神经网络模型

字幕组双语原文： AutoML : 更有效地设计神经网络模型 英语原文： AutoML: Creating Top-Performing Neural Networks Without Defining Architectures 翻译：雷锋字幕组

大多数人工神经网络忽略了生物神经网络的尖峰特性，这使得简化底层模型以及诸如反向传播等学习技术成为可能。但是，这样做是否违背了生物神经网络最核心的原则了呢？ 在大多数人工神经网络模型中，激活只是与神经元本身相关的实数值。然而，这并不是生物神经网络中的实态。 当一个神经元达到阈值，并且有一个确切的时间点与之

AI 开发者按，本文的作者是数据科学家 Maël Fabien。在过去的几个月里，他在 个人博客 上写了 100 多篇文章。这个内容量相当可观。他突然想到一个主意： 训练一个能像他一样说话的语言生成模型。 为此，他写了一篇文章分享了生成一个像人一样说话的神经网络模型的过程和相关

雷锋网 AI 科技评论按：顾名思义，「表示」（representation）就是指在网络中对信息进行编码的方式。为了让大家充分理解「表示」，本文作者尝试构建一个能同时完成 图像描述，相似词、相似图像搜索以及通过描述图像描述搜索图像四项任务的深度神经网络，从实操中让大家感受「表示」的奇妙世界。雷锋网 AI 科技评

雷锋网 AI 科技评论按：谷歌昨日在博客中宣布开源大规模神经网络模型高效训练库 GPipe，这是一款分布式机器学习库，可以让研究员在不调整超参数的情况下，部署更多的加速器以对大规模模型进行训练，有效扩展了模型性能。雷锋网 (公众号：雷锋网) AI 科技评论对此进行编译如下。 深度神经网络（DNNs

作者： 刘晓坤大型神经网络具有大量的层级与结点，因此考虑如何减少它们所需要的内存与计算量就显得极为重要，特别是对于在线学习和增量学习等实时应用。此外，近来智能可穿戴设备的流行也为研究员提供了在资源（内存、CPU、能耗和带宽等）有限的便携式设备上部署深度学习应用提供了机会。高效的深度学习方法可以显著地影

1 新智元编译 1来源：arXiv.org作者：Guillaume Alain & Yoshua Bengio译者：李静怡 　　 AI World 2016世界人工智能大会 【倒计时 8 天，点击“阅读原文”抢票！】 ? 业界领袖回溯60年AI历

日本早稻田大学（Waseda University）的研究人员利用人工智能方法在完全没有人工干预的情况下实现给黑白照片上色。研究人员使用的算法基于卷积神经网络（CNN:convolutional neural networks），这是一种深度学习算法，最初的灵感是来自猫的视觉皮层。研究人员使用人工智能AI对完整的图像进

麻省理工学院人工智能实验室与AI创业公司PatternEx联合发布可以捕获85%网络恶意攻击的解决方案，该方案是由AI系统与人工工程师相结合，比目前单纯依赖AI技术的方案效率提升3-10倍。该解决方案被称为AI2 ，即“artificial intelligence + “analyst intuition。AI2在3