你好,游客 登录
深度学习 的搜索结果
一如既往,首先,标准免责声明适用,因为今年仅与GAN有关的论文就超过1660篇。我肯定会有疏漏,试图缩减到每两周一篇论文,包含了Imperial Deep Learning Reading Group上的大量素材。无论如何,我们开始吧。
http://bigdatastudy.net/show.aspx?id=471&cid=13日期:2018-1-7 21:02:45
如果你经常想让自己弄清楚机器学习和深度学习的区别,阅读该文章,我将用通俗易懂的语言为你介绍他们之间的差别。机器学习和深度学习变得越来越火。 突然之间,不管是了解的还是不了解的,所有人都在谈论机器学习和深度学习。无论你是否主动关注过数据科学,你应该已经听说过这两个名词了。
http://bigdatastudy.net/show.aspx?id=417&cid=7日期:2017-11-8 21:22:29
这几天的人工智能领域最重大新闻是谷歌在自然杂志发表关于【阿尔法零】的论文(论文链接请点击原文链接)
http://bigdatastudy.net/show.aspx?id=359&cid=6日期:2017-10-25 20:45:36
一、
神经网络计算,另一个常为人诟病的问题,是过度拟合(overfitting)。
一个拥有大量自由参数的模型,很容易通过调试,和训练数据吻合。但这并不意味着,这就是个好模型。
美国数学家冯纽曼(John Von Neumann)曾说, “给我四个参数,我的模型可以拟合一个大象。给我五个参数, 我可以让它扭动它的鼻子。”
神经网络模型的自由参数,现...
http://bigdatastudy.net/show.aspx?id=329&cid=13日期:2017-9-28 21:46:26
一、
主流学术界的研究者,大多注重于在算法上的渐进式提高, 而轻视计算速度和用于训练的数据规模的重要性。
孔丘老师早在两千多年前,就高瞻远瞩的为深度学习指明了方向:“学而不思则罔, 思而不学则殆”。
用深度学习的语言来说,就是,“光有大数据,算得不快,则还是迷惘;光算得快,而没有大量的数据来训练,则还是疲倦无所得”...
http://bigdatastudy.net/show.aspx?id=328&cid=13日期:2017-9-28 21:45:31
关于深度学习,这可能是你最容易读进去的科普贴了(三) 36氪的朋友们 • 2016-03-02 • 深氪 一个蛮力,一个来自 GPU 的计算蛮力,要在深度学习的应用中爆发了。
http://bigdatastudy.net/show.aspx?id=327&cid=13日期:2017-9-28 21:43:02
科普贴的第二篇来了~
编者按:本文作者王川,投资人,中科大少年班校友,现居加州硅谷

1970年,当神经网络研究的第一个寒冬降临时。在英国的爱丁堡大学,一位二十三岁的年轻人,Geoffrey Hinton,刚刚获得心理学的学士学位。
Hinton 六十年代还是中学生时,就对脑科学着迷。当时一个同学给他介绍关于大脑记忆的理论是:
大脑对于事物和...
http://bigdatastudy.net/show.aspx?id=326&cid=13日期:2017-9-28 21:40:47
神经网络研究的历史是怎样的?让我们一起在历史回顾中深入浅出的了解深度学习究竟是怎样的。
http://bigdatastudy.net/show.aspx?id=325&cid=13日期:2017-9-28 21:38:00
本文介绍支付宝App中的深度学习引擎——xNN。xNN通过模型和计算框架两个方面的优化,解决了深度学习在移动端落地的一系列问题。
http://bigdatastudy.net/show.aspx?id=324&cid=13日期:2017-9-28 21:35:10
今天,面对 AI 如此重要的江湖地位,深度学习作为重要的一个研究分支,几乎出现在当下所有热门的 AI 应用领域,其中包含语义理解、图像识别、语音识别,自然语言处理等等,更有人认为当前的人工智能等同于深度学习领域。
http://bigdatastudy.net/show.aspx?id=221&cid=13日期:2017-9-18 12:56:58
关于深度进修,看这一篇便够了 企翼网企业名录
  编者按:本文作者王川,投资人,中科大少年班校友,现居加州硅谷,个人微信号9935070,36 氪经授权转载自其个人微信民众号 investguru。
  一
  2016 年一月底,人工智能的研究领域,发生了两件大事。
  先是一月二十四号,MIT 的教授,人工智能研究的先驱者,Marvin Minsky 归天,享年89 岁。 ...
http://bigdatastudy.net/show.aspx?id=187&cid=13日期:2017-9-13 16:42:28
问题导读:
1、如何理解神经网络?
2、常用的激活函数有哪些?
3、如何理解卷积神经网络?
4、如何理解循环神经网络?
神经网络基础
1、神经元(Neuron)——就像形成我们大脑基本元素的神经元一样,神经元形成神经网络的基本结构。想象一下,当 我们得到新信息时我们该怎么做。当我们获取信息时,我们一般会处理它,然后生成一个输...
http://bigdatastudy.net/show.aspx?id=70&cid=13日期:2017-9-6 21:53:25
  • 1/1
  • 1