深度学习的模型

公众号/  ScienceAI（ID：Philosophyai） 编辑 | 萝卜皮代谢动力学模型通过机械关系将代谢通量、代谢物浓度和酶水平联系起来，使其对于理解、预测和优化生物体的行为至关重要。然而，由于缺乏动力学数据，传统的动力学建模通常只产生很少或没有具有理想动力学特性的动力学

作者 | 王灏整理 | 维克多人工智能（AI）的进展显示，通过构建多层的深度网络，利用大量数据进行学习，可以获得性能的显著提升。但这些进展基本上是发生在感知任务中，对于认知任务，需要扩展传统的AI范式。4月9日，罗格斯大学计算机科学系助理教授王灏，在AI TIME青年科学家——AI 2000学者专场论坛上，分享了一种基

大规模语言智能如何为 商业 搭建桥梁?AI计算的未来突破在于类脑芯片吗?当人工智能遇上量子计算,又会展现出怎样的场景?作为WAIC期间内容最硬核、最受AI开发者关注的技术活动,今年的WAIC·AI开发者论坛以「后深度学习的AI时代」为主题,邀请到了全球最具影响力的学术泰斗、企业高管、技术专家为

译者：AI研习社（ 季一帆 、 abceefdda ） 双语原文链接： Faster Deep Learning Training with PyTorch – a 2021 Guide 如果你正在 pytorch 中训练深度学习

雷锋网(公众号：雷锋网) AI科技评论按 ：如果你是一名机器学习从业者，一定不会对基于梯度下降的优化方法感到陌生。对于很多人来说，有了 SGD，Adam，Admm 等算法的开源实现，似乎自己并不用再过多关注优化求解的细节。然而在模型的优化上，梯度下降并非唯一的选择，甚至在很多复杂的优化求

原标题 | Sentiment Analysis with Deep Learning of Netflix Reviews作者 | Artem Oppermann译者 | ybNero（电子科技大学）、Devin_ABCDEF（汕头大学）、夕阳红老年万花（数据分析师） 编辑 | 王立鱼 在这篇

公众号/将门创投来源：https://arxiv.org/pdf/1902.02086.pdf编译：Simons对于任何移动机器人系统来说，确定自己与周围障碍在环境中的位置是环境感知的基本任务。通常人们使用深度相机或者Lidar来获取环境的深度信息，但都面临着一系列无法解决的困难，除了传感器需要庞大的计算外，高质量的激

雷锋网 AI 科技评论按： 2018 年度 EMNLP 大会上，微软小冰首席科学家武威和北京大学助理教授严睿就聊天机器人近年来的研究成果作了全面总结，并对未来聊天机器人的研究趋势进行了展望。 近日，在雷锋网 AI 研习社公开课上，微软小冰首席科学家武威就为大家带来了其在 EMNLP 大会上分享的精华部分。

雷锋网 AI 科技评论按：为了解释深度神经网络，研究人员们想了各种各样的办法。IBM 研究院的论文《 Improving Simple Models with Confidence Profiles 》也从一个角度研究了这个问题，并被 NeurIPS 2018 接收为 poster 论文。雷锋网

雷锋网(公众号：雷锋网) 按：本文为 AI 研习社编译的技术博客，原标题 Ready-to-Use Deep-Learning Models，作者为 Patrick Titzler。 翻译 | 老周     整理 | MY 您是否想过对图像进行分类、识别图像中的人脸或位置