歌提出深度视觉新技术

Grasping)一文中,我们研究了如何使用人工标注数据和自动收集数据来执行语义抓取任务,该任务中机器人必须从一个塞满的箱子里抓取用户指定类别标签的物体,如「橡皮」或「玩具」。
2017年7月22日

学界 | 与模型无关的元学习,UC Berkeley提出一种可推广到各类任务的元学习方法

的研究人员撰文介绍了他们在元学习领域内的研究成功,即一种与模型无关的元学习(MAML),这种方法可以匹配任何使用梯度下降算法训练的模型,并能应用于各种不同的学习问题,如分类、回归和强化学习等。
2017年7月20日

IEEE发布2017年编程语言排行榜:Python高居首位,PHP第八

原文链接:http://spectrum.ieee.org/computing/software/the-2017-top-programming-languages
2017年7月19日

深度神经网络中的数学,对你来说会不会太难?

这是一篇讲解深度学习数学的系列文章,但并非是基础数学,还涉及到了拓扑与测度论等内容。本文为该系列文章的第一部分,机器之心会持续把后续内容全部放出。更规范的公式,请查看原文地址。
2017年7月18日

基于TensorFlow理解三大降维技术:PCA、t-SNE 和自编码器

的方法,以便接下来我们可以将分解后的结果相乘,从而以更少的维度表征最大化的信息。我知道,这听起来很唬人,但我们不会深入到数学证明中去,仅保留有助于我们理解这种方法的优缺点的部分。
2017年7月16日

教程 | 如何使用TensorFlow API构建视频物体识别系统

GitHub:https://github.com/tensorflow/models/tree/master/object_detection
2017年7月16日

教程 | Python代码优化指南:从环境设置到内存分析(一)

查看:https://github.com/apatrascu/hunting-python-performance/blob/master/02.primes-v1.py
2017年7月15日

学界 | 稳!DeepMind提出多任务强化学习新方法Distral

Distral,一种用于提取(distilling)和迁移多任务强化学习中一般行为的通用框架。在实验中,该最终算法不仅能更迅速地学习、产生更好的性能,同时还能更加稳健和鲁棒地设置超参数。我们发现
2017年7月15日

资源 | 从全连接层到大型卷积核:深度学习语义分割全指南

第一个是编码器-解码器结构。编码器逐渐减少池化层的空间维度,解码器逐步修复物体的细节和空间维度。编码器和解码器之间通常存在快捷连接,因此能帮助解码器更好地修复目标的细节。U-Net
2017年7月14日

谷歌开放GNMT教程:如何使用TensorFlow构建自己的神经机器翻译系统

中计算的所有隐状态,而是提出了允许解码器窥探它们的方法(把它们看作是源信息的动态存储)。如此,注意力机制提升了长句的翻译质量。现在,注意力机制实至名归,已成功应用于其他诸多任务(比如语音识别)。
2017年7月13日

业界 | 全新A8:奥迪强势推出全球首台量产型Level 3自动驾驶汽车

目前市场上能买到的其他车辆也能实现或多或少的自动驾驶,但它们都不允许你走神太多。「请在五秒钟内把双手放在方向盘上,驾驶者,否则我就会在路边停车,」那些车辆在你放手时会这样提醒你。
2017年7月12日

教程 | 听说你了解深度学习最常用的学习算法:Adam优化算法?

1、更新目标函数在该时间步上对参数θ所求的梯度、更新偏差的一阶矩估计和二阶原始矩估计,再计算偏差修正的一阶矩估计和偏差修正的二阶矩估计,然后再用以上计算出来的值更新模型的参数θ。
2017年7月12日

教程 | 遗传算法的基本概念和实现(附Java实现案例)

1,那么个体的适应度达到最小值。该遗传算法希望最大化适应度,并提供适应度达到最大的个体所组成的群体。注意:本例中,在交叉运算与突变运算之后,适应度最低的个体被新的,适应度最高的后代所替代。
2017年7月11日

机器之心开放人工智能专业词汇集(附Github地址)

项目地址:https://github.com/jiqizhixin/Artificial-Intelligence-Terminology
2017年7月10日

报名 | CSIG图像图形学科前沿讲习班:智能驾驶+机器视觉

薛建儒,西安交通大学人工智能与机器人研究所教授,教育部长江学者特聘教授,中国图象图形学学会视觉大数据专业委员会副主任。获国家自然科学二等奖、国家技术发明二等奖、中国自动化学会青年科学家奖、IEEE
2017年7月9日

从浅层模型到深度模型:概览机器学习优化算法

|大小与置信域半径的关系。需要注意的是,对于采样的海塞矩阵,其对样本集的大小要求比采样的梯度要高得多,因此支持使用精确梯度的海塞估计的思想催生了强大的算法,它拥有强大理论支撑和良好的实践高效性。
2017年7月9日

LSTM、GRU与神经图灵机:详解深度学习最热门的循环神经网络

门:具体来说,为了缓解输入和输出权重冲突以及干扰,我们引入了一个乘法输入门单元来保护存储的记忆内容免受不相关输入的干扰,还引入了一个乘法输出门单元来保护其它单元免受存储中当前不相关记忆内容的干扰。
2017年7月8日

教程 | 萌物生成器:如何使用四种GAN制造猫图

epoch,但为了让收敛效果更佳,我们需要做适当的调整。你必须为鉴别器与生成器选择单独的学习速率,以避免它们有一方表现过于出色——这需要非常小心的平衡,不过一旦成功,你就会得到收敛。在
2017年7月8日

机器之心「AI00」六月最新榜单:算法商店Algorithmia与网络安全公司SparkCognition

为此,我们邀请人工智能领域的科学家、技术专家、产业专家、专业投资人和读者加入进来,共同完成这项人工智能的长期研究。如果你对「AI00」感兴趣,可在公众号对话框回复「AI00」(注:字母
2017年7月7日

机器视角:长文揭秘图像处理和卷积神经网络架构

权值矩阵在图像里表现的像一个从原始图像矩阵中提取特定信息的过滤器。一个权值组合可能用来提取边缘(edge)信息,另一个可能是用来提取一个特定颜色,下一个就可能就是对不需要的噪点进行模糊化。
2017年7月6日

教程 | 从特征分解到协方差矩阵:详细剖析和实现PCA算法

注意如果变量间的协方差为零,那么变量是没有相关性的,并且也没有线性关系。因此,如果两个变量的协方差越大,相关性越大,投影到主成分后的损失就越小。我们同时可以考虑协方差和方差的计算式而了解他们的关系:
2017年7月5日

教程 | 如何用Python和机器学习炒股赚钱?

我在这类模型上的下一次迭代应该会包含一个用于自动生成特征组合或独特列表的单独算法。也许会基于近乎实时的事件,这可能会影响那些具有只有配备了无监督学习算法的人类才能预测的隐藏关系的股票组。
2017年7月4日

深度 | 从任务到可视化,如何理解LSTM网络中的神经元

神经网络的可解释性仍然是机器学习中的一个挑战。卷积神经网络和长短期记忆对很多学习任务都表现良好,但是鲜有工具能够理解这些系统的内部运作机制。转写是一个用来分析实际神经元作用的很好的问题。
2017年7月3日

开源 | 通过提取神经元知识实现人脸模型压缩:MobileID可在移动设备上快速运行

Bayesian:http://www.jiansun.org/papers/ECCV12_BayesianFace.pdf)时,它能在保证高速的同时还实现出色的表现,如下所示:
2017年7月3日

教程 | 无监督学习中的两个非概率模型:稀疏编码与自编码器

这是一种「贪婪」的分层学习。如果我们去掉解码器部分,并且只使用前馈部分,会发现这是一个标准的类似于卷积神经网络的结构,参考下图。可以使用反向传播来对参数进行调校。
2017年7月2日

机器之心实操 | 亚马逊详解如何使用MXNet在树莓派上搭建实时目标识别系统

或云端服务器进行分布式地训练。实际上,在深度神经网络模型经过训练后,它只需要相对较少的计算资源就能执行预测。这就意味着我们能将模型部署到低功耗的边缘设备中,并且在没有网络连接的情况下运行。
2017年7月2日

开源 | 深度安卓恶意软件检测系统:用卷积神经网络保护你的手机

项目地址:https://github.com/niallmcl/Deep-Android-Malware-Detection
2017年7月1日

学界 | CMU通过机器学习「读心术」解码大脑复杂思想

原文地址:https://www.cmu.edu/dietrich/news/news-stories/2017/june/brain-decoding-complex-thoughts.html
2017年6月30日

加入巨头竞争之列,索尼开源可在Windows中运行的神经网络库NNabla

索尼表示他们的神经网络库提供了最基本的深度学习开发研究和部署的函数。他们希望该软件库能推动人工智能的发展,并且不论是在先进研究领域还是前沿应用部署上都能提供强有力的助力。
2017年6月28日

教程 | 如何解决LSTM循环神经网络中的超长序列问题

相对更不系统的总结序列方式就是随机取样了。我们可以在序列中随机选择时间步长并删除它们,从而将序列缩短至指定长度。我们也可以指定总长的选择随机连续子序列,从而兼顾重叠或非重叠内容。
2017年6月27日

独家 | 背靠Hinton、Bengio和Sutton,加拿大如何打造超级人工智能中心?

年前北迁的举动,我们可以如此反问:假设要建立全球化的人工智能超级中心,它为什么就不能落户加拿大呢?「加拿大特别冷」是本文受访者所提出的最大的困扰。随着人工智能的产业的不断升温,这或许不会再是问题。
2017年6月27日

资源 | TwenBN发布两个大型DL视频数据集:助力机器视觉通用智能

移动」,「竖起你左手的两个手指」。尽管我们搜集人类不同行为的数据,但更专注于灵巧地使用一只手或双手操控物体的数据。这是由于我们的手最擅长生成用于网络训练的高度可控、复杂的行为模式。「crowd
2017年6月27日

业界 | 探索系统化技术产品,科大讯飞深度布局医疗行业

AI,确实有技术在落地,也有很多实际上还处在研发过程中。我觉得就是在推广的过程中,医生的主要经验是在临床应用方面,而我们的更多是在技术方面,怎么样把这两个东西拉到同一个层面上去交流,让医生对
2017年6月25日

教程 | 详解支持向量机SVM:快速可靠的分类算法

现在我们有了特征向量,唯一要做的事就是选择模型适用的核函数了。每个任务都是不同的,核函数的选择有关于数据本身。在我们的例子中,数据呈同心圆排列,所以我们需要选择一个与之匹配的核函数。
2017年6月24日

吴恩达重磅回归,成立创业公司Deeplearning.ai

上发布了一份公开信,称将会辞去在百度的工作。这一消息的发布震惊业内,当时各方人士也纷纷猜测吴恩达何去何从,甚至臆测吴恩达离开百度的原因。经过近三个月的沉寂,吴恩达终于透露出了最终去处:创业!更多有关
2017年6月24日

共享相关任务表征,一文读懂深度神经网络多任务学习

在每个任务特定的层上使用高斯分布作为先验分布。为了鼓励不同任务之间的相似性,他们建议使用任务依赖的平均值,并引入使用混合分布的任务聚类。重要的是,它们首先需要确定聚类和混合分布数量的任务特征。
2017年6月23日

资源 | 清华大学开源神经机器翻译工具包THUMT

上层实现了标准的基于注意的编码器-解码器框架,并且支持三种训练标准:最大似然估计、最小风险训练和半监督训练。它的特点是有一个可视化工具,演示神经网络和语境单词隐藏态间的关联,从而帮助分析
2017年6月22日

业界 | 百度携手农行,用人工智能勾画Fintech未来模样

纽约梅隆银行正在采用机器人程序(bot),特别是利用融合了人工智能技术的机器人处理程序自动化(RPA)提高运作效率,比如网页机器人或互联网机器人程序被用来实现自动化业务,过去十五个月以来已经部署了
2017年6月22日

教程 | 如何使用JavaScript构建机器学习模型

的说法,机器学习为计算机提供了无需明确编程的学习能力。换句话说,它使得计算机能够自我学习并执行正确的指令,无需人类提供全部指导。
2017年6月21日

一个模型库学习所有:谷歌开源模块化深度学习系统Tensor2Tensor

原文链接:https://research.googleblog.com/2017/06/accelerating-deep-learning-research.html
2017年6月20日

教程 | 深度学习初学者必读:张量究竟是什么?

和它向量化的后继者们需要其运行程序能够使用向量运算(如点积)才能发挥出硬件的全部性能。后来的机器要求要就矩阵-向量运算或矩阵-矩阵运算来将算法形式化,从而方可尽可能地发挥硬件的价值。
2017年6月20日

资源 | 斯坦福CS231n Spring 2017详细课程大纲(附完整版课件下载)

日主讲,主要从什么事对抗性样本、对抗性样本产生的原因、如何将对抗性样本应用到企业机器学习系统中、及对抗性样本会如何提升机器学习的性能等方面详细描述对抗性样本和对抗性训练。
2017年6月20日

教程 | 斯坦福CS231n 2017最新课程:李飞飞详解深度学习的框架实现与对比

(Dataset),而且给你提供了小批量处理(minibatching),「洗牌」处理(shuffling)和多线程处理(multithreading);当你需要载入自定义数据(custom
2017年6月19日

资源 | 谷歌全attention机器翻译模型Transformer的TensorFlow实现

内容,而是要实现论文的核心思想,并作出简单快速的验证。由于这个原因,我的部分代码与原论文有所不同。这些不同之处有:
2017年6月19日

我的深度学习开发环境详解:TensorFlow + Docker + PyCharm等,你的呢(附问卷)

这份「深度学习开发环境调查问卷」的问题涉及到开发者的基础信息(职业、研究领域等)、选择的硬件、系统、语言、框架等问题。此外,如果各位有感兴趣或认为此份调查问卷缺少的问题,也可在问卷中补充。
2017年6月19日

深度学习助力前端开发:自动生成GUI图代码(附试用地址)

app,而且还处于测试阶段。这家公司的愿景是帮助开发者、设计者和初创公司省去在开发初期阶段写代码的流程,为原型设计、迭代和最终生成更好的产品留出更多的时间,最终开发出更好的
2017年6月18日

资源 | TensorFlow分布式计算机制解读:以数据并行为重

来指定集群的架构。节点通常分为两个角色(或「job」):含有变量的参数服务器(「ps」)和执行大量计算的「worker」。下面提供每个节点的
2017年6月18日

业界 | 站在锤子手机背后,小源科技用 AI 打造短信场景服务

即可退订」的垃圾短信,就会拦截短信发送方,将其「关进小黑屋」,并不会真的发送退订短信,这样的处理,既可以使垃圾短信发送方不再继续骚扰用户,还可以避免用户因为退订行为被识别成活跃用户,带来后续麻烦。
2017年6月18日

深度 | 神经网络基础:七种网络单元,四种层连接方式

Layers》文章,该文是其上篇文章的前篇,对于文中涉及但没有深入展开的神经网络的单元与层的部分再次做了一个图文并茂的介绍。机器之心对该文进行了编译,原文链接见文末。
2017年6月18日
2017年6月18日

学界 | 谷歌提出基于强化学习的优化配置方法:可让TensorFlow更充分利用CPU和GPU

中的指令的数量。在每一步,该解码器输出该设备(device)以运行在同一编码器时间步骤的指令。每个设备都有其自己的可调节嵌入,然后其被用作下一个解码器时间步骤的输入。
2017年6月17日

深度 | Vicarious详解新型图式网络:赋予强化学习泛化能力

Network),这是一种基于模型的强化学习方法,它展现出了一些强大的泛化能力,我们相信这是真正和人类相类似的通用智能的关键所在。图式网络是一种生成图模型,它可以对未来和因果缘由(reason
2017年6月15日

业界 | 谷歌开源高效的移动端视觉识别模型:MobileNet

模型以符合所需的延迟和模型大小。内存和磁盘上的神经网络规模和参数的数量成正比。神经网络的延迟和功率大小与乘积累加(Multiply-Accumulates/MAC)数量成比例调整。MAC
2017年6月15日

业界 | 让人工智能学会谈判,Facebook开源端到端强化学习模型

研究者首先生成了一小部分候选表述(utterance),然后对每个表述重复模拟未来完整的对话,从而估算成功程度。该模型的预测准确率足够高,从而在以下几个领域极大改进了谈判策略:
2017年6月15日
2017年6月14日

教程 | 如何使用Kubernetes GPU集群自动训练和加速深度学习?

主控节点:https://github.com/Langhalsdino/Kubernetes-GPU-Guide/blob/master/scripts/init-master.sh
2017年6月14日

报名 | 全球人工智能黑客马拉松即将开幕,机器之心领跑北京站

http://cn.mikecrm.com/Z9ph60e(点击阅读原文)报名成功后,成功通过审核的团队将有机会抵达活动现场进行比赛
2017年6月13日

学界 | 中科院计算所开源Easy Machine Learning:让机器学习应用开发简单快捷

这样的分布式平台上。最主要的障碍不仅仅来源于实现算法本身,也是因为将它们应用到实际应用中通常需要很多步骤和不同的算法。在本演示中,我们提出一种通用的基于数据流的系统(general-purpose
2017年6月13日

观点 | 属于动态图的未来:横向对比PyTorch与Keras

那样高层次的抽象(带有回调函数),而是在网络之外训练抽象等功能。所以你还是需要写一些样板文件。然而,这里(https://github.com/ncullen93/torchsample)Keras
2017年6月13日

全球招聘 | 机器智能的「坑」,你要入吗?

也正因如此,机器之心得到了国内外众多技术专家、科技公司高管和人工智能从业者的高度认可,机器之心也积累了广泛的影响力和知名度,形成了富有特色的自我品牌。
2017年6月13日

观点 | Yoav与LeCun深度学习之争后续:谷歌VP Fernando Pereira谈NLP研究「三幕剧」

大量的训练数据可以很自然地被收集——特别值得注意的是,并行翻译语料库集——当经验主义方法拥有足够数据的时候进展是很缓慢的。尽管当数据量很小的时候这种方法是无把握的,就像他们经常做的那样。
2017年6月12日

人工智能研学社 · 入门组 | 《终极算法》研习第二期

入门组」也已经完成了一半的学习内容。在后半部书中,作者开始对人工智能不同流派的相关理论模型进行详细讨论,如果你对机器学习算法的技术细节及其背后的哲学感兴趣,这也是一个开始学习的极好时机。
2017年6月12日

一周论文 | 互怼的艺术:从零直达 WGAN-GP

要生成良好的正样本,基本上也是“记住”了所有的正样本,并通过随机数来插值输出。因此两个网络的复杂度应该是相当的(当然这里的“记住”是形象理解,不是真的强行记住了,不然就是过拟合了);
2017年6月12日

业界 | 我们和专家聊了聊,梳理了软银收购波士顿动力这件事

对它的长期大力资助起到很大作用。这种体量的机器人在制造、人力、物力等成本上付出动辄成百上千万,且短期内无法获得合理产出,如果没有持续性投入难以为继。类似困境在国内机器人技术创新型公司也屡见不鲜。「
2017年6月12日

观点 | 小心训练模型,数据少也可以玩转深度学习

真正在做的辩驳是关于模型复杂度和偏差/方差折衷。如果你没有很多数据,很可能训练一个简单模型(高偏差/低方差)要比复杂模型(低偏差/高方差)效果更好。客观来讲,在大多数情况下这是一个好建议,然而...
2017年6月11日

观点 | Yoav Goldberg撰文再回应Yann LeCun:「深度学习这群人」不了解NLP(附各方评论)

当我说「你应该尊重语言」时,我并不是在说你应该尊重之前的其他努力和方法论(尽管也可以对你很有帮助),而是在说你应该去注意所要解决问题的细微差别。至少有个足够的了解,这样你的评估才有意义。
2017年6月11日

学界 | 让机器耳濡目染:MIT提出跨模态机器学习模型

共同表示:研究人员提出了深度跨模态卷积神经网络,它可以学习三种表征方式:视觉、听觉和文字阅读。在此之上,研究人员展示了输入信息可以激活网络中的隐藏单元,其中被激发的概念位置独立于模态。
2017年6月11日

开源 | 猿辅导分布式机器学习库ytk-learn、分布式通信库ytk-mp4j

猿辅导公司是中国领先的移动在线教育机构,拥有中国最多的中学生移动用户以及国内最⼤的中学生练习行为数据库,旗下有猿题库、小猿搜题、猿辅导三款移动教育
2017年6月11日

引爆机器学习圈:「自归一化神经网络」提出新型激活函数SELU

摘要:深度学习不仅通过卷积神经网络(CNN)变革了计算机视觉,同时还通过循环神经网络(RNN)变革了自然语言处理。然而,带有标准前馈神经网络(FNN)的深度学习很少有成功的案例。通常表现良好的
2017年6月11日

从Yoav Goldberg与Yann LeCun争论,看当今的深度学习、NLP与arXiv风气

了。而且它们的引用会越累积越多。声望也会越来越大。尽管在语言生成方面,这是个非常非常糟糕的研究成果。而人们还是会复现他们的设置(为了比较!为了科学!!)。而这是个非常糟糕的设置。而其他人,比如严肃的
2017年6月10日

深度 | OpenAI提出强化学习新方法:让智能体学习合作、竞争与交流

DDPG(下)训练的智能体更复杂的行为。其中,红色智能体试图通过绿色的森林来追逐绿色的智能体,同时绕过黑色的障碍。我们的智能体可以捕捉到更多智能体,而且也看得出来,我们的智能体比
2017年6月10日

学界 | Facebook 新研究:大批量SGD准确训练ImageNet仅需1小时

摘要:深度学习随着大型神经网络和大型数据集的出现而蓬勃发展。然而,大型神经网络和大型数据集往往需要更长的训练时间,而这正好阻碍研究和开发进程。分布式同步
2017年6月9日

教程 | 如何使用Swift在iOS 11中加入原生机器学习视觉模型

奇怪的是,分辨率较低的图像似乎对其最可能的分类具有最高的信任度。我无法解释这种情况出现的原因。如果有读者了解其中的原因,请在下面留言。我真的很费解!
2017年6月9日

课程丨来自硅谷的人工智能工程师直通车:打造工业级AI工程师!

Engineer。深耕人工智能领域18年,手握100+项美国专利,在国际一流期刊及会议上发表的45篇论文已被引用超过6000次。创新工场AI工程院副院长王咏刚将其评价为“人工智能华人科学家中排名前
2017年6月8日

业界 | 让机器在对话中学习自然语言:百度提出交互式学习方法

当一个婴儿学习说话时,他与人产生交互,并通过模仿和反馈进行学习。婴儿最初通过模仿其会话者来产生言语行为,掌握字句生成的技巧。婴儿也会向其父母发出声音,并根据父母的纠正和鼓励调节其言语行为。
2017年6月8日

资源 | 用苹果Core ML实现谷歌移动端神经网络MobileNet

等移动设备上的人工智能任务,支持深度神经网络、循环神经网络、卷积神经网络、支持向量机、树集成、线性模型等。这一框架的易用性如何?大会之后,开源社区中很快就出现了有关
2017年6月8日

解读 | 如何用进化方法优化大规模图像分类神经网络?

分类器便可轻松完成分类任务。详尽的搜索似乎并不必要,因为它花费虽多,却只能提升一点点精确度。但若这个方法能够扩展到适应多个任务(如具有改良空间的分割和检测),这个尝试便是良好开端,并且颇具潜力。
2017年6月8日

从贝叶斯角度,看深度学习的属性和改进方法

regularization)是寻找最优网络和提供最优偏差-方差权衡框架以实现良好样本性能的核心。我们还讨论了高维中构建良好的贝叶斯预测因子。为了证明我们的方法,我们对
2017年6月8日

关系推理水平超越人类:DeepMind展示全新神经网络推理预测技术

人类只需简单一瞥就能给出许多类型物理系统的未来状态的丰富预测。另一方面,来自工程学、机器人学和图形学的现代方法则往往受限于狭窄的领域,且需要对当前状态的直接观测。我们引入了视觉交互网络(Visual
2017年6月7日

开源 | 基于Metal的机器学习框架Bender:可在iOS上运行TensorFlow模型

layer),可用于操作神经网络。在人工智能领域,人们对在移动设备上执行神经网络的兴趣越来越大,即便其训练过程是预先在其它地方完成的。我们希望人们能更轻松地在
2017年6月7日

深度 | 详解苹果Core ML:如何为iOS创建机器学习应用?

中打开模型来查看关于该模型的信息——包括模型的类型及其需要的输入和输出。该模型的输入是太阳能电池板和温室的数量,以及栖息地的大小(单位:英亩)。该模型的输出是该栖息地的预测价格。
2017年6月7日

苹果开发者大会WWDC 2017:首次全面展示苹果的人工智能实力

打破了苹果一贯的沉默,说明了苹果在人工智能发展商的具体目标,该公司还给出了一些细节来说明自己相对于竞争者的优势,让人们了解到了一些苹果的研究进展。
2017年6月6日

机器之心「AI00」颁奖晚宴闭幕,五月最新榜单发布

「AI00」第一期的榜单得到了来自投资界、人工智能产业界和学界的众多反馈,我们也依此对榜单的信息作出了一些订正和调整。在前几期的榜单中,我们先后增加了
2017年6月6日

专栏 | 大漠孤烟,长河落日:面向景深结构的风景照生成技术

在模型训练阶段,首先将训练集中的风景图分割成位于不同景深位置上的图层,每个图层对应一个标签和相对景深,将图层看作处于景深方向上的异步事件,这样图层间的关系就能使用
2017年6月6日

报名 | GeekPwn 2017嘉年华500万奖金池,招募全球AI安全极客

人工智能与黑客的过招,早在国内外有各种实践。与其称他们为黑客,不如说他们更像活跃在人工智能各个领域的魔术师,用障眼法等手段,蒙蔽、欺骗、诱导人工智能出现「失误」。AI
2017年6月6日

资源 |《人工智能与游戏》发行初版:从三个方面概述游戏人工智能(附下载)

合著的《人工智能与游戏》一书发布了其第一版(草稿),最终版本将在年末由
2017年6月5日

学界 | CMU新研究试图统一深度生成模型:搭建GAN和VAE之间的桥梁

之间的紧密对应关系,这不仅能让我们更加深入地理解现有的方法,而且还能让我们从这两大类算法的交织中汲取灵感,从而开发出更强的变体。在这一节,我们通过直接从其它方法导入思想,给出了
2017年6月5日

开源 | 浏览器上最快的DNN执行框架WebDNN:从基本特性到性能测评

WebAssembly。更多请查看:http://webassembly.org/getting-started/developers-guide/
2017年6月5日

实验研究工作流程详解:如何把你的机器学习想法变成现实

首先,它有一个项目列表来排列所有的研究想法、问题和题目。有时它们可以是比较高层面的问题,就像「用于强化学习的贝叶斯/生成方法」、「解决机器学习领域的公平性问题」;也可以是一些很具体的议题,比如「处理
2017年6月5日

ACL 2017 杰出论文公布,国内四篇论文入选(附解读)

language)之间存在关系,却不能提供更多的信息来帮助了解目标语言的词语是如何一步一步生成的;而相关性分析则能够帮助理解这个过程,并且能够分析任意神经元之间的关系。
2017年6月4日

教程 | 从硬件配置、软件安装到基准测试,1700美元深度学习机器构建指南

Tensorflow。风格转换是一种图片处理技术,它能将某一张图片(比如一幅画)的风格与另一张图片的内容相结合,从而生成新的图片。它分离和重组任意图像的内容和样式,为艺术图像的创建提供了一种新算法。
2017年6月4日

资源 | 企业应该怎样选择数据科学&机器学习平台?

它并不适用于所有人。对于只有一两个用例的小团队,最好还是围绕共享和拓展来即兴创作自己的解决方案(或者使用私人托管方案)。但如果你是一个有很多内部客户的中心化团队,你很有可能面临着下面几种症状的困扰:
2017年6月4日

学界 | 深度学习算法全景图:从理论证明其正确性

据我们所知,该研究是第一次理论上描述深度学习算法全景图(landscape)的工作。此外,我们的研究结果为训练良好的深度学习算法提供了样本复杂度(sample
2017年6月4日

专访 | 英特尔AIPG数据科学主任 Yinyin Liu:英特尔更注重构建整体性端到端平台

对于想做数据科学家的初学者,在掌握了深度学习基本的软件架构之后,可以去参加一些比赛来增加工程经验,英特尔也主办了很多的此类比赛,比如在国内开放了天池这个医疗数据库做了早期肺癌诊断的比赛。
2017年6月4日

教程 | 初学者入门:如何用Python和SciKit Learn 0.18实现神经网络?

原文链接:https://www.springboard.com/blog/beginners-guide-neural-network-in-python-scikit-learn-0-18/
2017年6月3日

观点 | MSRA副院长周明:未来5到10年是NLP的成熟期

在以计算、记忆为基础的「运算智能」之上,是以听觉、视觉、触觉为代表的「感知智能」,反映在人工智能技术上为语音识别和图像识别。再之上则是「认知智能」,包含语言、知识和推理。金字塔的顶端,则是创造智能。
2017年6月3日

初学者必读:IBM长文解读人工智能、机器学习和认知计算

深度学习是一组相对新颖的方法集合,它们从根本上改变了机器学习。深度学习本身不是一种算法,但是它是一系列可以用无监督学习实现深度网络的算法。这些网络是非常深层的,所以需要新的计算方法来构建它们,例如
2017年6月3日

学界 | 详解微软意识网络架构:具有可解释性的新型类脑AI系统

这可能是第一次有可能为一个抽象的神经网络的内部激活模式做出有意义解释,那种可以作为网络决策的一部分的解释。这仅仅是某些新事物(有意义的工作)的开始。但是,严肃地讲,一个新方向已经出现了。
2017年6月3日

GMIS 2017 | 谷歌云李佳:谷歌如何开发和应用人工智能

下午,作为本次大会的神秘嘉宾,谷歌云业务机器学习/人工智能研发主管李佳博士为我们带来主题为企业如何运用人工智能的主旨演讲。欲了解李佳博士的更多事迹,可参阅机器之心的特写文章《GMIS
2017年6月2日

学界 | Science介绍新型好奇心算法:基于强化学习摸索世界

学习和建立世界模型的时候,它会为发现之前从未见过的信息来奖励自己。例如,发现地图上的一个点,或者在厨房应用中发现不同寻常的菜谱。而且,它也会减少不确定性而奖励自己,例如对某个地方或菜谱更为熟悉。
2017年6月2日

学界 | 让深度学习告别密集计算,新技术可减少95%计算量

会议上被介绍,它解决了谷歌、Facebook、微软等大公司面临的最大难题之一。这些大公司都在争相建立、训练、部署大量的深度学习网络来发展不同的产品,例如自动驾驶汽车、翻译、邮件智能回复。
2017年6月2日

开源 | 微软发行 Cognitive Toolkit 2.0 完整版:从性能更新到应用案例

的开发最开始是为了微软研究者和工程师加速训练深度神经网络和其他机器学习模型,开发诸如必应视频搜索和语音识别系统等应用,其中后者是微软一个突破性进展,它可以像人一样识别对话中的字词。
2017年6月2日

GMIS 2017 | 腾讯AI Lab副主任俞栋:语音识别研究的四大前沿方向

鸡尾酒会中一个相对简单的问题是语音加上噪声(或者语音加上音乐、语音加上其他的东西)。因为你已经知道要关注的语音部分,可以忽略掉其他,所以这个问题就可以从之前的非监督学习盲分类问题,转换到人为定制的
2017年6月2日

学界 | Yoshua Bengio等提出深度复数网络:用复数构建深度神经网络(已开源)

在这一节,我们给出了我们的模型在图像和音乐分类任务上的实验结果。首先,我们给出了我们的模型架构,然后给出了其在三个标准图像分类基准(CIFAR-10、CIFAR-100
2017年6月1日

GMIS 2017 | 今日头条副总裁马维英:信息流的未来与人工智能的机会

万,所以大量各式各样的原创内容已经在到我们的平台,用户端也已经有了各式各样的信息流、各式各样的应用,可以看到都是新的信息流流出的管道,大家看到的是整个信息流里面的每个环节。
2017年6月1日

资源 | 工程师必备!最好的九张机器学习&深度学习代码速查表

上建立了一个代码速查表,对机器学习初学者来说是不可多得的一个资源。机器之心将文章中的高清图片下载到了百度网盘,读者可从中浏览,也可以点击项目地址或文后的原文地址查阅。
2017年6月1日

业界 | 摩根大通报告12个亮点总结:金融领域的机器学习工具有哪些?

深度学习方法基于神经网络,而神经网络是受到人类大脑神经活动的形式而受到启发的。在网络中,每个神经元接收来自其他神经元的输入,并计算这些「神经元」的加权平均值。权重的计算则基于从历史数据中得来的经验。
2017年6月1日

GMIS 2017 | 第四范式首席科学家杨强:AlphaGo的弱点及迁移学习的应对(附视频)

所以,这种生成式对抗网络的一个特点,通过小数据可以生成很多模拟数据,通过模拟数据又来判定它是真的还是假的,用以刺激生成式模型的成长。这个就好象是计算机和人之间的博弈,下图左边展示的是一棵博弈树。
2017年6月1日

深度 | 轻量级深度卷积神经网络在农业机器人中的应用

就像在这个例子中一样,如果你只有有限的数据来训练一个神经网络,最好的方法就是拿一个预先训练好的模型并将其适应在你的任务中。有名的几个常被使用的预训练网络是:VGGnet、GoogleNet
2017年5月31日

访谈 | 跳槽、行业前景、模型等创业者想问的,邓力这样说

李世鹏,与十多位不同行业的创业者、技术人员促膝而谈,回答了他们关于人工智能领域,尤其是关于人工智能技术如何在不同行业得到应用的一系列问题,机器之心对此做了梳理与总结。
2017年5月31日

学界 | Stuart Russell等人提交论文:机器人不应永远遵从人类指令

研究人员认为,实用化机器人必须在远期学会自主地决定何时遵从命令,何时不遵从。但在同时,更重要的是必须保证机器人在做出反应后具有足够的容错性,因为机器人使用的模型也可能出错。
2017年5月31日

前沿 | 详解Microns项目:通过大脑逆向工程来创造通用人工智能

身上,一位来自哈佛大学的神经科学家、人工智能专家以及一个三岁孩子的自豪爸爸。他的女儿在自然历史博物馆看到一个长腿的骨架,并指着它说,「这是骆驼」。之前,她唯一一次看到骆驼是在几月前的图画册上。
2017年5月31日

GMIS 2017 | 清华大学朱军详解珠算:贝叶斯深度学习的GPU库(附视频)

给大家两个例子看我们怎么通过珠算实现推断的。首先,比如我们要做一个变分推断,在珠算上变分推断只需要三步:第一步,我们要构造一个变分分布,这个变分分布就像我前面讲的生成模型一样,可以通过初始化一个
2017年5月31日

深度揭秘谷歌TPU2机器学习集群:新一代的「谷歌云TensorFlow处理单元」

(参见下面的功耗讨论)。我们相信它们是双插座主板,仅仅是因为我还没有听说过多少单插座主板是通过英特尔供应链的任何一部分供应的。但是随着新的市场进入者,例如如具有「Naples」Epyc
2017年5月30日

业界 | ARM推出新一代移动端CPU和GPU:提升机器学习效率

的性能增益。这些数字以及在表格中给出的其它数字是在同样的频率、同样的一级缓存和二级缓存大小、同样的编译器等情况下比较的。实际的增益应该还会更高一点一点,因为合作伙伴的
2017年5月30日

学界 | 视觉问答全景概述:从数据集到技术方法

近日发布了一篇论文,对视觉问答方面的数据集和技术进行了盘点和比较。机器之心对本文内容进行了摘要式的编译介绍,论文原文请访问:https://arxiv.org/abs/1705.03865
2017年5月30日

一周论文 | 从PM到GAN - LSTM之父Schmidhuber横跨 22 年的怨念

模型,首先得从自编码器说起。大家知道机器学习分为有监督学习、无监督学习和强化学习,无监督学习中一个很重要的领域是表征学习,旨在从原始数据中学习到一个良好的表征,而自编码器就是用于表征学习的代表模型。
2017年5月30日

专栏 | 手机端运行卷积神经网络实践:基于TensorFlow和OpenCV实现文档检测功能

需要强调的一点是,这种操作思路,是针对不同的神经网络结构有不同的裁剪方式,原则就是用到什么模块就保留什么模块。当然,因为有些模块之间还存在隐含的依赖关系,所以裁剪的时候也是要反复尝试多次才能成功的。
2017年5月30日

神经形态计算与神经网络硬件最全调查:从研究全貌到未来前景

发展神经形态系统的十种不同动机,以及随时间推移各动机在论文中所占的百分比的变化情况。从左到右依次为:实时性能、并行性、冯·诺依曼的瓶颈、可扩展性、低功耗、封装大小、容错、速度更快、在线学习、神经科学
2017年5月29日

解读 | ICLR-17 最佳论文:理解深度学习需要重新思考泛化问题

如果你用随机标签训练网络,然后看网络在测试集中的表现,这个表现显然不好,这是因为网络没有学习到数据集的正确信息。这一问题的一个奇怪描述是它具有高泛化误差。将这些情况综合考虑,你能理解到:
2017年5月29日

GMIS 2017 | 伯克利教授Stuart Russell:人工智能的过去、现在和未来

年左右的一些技术,当把它放到真实的世界当中时并不是非常的奏效。那时深度学习也不太受欢迎。但是如今我们可以更新现代的技术,可能未来对训练资料、数据的要求也不用再那么高。」对此,Russell
2017年5月29日

GMIS 2017 | 第四范式首席研究科学家陈雨强:机器学习模型,宽与深的大战

因此,通过机器学习首先,观察数据;第二,找到规律;第三,根据规律做模型的假设;第四,对模型假设中的参数用数据进行拟合;第五,把拟合的结果用到线上,看看效果怎么样。这是模型这条路在工业界上优化的方法。
2017年5月29日

业界 | DeepMind发布AlphaGo 50局自我对弈棋谱

自我对弈的棋谱大异于我所见过的任何其他棋谱,它们正是我想要的未来围棋。」九段棋手&世界围棋冠军古力说:「这些自我对弈的棋谱令人难以置信,受益匪浅。」我们表示希望围棋手通过这些棋谱小试身手。
2017年5月29日

GMIS 2017 | NIPS最佳论文作者之一吴翼:价值迭代网络

的一个使命,那就是研发自动机器人,希望有一天这样的场景会发生:某天早上你对你家的机器人说:「帮我从冰箱拿瓶牛奶」。然后它就打开冰箱,看到这样的冰箱场景,然后挪开前面的苹果来拿到放在最后面的牛奶。
2017年5月28日

学界 | 普林斯顿与Adobe提出音频编辑技术VoCo:可基于文本插入和替换语音

正在研发中的「VoCo」软件使得添加或者替换语音中的词变得容易,仅仅通过编辑语音的文字转录(transcript)。新词将会自动合成到讲话中
2017年5月28日

GMIS 2017 | NIPS最佳论文作者之一吴翼:价值迭代网络

的一个使命,那就是研发自动机器人,希望有一天这样的场景会发生:某天早上你对你家的机器人说:「帮我从冰箱拿瓶牛奶」。然后它就打开冰箱,看到这样的冰箱场景,然后挪开前面的苹果来拿到放在最后面的牛奶。
2017年5月28日

资源 | 数据科学家必备的21个命令行工具

从世界到网络的通道(反向通道)在我们需要访问机器,但机器又被防火墙保护时需要。操作的原则即连接最开始是由远程机器发起。在这样的通道中,我们可以发送任何通信(traffic),而并不仅仅只是
2017年5月28日

业界 | 蚂蚁金服引入「最强外脑」,正式宣布 Michael I.Jordan 加盟

科技公司请学界大牛做技术顾问或科学智囊的作法,在硅谷科技巨头中已成惯例。随着大数据、人工智能等黑科技的出现,科技独角兽或行业领袖们也开始「陶瓷」顶级高校学术研究界的大牛们。
2017年5月27日

GMIS 2017大会邓力主题演讲:无监督学习的最新进展

邓力老师随后探讨了如果没有输入、没有一个学习材料系统该怎样学习,所以说机器还得需要一些学习材料,而又不需要人类提供那些成本非常昂贵的输入输出映射。那么在这样一个无监督学习里,我们该怎样训练模型。
2017年5月27日

业界 | 后装炫技,前装务实?这家公司循序渐进切入ADAS市场

「未来行业内比拼的,就是算法和数据。如果不提前布局深度学习我们就会落后,所以我们很快就会加大在深度学习这方面的研究力度。」刘鹏补充道。
2017年5月27日

业界 | 后装炫技,前装务实?这家公司循序渐进切入ADAS市场

「未来行业内比拼的,就是算法和数据。如果不提前布局深度学习我们就会落后,所以我们很快就会加大在深度学习这方面的研究力度。」刘鹏补充道。
2017年5月27日

现场报道 | AlphaGo被授职业九段,DeepMind将公开其所有版本细节

「后面我想到的担心的棋,它一定会下,我想不到的地方,经过一番思考之后,我才知道这是好棋。我和它的差距太大了,以后也会越来越大。我对自己很遗憾,但是也为
2017年5月27日

专访|成立仅两年,云从如何「征服」中国银行总行?

对于为什么会被中国银行总行选择,张兴旺的回答十分中肯。「第一是地方分行的实用效果切实,第二是云从服务的其他银行客户运营良好,总行对售后运维也有信心。当时行方要求列举以往做过的
2017年5月26日

专栏 | 阿尔伯塔大学李玉喜博士:我们应该如何面对强大的计算机围棋AlphaGo?

的目标仍然是最大概率地赢棋。计算机围棋也可能有其它目标,比如尽量大幅度地赢棋,但这样很可能要以损失赢棋概率为代价。如果大幅度赢棋也是一个目标,那么计算机围棋程序应该兼顾赢的概率,否则可能适得其反。
2017年5月26日

业界 | 百度提出神经TTS技术Deep Voice 2:支持多说话人的文本转语音

我们介绍了一种用于增强神经文本转语音(TTS)的技术,该技术使用了低维可训练的说话人嵌入(embedding)来从单个模型中生成不同的声音。首先,我们给出了超越两个用于单说话人神经
2017年5月26日

专访|成立仅两年,云从如何「征服」中国银行总行?

对于为什么会被中国银行总行选择,张兴旺的回答十分中肯。「第一是地方分行的实用效果切实,第二是云从服务的其他银行客户运营良好,总行对售后运维也有信心。当时行方要求列举以往做过的
2017年5月26日

学界 | ICML 2017公布接受论文,Andrej Karpathy解读论文分布数据

原文链接:https://medium.com/@karpathy/icml-accepted-papers-institution-stats-bad8d2943f5d
2017年5月25日

开源 | OpenAI基准DQN及其三个变体:通过最佳实践确保DQN正确性

多次浏览代码,然后考虑每行代码可能有什么问题,我们找到了这篇博文中提到的大多数漏洞。虽然有点事后诸葛,但是,即使是经验丰富的研究人员也容易低估一个实现中需要过多少次代码才能发现所有漏洞。
2017年5月25日

学界 | 微软提出深度学习新架构:使用问答系统来得到语法上可解释的表征

大会上,邓力将带来主题为《无监督机器学习的最新进展》的演讲。机器之心在本文中对这项研究进行了摘要介绍,论文原文请访问:https://arxiv.org/abs/1705.08432
2017年5月25日

专访 | 融到 3.8 亿的依图,正在人工智能医疗领域做什么?

预想中会被医生抵触的「智能数字肺」系统,意外地得到了放射科医生的欢迎。「在医院演示时,医生会拿出自己的片子用系统诊断,大概半小时左右就会决定用这套系统……大家认为确实能提供帮助,并不是炒概念。」
2017年5月24日

专栏 | 视觉导向应用中的可扩展解决方案:全可编程SoC

这种高度的灵活性能够打造出面向未来的设计方案。目前它可以先实例化一个接口,然后随着新标准的出现,重新编程已经部署的系统以支持新标准。可编程逻辑的灵活性还体现在能从一个标准转换到另一个标准。
2017年5月24日

现场报道 | 让天下三子,DeepMind官方解读新版AlphaGo强大实力

结合了监督学习与强化学习的优势。通过训练形成一个策略网络,将棋盘上的局势作为输入信息,并对有所可行的落子位置形成一个概率分布。然后,训练一个价值网络对自我对弈进行预测,以-1(对手的绝对胜利)到
2017年5月24日

如何从初入行者进阶为人工智能先锋青年?

学术界和工业界的人际网络。加入导师的研究小组就意味着进入他的社会网络,而社会网络是互相影响、互相促进的有机体集合,因为你可以拓宽你的交流渠道,跟他们讨论新想法,新计划,以及寻求更多、更好的工作机会。
2017年5月23日

柯洁1/4子惜败,机器之心独家对话AlphaGo开发者导师 Martin Müller

结合了监督学习与强化学习的优势。通过训练形成一个策略网络,将棋盘上的局势作为输入信息,并对有所可行的落子位置形成一个概率分布。然后,训练一个价值网络对自我对弈进行预测,以-1(对手的绝对胜利)到
2017年5月23日

教程 | 初学者如何选择合适的机器学习算法(附速查表)

原文链接:http://blogs.sas.com/content/subconsciousmusings/2017/04/12/machine-learning-algorithm-use/
2017年5月23日

机器之心GMIS 2017参会者必读:如何玩转全球机器智能峰会(倒计时5天!)

为保证参会代表的安全与利益,与会来宾参加任何会议活动,包括听取论坛报告,参加交流等,均请佩戴大会提供的统一证件。参会人员凭证件入场(一证一人),每次进场有专人检验胸卡。如果丢失,概不补办。
2017年5月22日

测评 | 我们帮你测试了 Google Home,它会是你想要的完美助手吗?

并未公布这些新特性具体从何时开始应用。这些新功能算不上大改动,新增的「主动帮助」功能只支持基本的提醒和操作,「免费拨打电话」也只能在美国和加拿大使用。与亚马逊
2017年5月22日

深度 | 从数据结构到Python实现:如何使用深度学习分析医学影像

池化层的目标是逐渐地减少矩阵的尺寸,以减少网络中参数的数量和计算,这样也就能控制过拟合。池化层在输入的每个深度切片上独立操作,并使用最大化和平均运算来重置其空间尺寸。最常见的形式,一个采用了步幅
2017年5月22日

观点 | 人工智能的三个阶段:我们正从统计学习走向语境顺应

这是一场演化的艰难过程,刚开始结出果实,但这些新的发展中绝大部分仍然没有准备好开花结果。尽管可以看到这些技术会往哪个方向发展,但是,只有两到三个技术有望可靠商业化(图像处理、文本和语音处理,类似
2017年5月21日

学界 | 反超GPU:微软提出在CPU上高效解码的神经机器翻译模型

模型近年来已经成为了机器翻译领域的新标准,但与基于短语的系统相比,这个模型也面临一个挑战——那就是训练和解码成本显著增加。这里我们专注于研究高效的解码,旨在精确度上与现有的神经翻译模型接近,同时在
2017年5月21日

Google I/O 李飞飞等四领域女性专家,谈机器学习的过去、现在和未来

和他的同事们的人工智能可视化研究造成了非常大的轰动。人工智能或者机器学习最大的挑战是系统的空间维度太高,人们很难理解这些系统。数据可视化是让人们能站在最高点了解系统的方法之一,Hinton
2017年5月20日

业界 | 《硅谷》中的「See Food」不仅是真实的应用,还有真实的故事

杨靖是《硅谷》剧中巴赫曼「孵化器」中的一名程序员,他开发了一个名叫「Seafood」的应用,并把它拿到风险投资人的面前。杨靖的想法来自于奶奶的章鱼食谱,但在会谈中,Seafood
2017年5月20日

Google I/O 李飞飞等四领域女性专家,谈机器学习的过去、现在和未来

和他的同事们的人工智能可视化研究造成了非常大的轰动。人工智能或者机器学习最大的挑战是系统的空间维度太高,人们很难理解这些系统。数据可视化是让人们能站在最高点了解系统的方法之一,Hinton
2017年5月20日

资源 | 谷歌发布Quick Draw涂鸦数据集:5000万张矢量图,345个类别

我们在这里将这个数据集共享给开发者、研究者和艺术家,以供探索、研究和学习。如果你使用这个数据集创造出了什么东西,请发邮件告知我们:quickdraw-support@google.com
2017年5月19日

教程 | 如何使用谷歌Mobile Vision API 开发手机应用

API,它将图像帧传递给检测器,检测器运行算法来生成检测结果。然后结果被传递给处理器。处理器是首个后处理(post-processing)步骤,它负责筛除、合并、或传递检测到的
2017年5月19日

重磅 | 微软首席人工智能科学家邓力离职,加盟对冲基金巨头Citadel

Hinton,他看过论文后表示「神经网络成功真是太难了」。虽然博士生拿到了博士学位,但这次研究的结果让邓力暂时放下了神经网络的研究,开始转向贝叶斯统计方法和生成模型(Generative
2017年5月19日

现场|从新一代TPU到Google.ai,详解谷歌I/O首日人工智能五大亮点

的请求都是通过自然语言的方式进行的,而非键盘输入。而谷歌要做的就是结合语音识别、自然语言处理以及语境意义方面的技术来解决用户双手,实现更加自然的人机交流。「Google
2017年5月18日

资源 | 2017年最流行的15个数据科学Python库

等科学工具的显著竞争对手。然而,这个库比较底层,这意味着你需要编写更多的代码才能达到高级的可视化效果,通常会比使用更高级工具付出更多努力,但总的来说值得一试。花一点力气,你就可以做到任何可视化:
2017年5月18日

GMIS 2017 志愿者招募,近距离接触人工智能顶级大咖

大会将在北京举办,作为机器之心的首届「全球机器智能峰会」,我们邀请到了来自瑞士、美国、加拿大以及国内的众多人工智能学术大咖、业界大牛参会。GMIS
2017年5月18日

学界 | 让好奇心驱动人工智能:UC Berkeley提出自监督预测算法

最近发表的论文提出了一种更为先进的方式,研究人员称这种「好奇心驱动」的人工智能算法不需要奖励机制就能学会如何进行《超级马里奥兄弟》和《Doom》两种游戏,并能达到超越以前方法的表现。该论文已被将于
2017年5月17日

业界 | Google I/O 2017:值得期待的机器学习内容有哪些?

的世界),计算能力将普遍可用。你在家里、公司、汽车内,或者行走的过程中都能使用到计算能力,并且与这些界面的交互将变得更加自然、更加直观,尤其是更加智能。」参阅机器之心文章《众多新品发布,CEO
2017年5月17日

学界 | OpenAI推出机器人新系统:机器可通过VR演示自主学习新任务

policy)在模拟中解决它。我们使用脚本策略生成用于模仿网络的训练数据。测试时,模仿网络能够解析来自人类的演示,尽管以前从未见过人类凌乱的数据。
2017年5月17日

神经风格迁移研究概述:从当前研究到未来方向(附论文和代码)

提出了指定风格迁移目标的算法。该算法是在图像中仅对单个用户指定的对象进行风格化的过程。这个想法是使用最先进的语义分割算法从风格化图像中分割目标对象,然后提取风格迁移后的对象与非风格化背景合并。
2017年5月15日

一周论文 | 论文盘点:检索式问答系统的语义匹配模型(神经网络篇)

的神经网络语义匹配模型。该模型的提出基于文本匹配过程的两个直觉:1)Localness,也即,两个语义相关的文本应该存在词级别的共现模式(co-ouccurence
2017年5月14日

新闻太长不想看?深度解析MetaMind文本摘要新研究

等自动评估指标的限制,这表明需要更好的指标来评估和优化摘要模型。一个理想的度量指标在摘要的连贯性和可读性方面应与人类的判断相一致。当我们使用这样的指标来强化摘要模型时,摘要的质量可能会进一步提高。
2017年5月13日

中科院「脑科学与人工智能」论坛,四场报告概要+两大研究方向解读+两项专题讨论实录

在各位院士教授的报告中,有多个研究方向备受专家学者关注,比如卷积表征记忆、混沌系统编码时序、类脑结构降低芯片功耗等。机器之心选取了「卷积与生物记忆」和「反向传播算法与脑研究」两大研究方向进行解读。
2017年5月12日

机器之心GMIS 2017湾区抢先预热,八位参会大咖提前看

本次活动请到有各路专家、投资者、教授和人工智能从业者,他们将一同对你所关心的话题展开对话,他们包括但不限于:
2017年5月11日

机器之心GMIS 2017寻找VIP——四大专家签名赠书

机器之心创办至今,始终坚持提供专业的、客观严肃的高质量学术及产业内容,向人工智能从业者及爱好者输出真正有价值的信息和知识,借助优质内容的力量来正确引导甚至影响人工智能行业的发展。
2017年5月11日

英伟达Volta架构深度解读:专为深度学习而生的Tensor Core到底是什么?

高性能计算设备(HPC)是现代科学的基础,从预测天气、发明新药到寻找新能源,大型计算系统能为我们模拟和预测世界的变化。这也是英伟达在新一代
2017年5月11日

重磅 | Facebook提出全新CNN机器翻译:准确度超越谷歌而且还快九倍(已开源)

论文地址:https://s3.amazonaws.com/fairseq/papers/convolutional-sequence-to-sequence-learning.pdf
2017年5月10日

现场报道 | 英伟达GTC大会开幕,盘点首日三大亮点

Conference,GTC)在美国加州圣何塞开始举行。随着近年来人工智能和机器学习技术的发展,本次大会吸引了众多机器学习的研究人员参与,除了将要出场演讲的黄仁勋外,来自
2017年5月9日

资源 | 清华大学发布珠算:一个用于生成模型的Python库

上发布了「珠算(ZhuSuan)」这一软件库。机器之心在本文中编译介绍了该项目的介绍文档,如果你想现场聆听对该项目的更详细深入的介绍,可访问
2017年5月9日

资源 | 清华大学发布珠算:一个用于生成模型的Python库

上发布了「珠算(ZhuSuan)」这一软件库。机器之心在本文中编译介绍了该项目的介绍文档,如果你想现场聆听对该项目的更详细深入的介绍,可访问
2017年5月9日

机器之心「AI00」四月最新榜单:新增人工智能网络安全公司Cylance和Sift Science

00)查看本开源项目的具体参与方式。「AI00」第一期的榜单得到了来自投资界、人工智能产业界和学界的众多反馈,我们也依此对榜单的信息作出了一些订正和调整。在前几期的榜单中,我们先后增加了
2017年5月8日

学界 | 正在涌现的新型神经网络模型:优于生成对抗网络

具有时间的不稳定性:由于它们使用静止图像进行训练,所以不能学习目标在空间中运动时平滑的时空转化。它们可以识别一些图像中(但不是全部)目标所属的类型,并且对于对抗性的噪音和扰动非常敏感。
2017年5月8日

教程 | TensorFlow 官方解读:如何在多系统和网络拓扑中构建高性能模型

(https://github.com/tensorflow/tensorflow/blob/master/tensorflow_models/inception#getting-started)
2017年5月7日

一周论文 | Seq2Seq有哪些不为人知的有趣应用

PaperWeekly是一个推荐、解读、讨论、报道人工智能前沿论文成果的学术平台。如果你研究或从事AI领域,欢迎在公众号后台点击「交流群」,小助手将把你带入PaperWeekly的交流群里。
2017年5月7日

教程 | 初学文本分析:用Python和scikit-learn实现垃圾邮件过滤器

mining,从文本中导出信息)是一个广泛的领域,因为不断产生的巨量文本数据而已经得到了普及。情绪分析、文档分类、主题分类、文本概括、机器翻译等许多任务的自动化都已经通过机器学习得到了实现。
2017年5月6日

学界 | 风格迁移新方法:微软与上海交大提出深度图像类比技术

Analogy。它使用粗化-精细的策略来计算生成结果的邻域纹理。我们在各种任务中验证了新方法的有效性,包含风格/纹理转换、颜色/风格对换、素描/绘画到照片的转换和不同时间的光照条件转换。
2017年5月6日

业界 | 皮尤报告:人工智能催生「云劳动」,资本主义或将终结

世纪的教育与培训体系富有希望,但大部分身居高位的专家则表现出了各种不同的悲观情绪。一些人甚至表示在未来人类的工作环境将会变得恶劣,而资本主义作为一种经济体系将会覆灭。」皮尤的报告中写道。
2017年5月6日

资源 | Facebook开源人工智能框架ParlAI:可轻松训练评估对话模型

tasks、MCTest、WikiQA、WebQuestions、SimpleQuestions、WikiMovies、QACNN、QADailyMail、CBT、BookTest、bAbI
2017年5月5日

业界 | 微软官方解读自家机器阅读研究:要教机器学会阅读、回答和提问

微软的研究员目前已经创造出了能够像人类一样完成两种困难任务的技术:图像识别和语音识别。现在微软的顶级人工智能专家正在研究能够完成更复杂任务的系统:阅读文本进而回答问题。
2017年5月5日

业界 | 谷歌开源深度学习街景文字识别模型:让地图随世界实时更新

这是一些具有挑战性的标识,它们由谷歌的系统通过选择或结合对图像的理解而恰当地进行了转录。第二个例子就更具挑战性了,但是由于模型提前学习了一个语言模型,这使得它能够去除模糊而正确的认读街道的名字。
2017年5月4日

地平线机器人杨铭:深度神经网络在图像识别应用中的演化

这是我们主要做的三个业务方向。总得来说,我们希望把人工智能、深度学习、深度网络这些技术放到嵌入式系统中去,提供一个从软件到硬件,甚至到芯片的全套解决方案,帮助这些产品、设备都具有这种人工智能的功能。
2017年5月3日

深度 | 联想AI实验室负责人徐飞玉:人工智能变迁,从实验室走入日常生活

文本信息分析处理是指在给定一个非结构化文本的情况下,文本分析系统能够自动识别并提取相关实体或概念之间的关系,这种关系对于满足用户需求很重要。
2017年5月3日

业界 | 英伟达与谷歌推出PilotNet:让人工智能向人类司机学习驾驶车辆

在驾驶汽车时关注的位置和人类驾驶者相同,包括路标、道路边缘和其他车辆。其中最令人兴奋的是:我们从未直接告诉神经网络需要注意到这些东西。计算机在训练过程中的行为和人类在驾校中所做的一样:通过观察学习。
2017年5月2日

深度 | Ian Goodfellow AIWTB开发者大会演讲:对抗样本与差分隐私

Goodfellow:这是一个非常重要的开放问题。我们希望能够写出一个定理,告诉我们在防御对抗样本上我们能期待多大。目前,我们还没有多少理论上的卫士(guidance)。实际上,防御要比进攻难。
2017年5月2日

解读 | 如何从信号分析角度理解卷积神经网络的复杂机制?

利用与测量相似度类似的一系列非线性变换来逐层聚类相似的输入数据。输出层预测所有可能决策(如,对象的类)的似然值。训练样本含有图像与其决策标签之间的关系,并能够帮助
2017年5月2日

资源 |《TensorFlow深度学习》前两章提供开放下载

进行深度学习研究,适合对两者感兴趣且有实操需求的读者。机器之心对该书前两章的目录进行了简单编译。点击文末「阅读原文」下载已经开放的前两章
2017年5月1日

教程 | BerryNet:如何在树莓派上实现深度学习智能网关

DT42,我们相信将深度学习应用于便捷设备在未来是一个大趋势。因为这样不仅能节省数据传输和储存的成本,而且还能在无需连接云端的情况下使设备根据图像或视频中显示的事件进行响应。
2017年4月30日

教程 | BerryNet:如何在树莓派上实现深度学习智能网关

DT42,我们相信将深度学习应用于便捷设备在未来是一个大趋势。因为这样不仅能节省数据传输和储存的成本,而且还能在无需连接云端的情况下使设备根据图像或视频中显示的事件进行响应。
2017年4月30日

全面解读用于文本特征提取的神经网络技术:从神经概率语言模型到GloVe

本论文总结了最近几年涌现的最先进的神经网络技术的重要方面。当涉及到开发从简单的聊天机器人到通用人工智能实体概念化等一系列应用时,机器翻译、自然语言理解和自然语言生成的领域是重要的研究领域。
2017年4月29日

解读 | 通过拳击学习生成对抗网络(GAN)的基本原理

由于该模型已经学会皮肤图像中包含的最重要信息的通用、有效的表征,因此相比于仅使用监督式方法进行训练,模型应该仅使用更小的标签数据集就能快速学习诊断皮肤癌的新任务。这是迁移学习(transfer
2017年4月29日

学界 | ACL 2017中国研究论文解读:读懂中国自然语言处理前沿进展

该论文利用层级相关性传播可视化分析神经机器翻译,能够计算神经网络中任意两个节点的关联性,同时不要求神经网络中的函数必须可求偏导,为深入理解和调试神经机器翻译系统提供了重要的计算手段。
2017年4月28日

观点 | Hadoop没有消亡,它是大数据的未来

生态系统中孵化、开发和维护。开源社区本质上是达尔文式的。它专注于代码质量和行业应用,依赖于路线图和提交者的正确性,如果一个项目缺乏这些,那它会很快走进坟墓。换句话说,生态系统中没有落后者的位置。
2017年4月28日

Science Robotics | MIT提出机器人建筑平台:只需阳光和原材料即可按需生产房屋

,DCP):一种自动化建筑系统,可以根据定制要求现场搭建出建筑物。易言之,就是一款利用增材建造技术来建造大型建筑的机器人手臂,不过这支手臂更安全,搭建速度也快,在某些情况下,这些建筑还可以重复使用。
2017年4月27日

教程 | 通过PyTorch实现对抗自编码器

启发,但它在数据到潜在维度的映射方式中(如果现在还不清楚,不要担心,我们将在本文中重新提到这个想法)有更大的灵活性。关于对抗自编码器最有趣的想法之一是如何通过使用对抗学习(adversarial
2017年4月26日

英国皇家学会百页报告:机器学习的力量与希望(豪华阵容参与完成)

但是,早期的「战略数据集的价值」的参考资料在报告中进一步被详细地展开了,因为研究者们认识到早日获得这些有价值的公共资金数据可能会锁定商业优势。(虽然你不会在整篇报告中发现任何一处「垄断」字样)。
2017年4月26日

业界 | 谷歌TPU之后还有高通,人工智能芯片竞赛已经展开

自动驾驶是深度学习与人工智能发挥作用的主要领域之一。除此之前,内置芯片有很多其他选择以与真实世界交互,比如手机和虚拟现实耳机。当前技术发展飞快,我们很快就会看到其他实际应用的出现。
2017年4月25日

教程 | 一个基于TensorFlow的简单故事生成案例:带你了解LSTM

原文链接:https://medium.com/towards-data-science/lstm-by-example-using-tensorflow-feb0c1968537
2017年4月25日

深度 | 用于图像分割的卷积神经网络:从R-CNN到Mark R-CNN

通过多个尺度的窗口选择性搜索,并搜寻共享纹理、颜色或强度的相邻像素。图片来源:https://www.koen.me/research/pub/uijlings-ijcv2013-draft.pdf
2017年4月24日

教程 | 如何用PyTorch实现递归神经网络?

函数,执行该操作;然后重复,直到对整个句子完成处理。通过对单个句子的应用,该过程构成了一个大而复杂的深度神经网络,通过堆栈操作的方式一遍又一遍地应用它的两个可训练层。但是,如果你熟悉
2017年4月24日

学界 | Facebook ICLR 2017研究成果概述,对话研究的创新与优势

FAIR,我们希望从两端同时着手解决这些问题:从通用人工智能和机器在交流中的推理能力,到对话系统面临的实际问题(从已公开发布的聊天机器人在运行中收集到的问题)。Facebook
2017年4月24日

重磅 | 自动驾驶计算机视觉研究综述:难题、数据集与前沿成果(附67页论文下载)

详细解释了主动安全性与驾驶辅助系统,考虑到了它们的结构与功能。他们的研究注重覆盖到辅助驾驶系统的所有方面,但关于机器视觉的章节只覆盖到了自动驾驶视觉问题中最基础的概念。Klette
2017年4月23日

教程 | 无需反向传播的深度学习:DeepMind的合成梯度

i+1),然后返回梯度。使用此梯度而不是实际梯度(这将需要一个完整的正向传播和反向传播来计算)。然后,权重正常更新,并认为该合成梯度是真实的梯度值。如果你需要了解如何使用梯度更新权重,请查看
2017年4月23日

业界 | 微软RobustFill:无需编程语言,让神经网络自动生成程序

上:https://www.microsoft.com/en-us/research/publication/neuro-symbolic-program-synthesis-2/
2017年4月22日

三张图读懂机器学习:基本概念、五大流派与九种常见算法

ppt)》。现在是这些部落联合起来的时候了吗?他们也可能不得不这样做,因为合作和算法融合是实现真正通用人工智能(AGI)的唯一方式。这里给出了机器学习方法的演化之路以及未来的可能模样。扩展阅读《深度
2017年4月22日

资源 | 生成对抗网络及其变体的论文汇总

InfoGAN—InfoGAN:信息最大化生成对抗网络的可解释性表征学习(InfoGAN:Interpretable
2017年4月21日

资源 | 生成对抗网络及其变体的论文汇总

InfoGAN—InfoGAN:信息最大化生成对抗网络的可解释性表征学习(InfoGAN:Interpretable
2017年4月21日

资源 | 基于TensorFlow和Sonnet,DeepMind开源可微神经计算机实现包

除了写入,控制器也可以从记忆中的多个位置读取信息。它可以基于每个位置的内容对记忆进行搜索,即可以通过关联时间链接(associative
2017年4月20日

业界 | 陆奇宣布自动驾驶Apollo计划,一张图看懂百度智能汽车发展路线

而百度在智能汽车方向的长期投入也一再印证其对该领域的重视。这些年,百度进行过项目孵化、成立事业部、扩大投入、加大人员配置,也经历了重整资源、架构调整等变化,机器之心整理了相关公开信息。
2017年4月19日

资源 | 生成对抗网络新进展与论文全集

[https://c4209155-a-62cb3a1a-s-sites.googlegroups.com/site/nips2016adversarial/WAT16_paper_14.pdf]
2017年4月18日

教程 | Kaggle CTO Ben Hamner :机器学习的八个步骤

写研究论文(https://papers.nips.cc/book/advances-in-neural-information-processing-systems-29-2016)
2017年4月18日

教程 | Kaggle CTO Ben Hamner :机器学习的八个步骤

写研究论文(https://papers.nips.cc/book/advances-in-neural-information-processing-systems-29-2016)
2017年4月18日

访谈 | 离开Uber后的Gary Marcus:人工智能远比你想象的要难

原文链接:https://technical.ly/brooklyn/2017/04/10/nyu-gary-marcus-artificial-intelligence-contrarian/
2017年4月17日

专访 | IBM提出商业人工智能,看好中国机遇

系统,使其能够在数小时内完成十万通的来电内容检测,并提升服务质量。同时也开始尝试对客户中心的语音数据进行挖掘,开发出认知型的产品和服务系统,了解客户需求,从而更好地针对客户展开精准营销。
2017年4月17日

一周论文 | 基于知识图谱的问答系统关键技术研究 #02

为了回答一个问题,系统需要首先表示这个问题。所谓表示一个问题,指的是将问题从自然语言转换为一种能够捕获问题语义和意图的计算机内部表示。然后,对于每种内部表示,学习将其映射到知识图谱上的
2017年4月16日

业界 | 自动驾驶产业链全面盘点:2021年让新车驶上公路

传统汽车厂商的工程人员擅长内燃机、碰撞安全技术、材料科学和机械系统,而开发自动驾驶汽车需要的还有人工智能、机器人、计算机程序和数字网络技术的知识。拥有后面这些知识的人才通常不会出现在汽车行业中。
2017年4月15日

业界 | 谷歌官方揭秘AutoDraw人工智能绘画工具原理:让机器学会理解艺术

对生成式向量图像模型未来的可能性,我们感到非常兴奋。这些模型能满足许多不同方向的令人激动的、新的创新应用。它们也可以作为工具帮助我们提升对创新思维流程的理解。具体细节可查看以下论文:
2017年4月14日

资源 | 《Deep Learning》中文印前版开放下载,让我们向译者致敬

电子版也有类似的考虑,也就是先阅读后付费。我们认为中国人口素质已经足够高,懂得为知识付费。当然这不是付给我们的,是付给出版社的,出版社再付给原作者。我们不希望中文版的销量因
2017年4月14日

业界 | 谷歌官方揭秘AutoDraw人工智能绘画工具原理:让机器学会理解艺术

对生成式向量图像模型未来的可能性,我们感到非常兴奋。这些模型能满足许多不同方向的令人激动的、新的创新应用。它们也可以作为工具帮助我们提升对创新思维流程的理解。具体细节可查看以下论文:
2017年4月14日

除了AlphaGo对阵柯洁,五月还有另一场人机大战

本次大会将邀请海内外众多嘉宾及机构,将权威、系统地介绍机器智能相关技术的前沿研究,探讨如何将技术转化成产品和应用等问题,这些嘉宾包括加州大学伯克利分校人工智能中心创始人兼计算机科学专业教授
2017年4月13日

除了AlphaGo对阵柯洁,五月还有另一场人机大战

本次大会将邀请海内外众多嘉宾及机构,将权威、系统地介绍机器智能相关技术的前沿研究,探讨如何将技术转化成产品和应用等问题,这些嘉宾包括加州大学伯克利分校人工智能中心创始人兼计算机科学专业教授
2017年4月13日

人物 | Ian Goodfellow亲述GAN简史:人工智能不能理解它无法创造的东西

和许多其他朋友为其送行。他们中的一个人正在描述一个新的研究项目,致力于从数学上界定照片中的一切,即把关于照片的统计学数据输入到一台机器从而使其自行创建图片。Goodfellow
2017年4月12日

活动|INTERFACE#3 深度神经网络在图像识别应用中的演化——地平线机器人杨铭

联合创始人&软件副总裁。毕业于清华大学电子工程系并获得工学学士和硕士学位,于美国西北大学电气工程与计算机科学系获得博士学位。Facebook
2017年4月12日

深度 | 升级版AlphaGo 5月决战柯洁,DeepMind揭秘计算机全新棋风

结合了监督学习与强化学习的优势。通过训练形成一个策略网络,将棋盘上的局势作为输入信息,并对有所可行的落子位置形成一个概率分布。然后,训练一个价值网络对自我对弈进行预测,以-1(对手的绝对胜利)到
2017年4月11日

机器之心「AI00」三月最新榜单:新增DataRobot与值得关注的Neuralink

人工智能是一个复杂庞大的体系,涉及众多学科,也关乎技术、产品、行业和资本等众多要素,报告的写作团队只代表他们的专业观点,有自己的局限性,需要更多行业专家参与进来加以修正和完善。
2017年4月10日

深度 | 英伟达Titan Xp出现后,如何为深度学习挑选合适的GPU?这里有份性价比指南

训练两个卷积网络,你就能更快地知道什么对于性能优良来说是重要的;你将更容易地检测到交叉验证误差中的模式并正确地解释它们。你也会发现暗示需要添加、移除或调整哪些参数与层的模式。
2017年4月10日

一周论文 | 基于知识图谱的问答系统关键技术研究 #01

KBQA,包括对问题的模板化理解,以及问题模板到知识图谱的映射学习。在第六章和第七章,本文分别介绍了两个用于问答系统领域适配的技术:自言语言处理模型的领域迁移,和领域知识抽取。第八章给出了一个基于
2017年4月9日

机器学习和深度学习引用量最高的20篇论文(2014-2017)

机器学习,尤其是其子领域深度学习,在近些年来取得了许多惊人的进展。重要的研究论文可能带来使全球数十亿人受益的技术突破。这一领域的研究目前发展非常快,为了帮助你了解进展状况,我们列出了自
2017年4月9日

解读 | 艺术家如何借助神经网络进行创作?

来分别从内容图像和风格图像中提取内容信息和风格信息,然后再分别计算它们和随机噪音图像之间的损失。通过反向传播算法,随机噪音图像最终可以被转换成拥有给定图像内容,但拥有另外的艺术风格的图像。
2017年4月9日

DeepMind开源Sonnet:可在TensorFlow中快速构建神经网络

已将近一年。事实证明这是一个明智的选择——较之以往,我们很多模型的学习速度变得更快,而分布式训练中的嵌入式特征极大地简化了我们的代码。同时,我们发现
2017年4月8日

业界 | 分子性质预测新突破:谷歌新型神经网络助力化学研究

和催化剂。历史上,化学家曾经在这些化学搜索中使用过薛定谔方程的数值近似方法,比如密度泛函理论(DFT)。但是,这些近似方法的计算成本限制了搜索的规模。为了实现更大规模的搜索,一些研究组已经使用由
2017年4月8日

业界 | 谷歌发布神经音频合成器NSynth:专注于启迪音乐创作

可帮助音乐人凭直觉掌控音色、(音乐中的)力度强弱以及探索借由手动调节合成器而非常难或不可能实现的新声音的能力。所学习乐器的声学质量依赖于实用的模型和可用的训练数据,因此我们很高兴公布这两方面的进展:
2017年4月7日

ACL 2017接受了哪些论文?这份可视化分析让你轻松看懂(附论文列表)

完整接收论文地址:https://chairs-blog.acl2017.org/2017/04/05/accepted-papers-and-demonstrations/
2017年4月7日

重磅 | 谷歌发布TPU研究论文,神经网络专用处理器是怎样炼成的?

只是开始,是时候让英特尔害怕了》。但很长一段时间以来,谷歌并没有披露相关成果的细节。今天早些时候,谷歌终于打破了沉默,通过一篇论文介绍了这项研究的相关技术以及与其它硬件的比较。谷歌的硬件工程师
2017年4月6日

资讯 | 2017 IJCAI 计算机与思想奖迎来女性获奖者 Devi Parikh

Intelligence,IJCAI)是聚集人工智能领域研究者和从业者的盛会,也是人工智能领域中最好的综合性学术会议之一。该大会的主办方是位于美国加利福尼亚州的非营利性组织
2017年4月5日

业界 | 深度学习真的万能吗?理解深度学习的局限性

许多有关人工智能的喧哗都由那些从未训练过神经网络的记者,创业公司或者从未真正解决过商业难题却想要被高价聘请的编程人才所发出的。所以,有关人工智能的能力与限制,难免有如此多的误解。
2017年4月5日

教程 | 新手指南:如何在AWS GPU上运行Jupyter noterbook?

原文链接:https://blog.keras.io/running-jupyter-notebooks-on-gpu-on-aws-a-starter-guide.html
2017年4月4日

从强化学习基本概念到Q学习的实现,打造自己的迷宫智能体

的奖励。最后我们给定训练实体的目标就是最大化最后累积得分。随着训练实体的探索,它会知道蛇是有害的,宝藏是有益的,并且它需要尽可能快地得到宝箱。上图中「-」就表示从起始状态到目标状态最短的路径。
2017年4月4日

干货 | 物体检测算法全概述:从传统检测方法到深度神经网络框架

Search或EdgeBox等proposal提取的方法,基于颜色聚类、边缘聚类的方法来快速把不是所需物体的区域给去除,相对于肤色提取精度更高,极大地减少了后续特征提取和分类计算的时间消耗。
2017年4月4日

演讲 | 华院首席科学家:中文或是人类面对人工智能的最后壁垒

Processing,自然语言处理)是人工智能的一个子领域,也是人工智能中最为困难的问题之一,“语言本身就是一种特殊的数据,它本身就覆盖着意义,我们需要提取的是语言的意义,而不是语言的符号形式。”
2017年4月3日

学界 | 阿里人工智能新研究:在星际争霸中实现多兵种协同作战

过去十年里,人工智能技术有了突飞猛进的发展。在有监督学习的情况下,机器已经可以展现达到甚至超越人类认知水平的图像识别和语音识别能力。而在指定奖励目标后,单体人工智能(即智能体,agent)在
2017年4月2日

机器理解大数据的秘密:聚类算法深度详解

注意我们必须预定义图的聚类方式,才能找到评估一个聚类有多好的方法。不幸的是,使用暴力计算的方式来尝试各种可能以寻找最高模块性分数的聚类方式需要大量计算,即使在一个有限大小的样本上也是不可能的。
2017年4月2日

活动|INTERFACE#3 深度神经网络在图像识别应用中的演化——地平线机器人杨铭

联合创始人&软件副总裁。毕业于清华大学电子工程系并获得工学学士和硕士学位,于美国西北大学电气工程与计算机科学系获得博士学位。Facebook
2017年4月1日

纽约客特稿 | 把癌症诊断交给机器,医疗服务会更好吗?

这名布朗克斯妇女的扫描图像是对头骨的横切面切割图,就像是从底部切到顶部的瓜。医师们像是翻查一本手册一样浏览着图层,喊出解剖结构的名称:小脑、海马区、岛状皮层、纹状体、胼胝体、脑室等等。此时一名年近
2017年3月31日

纽约客特稿 | 把癌症诊断交给机器,医疗服务会更好吗?

这名布朗克斯妇女的扫描图像是对头骨的横切面切割图,就像是从底部切到顶部的瓜。医师们像是翻查一本手册一样浏览着图层,喊出解剖结构的名称:小脑、海马区、岛状皮层、纹状体、胼胝体、脑室等等。此时一名年近
2017年3月31日

资源 | 价值迭代网络的PyTorch实现与Visdom可视化

https://github.com/TheAbhiKumar/tensorflow-value-iteration-networks
2017年3月31日

学界 | 谷歌全端到端语音合成系统Tacotron:直接从字符合成语音

一个文本转语音的合成系统通常需要多个处理阶段,例如文本分析前端、声学模型和音频合成模块。构建这些组件经常需要多种领域的专业知识,而且设计选择也可能很脆弱。在本论文里,我们提出了
2017年3月31日

全球招聘 | 机器之心ALL IN了,你CALL吗?

也正因如此,机器之心得到了国内外众多技术专家、科技公司高管和人工智能从业者的高度认可,机器之心也积累了广泛的影响力和知名度,形成了富有特色的自我品牌。
2017年3月30日

全球招聘 | 机器之心ALL IN了,你CALL吗?

也正因如此,机器之心得到了国内外众多技术专家、科技公司高管和人工智能从业者的高度认可,机器之心也积累了广泛的影响力和知名度,形成了富有特色的自我品牌。
2017年3月30日

资源 | 下一代PS工具:Adobe照片级图像风格转换的Torch实现

层。我们的实验表明,这一办法成功地抑制了图片在各种不同场景下(包括一天的各个时间段,各种天气,季节以及艺术风格编辑)的风格扭曲,照片现实主义(photorealistic)风格迁移的效果也令人满意。
2017年3月29日

周四直播 | 李开复 vs Google X 创始人,AI尖峰对话!

也在不断挑战人类的极限。4月6日,来自美国的人工智能“冷扑大师”也将应创新工场CEO李开复的邀请,来到中国挑战六位华人顶尖扑克选手,和人类开始一场兼具技术比拼和心理战的悬念对绝。
2017年3月29日

学界 | 谷歌联合英伟达重磅论文:实现语音到文本的跨语言转录

architecture)序列到序列(sequence-to-sequence)模型上进行了一些修改,并表明了其能处理这种更复杂的任务,证实了基于注意的模型的强大。一个端到端训练的单一模型在
2017年3月29日

深度 | 理解深度学习中的卷积

上的过滤工作会变得越来越好。这个过程是自动的,称作特征学习。特征学习自动适配新的任务:我们只需在新数据上训练一下自动找出新的过滤器就行了。这是卷积神经网络如此强大的原因——不需要繁重的特征工程了!
2017年3月28日

业界 | 伊隆·马斯克成立Neuralink:用植入电极增强人脑计算能力

这一技术面临着些许障碍。科学家必须通过一种安全、扩散性最低的方法植入电极,并使其在大脑中保持稳定。通过记录大脑神经元活动以解码人类的复杂决策或者区分一个人是想要一盘意大利面还是想要洗澡目前仍不可能。
2017年3月28日

深度 | 迁移学习全面概述:从基本概念到相关研究

让模型更好地泛化也是与此相关的一个方向。为了实现更好的泛化能力,我们首先必须理解大规模神经网络的行为和错综复杂的结构,并且去研究它们泛化的原因和方式。最近的工作已经朝着这个目标迈出了大有希望的步伐
2017年3月27日

机器之心GMIS赠票 | 读懂大会宣传片的故事,我们请你免费参会

创新空间举行。本次大会将邀请海内外众多嘉宾及机构,权威、系统地介绍机器智能相关技术的前沿研究,探讨如何将技术转化成产品和应用等问题。
2017年3月27日

观点 | 机器学习确实还没商品化,也不必需博士学位

回答:很多人在人工智能热,以及诸如「人工智能是那些天才们的专属工具」的警告中昏了头,完全可以理解啊。对于记者来说,人工智能是个很难报道的领域,而且遗憾的是,被歪曲的事实随处可见。比如,最近有一篇文章
2017年3月27日

业界 | 自动驾驶事故频发:Uber步特斯拉、谷歌之后尘

对这起事故并不负责任,也无人员损伤。警方表示,是另一辆汽车没有让路才引发自动驾驶车辆侧翻。但是,方向盘后有人,无法确定相撞时是否有人在控制车辆。
2017年3月26日

综述 | 一文帮你发现各种出色的GAN变体

发散,它描述了从一个分布到另一个分布的「点」之间的距离。这大概是其主要思想,但如果你想了解更多,我强烈建议你访问这一链接(http://suo.im/1wmf2t)进行更深入的分析或阅读文章本身。
2017年3月26日

OpenAI详解进化策略方法:可替代强化学习

Strategies)。相比于该工作以及它所启发出的其他工作,我们专注于将这些算法延展到大规模的、分布式环境中,寻找让这些算法能与深度神经网络很好结合的组件,并在现在的强化学习基准上评估这些算法。
2017年3月25日

深度 | David Silver全面解读深度强化学习:从基础概念到AlphaGo

强化学习和标准监督学习的区别就在于从来不呈现正确的输入/输出对,也不存在次优化的行为被显式地修正。此外,还关注在线性能。在线性能涉及在对未知领域的探索和当前领域知识的利用之间寻求一个平衡。[4]
2017年3月25日

教程 | 如何使用TensorFlow构建、训练和改进循环神经网络

距离,是编辑距离的一种。指两个字串之间,由一个转成另一个所需的最少编辑操作次数。可以进行的编辑操作包括将一个字符替换成另一个字符,插入一个字符,删除一个字符)。
2017年3月25日

业界 | 深度学习芯片公司Graphcore初探:颠覆GPU、FPGA和CPU的新一代处理器IPU

的专用设备上,内存带宽也到达了极限。第二,即使保持存储消耗的供给不是瓶颈,软件开发任务也会随问题而扩展。架构定制是大规模提高神经网络速度的唯一办法。这并不排除通用加速器,因为确实需要它们去完成任务。
2017年3月25日

专栏 | MSRA视觉组最新研究:可变形卷积网络

pooling)。它们都是基于在模块中对空间采样的位置信息作进一步位移调整的想法,该位移可在目标任务中学习得到,并不需要额外的监督信号。新的模块可以很方便在现有的卷积神经网络
2017年3月24日

资讯 | 前微软首席研究员俞栋加盟腾讯AI Lab,担任副主任

主任,刘威任计算机视觉中心总监。随着俞栋的加入,腾讯人工智能研究体系的新管理架构已经形成。俞栋的到来必然会增强腾讯在语音领域的技术实力。
2017年3月24日

机器之心专访腾讯「绝艺」团队负责人:用全新强化学习方法造就更强模型

刘永升:通俗的说,「策略」指每一步博弈时,各种选择的取舍,选好棋弃差棋,这是偏微观评估,也就是每一步的判断;而「价值」则指能看懂棋局,判断给定棋局是不是能赢,这是偏宏观的评估,也就是围棋里的大局观。
2017年3月23日

业界 | 腾讯AI Lab启动首届学术论坛,正式宣布张潼出任实验室主任

张潼博士是中央组织部「千人计划」特聘专家,拥有美国康奈尔大学数学系和计算机系学士,以及斯坦福大学计算机系硕士和博士学位。加入腾讯前,张潼博士曾经担任美国新泽西州立大学教授、IBM
2017年3月23日

学界 | Facebook新论文提出通用目标分割框架Mask R-CNN:更简单更灵活表现更好

R-CNN》的新论文,描述了一种简单、灵活和高效的通用目标分割框架。另外该团队还在论文中表示将会发布该框架的代码。机器之心在本文中对其进行了摘要介绍,论文原文请点击文末「阅读原文」查阅。
2017年3月22日

突发 | 百度首席科学家吴恩达宣布即将离职

原文地址:https://medium.com/@andrewng/opening-a-new-chapter-of-my-work-in-ai-c6a4d1595d7b#.esbp7h2x8
2017年3月22日

深度 | 谷歌和OpenAI新研究:如何使用达尔文进化论辅助设计人工智能算法?

很少有人思考过大脑是如何出现在世界上的,而大脑是智能在自然界中唯一的概念证明。一些人认为也许创造智能的最直接方式应该是在计算机中创造一种可以进化的、达尔文式的过程,使其成为小型的人工大脑。
2017年3月21日

深度 | 谷歌和OpenAI新研究:如何使用达尔文进化论辅助设计人工智能算法?

很少有人思考过大脑是如何出现在世界上的,而大脑是智能在自然界中唯一的概念证明。一些人认为也许创造智能的最直接方式应该是在计算机中创造一种可以进化的、达尔文式的过程,使其成为小型的人工大脑。
2017年3月21日

学界 | 谷歌联手OpenAI等发布可视化机器学习平台Distill,创始人详述创立背景

大约一年前,一些事情让我对此感到不安。我开始担心自己没法尽自己所能做出最好的研究,我感觉自己的研究工作有点不那么正统。我试着抛开这些想法,但是没用。我必须为自己找一个合理的解释。
2017年3月21日

业界 | Comet Labs萨曼:英特尔收购Mobileye对自动驾驶创业者意味着什么?

现在我们感觉到整车厂开始放缓(如果不是完全停止)对于全栈创业公司的收购行动,转而瞄向那些高度专业化的创业公司。如果他们(整车厂)的团队正在自己开发一个方案,为什么还要去买另一家全栈创业公司呢?
2017年3月20日

从重采样到数据合成:如何处理机器学习中的不平衡分类问题?

从这里下载数据集:https://static.analyticsvidhya.com/wp-content/uploads/2017/03/17063705/SampleData_IMC.csv
2017年3月19日

资源 | TensorFlow极简教程:创建、保存和恢复机器学习模型

http://stackoverflow.com/questions/38947658/tensorflow-saving-into-loading-a-graph-from-a-file
2017年3月19日

教程 | 一步步从零开始:使用PyCharm和SSH搭建远程TensorFlow开发环境

LD_LIBRARY_PATH=”$LD_LIBRARY_PATH:/usr/local/cuda/lib64:/usr/local/cuda/extras/CUPTI/lib64"'
2017年3月18日

教程 | 一步步从零开始:使用PyCharm和SSH搭建远程TensorFlow开发环境

LD_LIBRARY_PATH=”$LD_LIBRARY_PATH:/usr/local/cuda/lib64:/usr/local/cuda/extras/CUPTI/lib64"'
2017年3月18日

资源 | 挑战谷歌,Facebook 发布交互数据可视化工具 Visdom

格式),其中包括视窗的位置。你也可以通过编程的方式保存环境。这有助于更加复杂的可视化操作,这样的配置是有意义的,比如对于一个数据丰富的
2017年3月17日

学界 | 卷积网络告诉我,那只精灵宝可梦是谁?

代的精灵。虽然又发布了新的游戏(和新的妖怪),但它们使用了三维动画模型,因此从游戏中提取资源会更困难,将其以转换成机器学习方法所支持的格式也会更难。因此本文将仅使用到第五代游戏为止的精灵宝可梦(共有
2017年3月17日

MetaMind深度解读NLP研究:如何让机器学习跳读

标签页:我们绘制了在输出层中被预测的类别的概率。这表示了该模型对其预测的信息。此外,当悬停在数据点上时,也将能看到给定数据点的概率,其颜色表示了模型的预测。注意因为该任务是二元分类,所以其概率是从
2017年3月16日

前沿 | 首次大规模神经机器翻译架构分析结果出炉,LSTM 优于GRU

时间通常是几天到几周。这使得穷尽超参数(hyperparameter)搜索(这在其他神经网络架构中也很常见)的成本高昂的让人望而却步。在这篇论文中,我们首次大规模分析了
2017年3月15日

Keras 2发布:实现与TensorFlow的直接整合

内部构件已经改变,自定义层被升级。改变相对较小,因此将变快变简单。参见指南:https://keras.io/layers/writing-your-own-keras-layers/
2017年3月15日

只需十四步:从零开始掌握Python机器学习(附资源)

记住,这些介绍性资料并不需要全部看完才能开始我写的系列文章。视频讲座、教科书及其他资源可在以下情况查阅:当使用机器学习算法实现模型时或者当合适的概念被实际应用在后续步骤之中时。具体情况自己判断。
2017年3月14日

百度NLP | 自动写诗 PK 古代诗人:百度「为你写诗」技术深度揭秘

等算法求解;主题词扩展可以看作一个根据已有单词预测后续单词词序列的问题,用语言模型或其他统计方法都可以求解。出于篇幅的考虑,这两个问题本文不展开进行详细的介绍,如果对细节感兴趣可以阅读论文(Wang
2017年3月14日

业界 | 英特尔153亿美元收购Mobileye的背后,自动驾驶芯片之争愈演愈烈

一直致力于开发业界顶尖的汽车级计算机视觉技术,并为汽车厂商和其他企业提供强大的动力。我们将联合起来,共同加速面向未来的自动驾驶技术发展,将更高效的云端到车辆解决方案以更低的价格投向市场。」
2017年3月14日

教程 | 从基本概念到实现,全卷积网络实现更简洁的图像识别

pandas.DataFrame(history_callback.history).to_csv("history.csv")model.save('keras_allconv.h5')
2017年3月13日

谷歌云大会教程:没有博士学位如何玩转TensorFlow和深度学习(附资源)

的障碍,而且我们的损失曲线依然显示「过拟合」无法连接。什么是真正的「过拟合」?过拟合发生在该神经网络学得「不好」的时候,在这种情况下该神经网络对于训练样本做得很好,对真实场景却并不是很好。有一些像
2017年3月13日

教程 | 如何转行成为一名数据科学家?

++,大学开始学习计算机科学(数学专业)并获得了与概率相关的博士学位,而后成为了一名「宽客」。但我的计算机科学课程大多是理论的,我的数学论文则完全是理论的(一点计算都没有!);这些年来,我使用
2017年3月12日

学界 | 解读人类水平的概念学习和一次性泛化

模型,这种方法适用于许多场景。然而,还是有一些的限制,这还需要未来进一步研究。它仍然需要合理的数据量来避免过度拟合。虽然它适用于任何图像(通过不使用专用结构的方式),但它不能将结构解析为更小的部分。
2017年3月12日

从梯度下降到拟牛顿法:详解训练神经网络的五大学习算法

虽然损失函数是由多变量决定的(权重的数量通常十分巨大),但首先理解单变量函数的优化方法是十分重要的。并且实际上单变量优化方法经常应用到神经网络的训练过程中,超参数的调整就可以使用单变量优化法。
2017年3月11日

教程 | 谷歌官博详解XLA:可在保留TensorFlow灵活性的同时提升效率

tf.nn.softmax(https://www.tensorflow.org/api_docs/python/tf/nn/softmax)运算。它计算的是其参数的
2017年3月10日

业界 | 谷歌云官方正式宣布收购数据科学社区Kaggle

团队将继续团结在一起,也会成为谷歌云团队中一个独特品牌。我们也会继续增强我们的竞争力以及开源数据平台数量,也会继续将它们面向所有数据科学家、公司以及技术开放。Kaggle
2017年3月9日

开源 | 谷歌开放大规模音频数据集 AudioSet,加速音频识别研究

音频片段)的现状。建议使用基于元数据、文本(比如链接)以及内容分析的搜索对这些片段进行标记。结果,我们获得了一个宽度和大小都史无前例的数据集,我们希望它能实质上促进高水平音频事件识别程序的发展。
2017年3月8日

业界 | 英伟达发布Jetson TX2计算平台,助力人工智能终端技术进步

功能,让新型智能机器成为可能。这些设备将支持智能视频分析,使我们的城市更智能、更安全,它们还将助力打造能够优化制造流程的新型机器人,并将促成全新的合作模式,使远程作业更具效率。」
2017年3月8日

开源 | 谷歌开放大规模音频数据集 AudioSet,加速音频识别研究

音频片段)的现状。建议使用基于元数据、文本(比如链接)以及内容分析的搜索对这些片段进行标记。结果,我们获得了一个宽度和大小都史无前例的数据集,我们希望它能实质上促进高水平音频事件识别程序的发展。
2017年3月8日