大数据 神经网络

随着软件显示出替代会计和律师部分工作的潜力，脑力劳动的自动化也已经成为人们争论的焦点。 而对于谷歌的人工智能研究人员来说，他们尝试的自动化有可能取代他们自己的工作，而非其他高收入工作。 今年5月， 谷歌发布可使人工智能自我创造的“AutoML”技术，揭示了人工智能发展的一种新方法，它允

作者：JAKOB FOERSTER我们展示了深度线性网络（使用浮点运算实现）实际上并不是线性的，它可以执行非线性计算。我们利用这一点使用进化策略在线性网络中寻找参数，使我们能够解决重要问题。神经网络通常由一个线性层和非线性函数（比如 tanh 和修正线性单元 ReLU）堆栈而成。如果没有非线性，理论上一连串的线性层和单

作者： 李亚洲你肯定经历过这样的时刻，看着电脑屏幕抓着头，困惑着：「为什么我会在代码中使用这三个术语，它们有什么区别吗？」因为它们看起来实在太相似了。为了理解这些术语有什么不同，你需要了解一些关于机器学习的术语，比如梯度下降，以帮助你理解。这里简单总结梯度下降的含义…梯度下降这是一个在机器学习中用于寻

作者： 李亚洲本文比较了 Keras 支持的主流深度学习框架性能，包括 TensorFlow、CNTK、MXNet 和 Theano，作者希望通过使用同一模型和不同的 Keras 后端，而测试不同框架在不同类型任务中的性能。本文通过五个任务分别测试了 MLP、CNN 和 RNN 模型，不仅对该试验进行

有一次，我和Vito（我的合伙人）聊起了当下热门的几种技术趋势。当谈及它们在未来可能的发展前景的时候，Vito说了下面的一段话：人工智能是个信息革命到蒸汽机规模之间的机会，相比之下虚拟现实应该是移动互联网级别的，而用户个性化服务应该是伴生规模的。 如果人工智能技术带来的变革确实能够比拟工业革命的话，那么它势必会

作者： Savaram Ravindra什么是图像识别？为什么要进行图像识别？在机器视觉的概念中，图像识别是指软件具有分辨图片中的人物、位置、物体、动作以及笔迹的能力。计算机可以应用机器视觉技巧，结合人工智能以及摄像机来进行图像识别。对于人类和动物的大脑来说，识别物体是很简单的，但是同样的任务对计算机

作者：Fan Hong在许多机器学习任务中，人工神经网络尤其是近些年发展起来的深度学习网络，已经取得了十分瞩目的结果。然而，以前研究者往往将神经网络的内部行为当作黑盒来看待，神经网络到底学习到了什么并不了解。近些年来，研究者们逐渐开始关注这一问题，并通过了解其内部行为来帮助优化模型。而这篇工作则是从可视化的角度出发来对

作者：李亚洲近日，一篇题为《Training Neural Networks with Very Little Data-A Draft》IEEE 论文提出了一种使用少量数据训练神经网络的新方法，即通过极坐标空间中的径向变换（radial transform) 实现图像增强。它并未改变数据的信息内容，而是改进了数据的多

作者：机器之心编译来自 Silicon Valley Data Science 公司的研究人员为我们展示了循环神经网络(RNN)探索时间序列和开发语音识别模型的能力。目前有很多人工智能应用都依赖于循环深度神经网络，在谷歌(语音搜索)、百度(DeepSpeech)和亚马逊的产品中都能看到RNN的身影。然而，当我们开始着手

作者：Andrey Nikishaev即便对于行家来说，调试神经网络也是一项艰巨的任务。数百万个参数挤在一起，一个微小的变化就能毁掉所有辛勤工作的成果。然而不进行调试以及可视化，一切就只能靠运气，最后可能浪费掉大把的青春岁月。怎么办？这里是我总结的一些方法，希望对你有所帮助。数据集问题尝试用小数据集来过拟合你的模型一般