• 查一下
  • 开通会员

  • 关于RNN和LSTM基础知识了解

    一、RNN 递归神经网络（RNN）被提出用来处理80年代的输入序列时间信息。1993年，神经历史压缩器系统解决了“非常深度学习”任务，该任务需要及时展开RNN中的1000多个后续层。如图1所示，在传统的建模活动（例如前馈神经网络）中，我们显然会看到固定输入大小到固定输出大小的固定网络。在前馈神经网络的包围下，我们得到图1.b以揭示RNN的可区分性。 RNN能将输入动态更改为包含多个输入向量，每时间

    LSTM

    csdn . 2020-03-22 900

  • 你还不懂什么是神经网络吗

    人工智能是这几年非常火的技术，上至九十九下至刚会走都对人工智能或多或少的了解。神经网络是人工智能的核心，也就是说没有神经网络就没有人工智能，那么这篇文章就带大家学习一下神经网络相关的知识。这篇文章没有数学公式、没有代码，旨在帮助读者快速掌握神经网络的核心知识。 一、什么神经网络 概念 所谓神经网络简单说就是包含多个简单且高度相连的元素的系统，每个元素都会根据输入来处理相关信息。神经网络是由节点（神

    人工智能

    51CTO . 2020-03-20 1265

  • AI录音笔引起怎样的新潮流

    相对于语音输入的速度，文字输入当然要逊色一筹。传统录音笔仅能够保证不遗漏细节，但是无法保证效率。而讯飞智能录音笔用人工智能突破传统录音笔的桎梏，软硬件一体化相结合拾音、高效转写、多样化创新功能，为生活和工作带来更多可能。 枯燥的、重复性的工作压榨的不仅仅是额外的时间，还有对工作的热情和体力。一段录音反复听，提取重点、添加细节，二次加工整理文字的工作量可一点都不小。而讯飞智能录音笔依托拥有自主知识产

    人工智能

    滚动资讯 . 2020-03-13 1265

  • 视频动作识别是如何利用AI来实现的

    视频的理解与识别是计算机视觉的基础任务之一。随着视频设备和网络的普通，视频理解也吸引了越来越多研究者的关注。而识别视频中的动作则是其中一个充满挑战而又具有较高实际应用价值的任务。相比图像来说，视频内容和背景更加复杂多变，不同的动作类别之间具有相似性，而相同的类别在不同环境下又有着不同的特点。此外，由于拍摄造成的遮挡、抖动、视角变化等也为动作识别进一步带来了困难。在实际应用中，精确的动作识别有助于舆

    人工智能

    极链AI研究院 . 2020-03-07 915

  • 你了解机器学习中的线性回归吗

    机器学习中的线性回归是一种来源于经典统计学的有监督学习技术。然而，随着机器学习和深度学习的迅速兴起，因为线性（多层感知器）层的神经网络执行回归，线性回归的使用也日益激增。 这种回归通常是线性的，但是当把非线性激活函数合并到这些网络中时，它们就可以执行非线性回归。 非线性回归使用某种形式的非线性函数（例如多项式或指数）对输入和输出之间的关系进行建模。非线性回归可以用来模拟科学和经济学中常见的关系，例

    深度学习

    AI科技大本营 . 2020-02-24 785

  • 英特尔发布面向神经网络和视觉处理的AI芯片

    11月26日消息，英特尔今天在北京发布了他们最新推出的英特尔Nervana神经网络处理器（NNP）和下一代英特尔Movidius Myriad 视觉处理单元（VPU）。 英特尔人工智能事业部副总裁兼英特尔人工智能平台与市场研究总经理Julie Choi表示：“英特尔专注于人工智能领域的硬件、软件和生态合作三个方面，这块业务有望在2019年创造超过35亿美元的营收。” 作为英特尔为云端和数据中心客户

    英特尔

    凤凰科技 . 2019-11-26 1595

  • 预测深度神经网络泛化性能差异

    深度神经网络 (DNN) 是近年来机器学习研究进展的基础，也是在图像识别、图像分割、机器翻译等诸多领域能够取得突破性进展的重要原因。 尽管 DNN 无处不在，研究人员仍在尝试全面了解深度神经网络的基本原理。例如，传统理论（如 VC 维和 Rademacher 复杂度）认为：在处理未知数据时，过参数化函数 (over-parameterized functions) 的泛化能力较差；但在近期研究中却

    神经网络

    YXQ . 2019-07-28 820

  • Mipsology Zebra在深度学习推断的应用

    Zebra 可消除深度学习推断中具有挑战性的编程及 FPGA 任务。Zebra 可轻松部署和适应广泛的神经网络及框架。 主要特性与优势 零神经网络变化 零新训练 零命令修改 零应用改变 零代码行添加 零硬件开发 零 FPGA 知识 零 FPGA 编译 零新工具 零开关延迟 云解决方案 AWS 本地解决方案 Alveo U200 Alveo U250 支持的工作负载 Machine Learning

    深度学习

    工程师曾玲 . 2019-07-21 550

  • 算法巨大突破 AI神经网络能模拟量子系统

    近日，研究人员利用基于神经网络的新算法，成功模拟了量子系统的“稳态”。利用神经网络估计并模拟波函数和密度矩阵，大大降低了计算复杂度和算力需求，为解决量子科学和信息领域的几个突出问题打下了基础。 即使是在日常生活中，大自然也受到量子物理定律的支配。这些定律解释了生活中的常见现象，如光、声、热，甚至是台球桌上球的运动轨迹。这些日常都是符合大众视觉和想象的，我们都已经习以为常。但是当涉及到大量相互作用的

    神经网络

    yxw . 2019-07-10 1510

  • 基于神经网络的新算法成功模拟量子系统的“稳态”!

    近日，研究人员利用基于神经网络的新算法，成功模拟了量子系统的“稳态”。利用神经网络估计并模拟波函数和密度矩阵，大大降低了计算复杂度和算力需求，为解决量子科学和信息领域的几个突出问题打下了基础。 即使是在日常生活中，大自然也受到量子物理定律的支配。这些定律解释了生活中的常见现象，如光、声、热，甚至是台球桌上球的运动轨迹。这些日常都是符合大众视觉和想象的，我们都已经习以为常。但是当涉及到大量相互作用的

    神经网络

    YXQ . 2019-07-08 555

  • 实现模拟量子系统的人工智能神经网络

    研究人员利用基于神经网络的新算法，成功模拟了量子系统的“稳态”。利用神经网络估计并模拟波函数和密度矩阵，大大降低了计算复杂度和算力需求，为解决量子科学和信息领域的几个突出问题打下了基础。 即使是在日常生活中，大自然也受到量子物理定律的支配。这些定律解释了生活中的常见现象，如光、声、热，甚至是台球桌上球的运动轨迹。这些日常都是符合大众视觉和想象的，我们都已经习以为常。但是当涉及到大量相互作用的粒子时

    人工智能

    fqj . 2019-07-08 1330

  • 电压电流采集技术——数据采集和电量参数计算

    电机作为一种重要的驱动设备，尤其三相电机，在日常生活以及工业之中有着极为广泛的运用，引起了越来越多的人的关注和重视。然而基于三相电机本身具有的特点，其使用环境复杂多样，在这样的情况下，使得在运转过程中，常常出现各种意想不到的问题，给正常的生产经营带来诸多的问题和困难，对设备的性能造成了不可逆的破坏，同时还极可能造成各种危险和事故。面对这样的情况，电机的故障诊断技术和方法得到了迅速发展。 目前，电机

    神经网络

    YXQ . 2019-07-05 1155

  • 清华刘永进提出APDrawingGAN ，GAN秒变肖像画！

    自动地将人脸照片转换为高质量的艺术肖像画具有重要的艺术价值和实用价值。清华大学刘永进教授课题组对此提出APDrawingGAN，结果优于目前已有方法。该项工作被CVPR 2019录取为oral paper。 肖像画是一种独特的艺术形式，通常使用一组稀疏的连续图形元素如线条来捕捉一个人的外表特征。 肖像画通常是在人物面前或基于人物照片进行创作的，其创作依赖于细致的观察、分析和丰富的经验。一幅好的肖像

    神经网络

    lq . 2019-06-15 1040

  • 首个语法生成网络 视觉识别优于当前最先进框架

    神经网络结构是提高深度神经网络性能的基础。研究人员开发出了首个通过语法引导的神经网络生成器AOGNets，它能更有效地在原始数据中提取信息，在图像分类、目标检测和分割方面的表现优于包括ResNets、DenseNets、ResNeXts和DualPathNets在内最先进的神经网络。 北卡罗莱纳州立大学的研究人员开发了一个通过语法指导的网络生成器来打造深度神经网络的新框架。在实验测试中，被称为AO

    神经网络

    fqj . 2019-06-05 510

  • 细思恐极!AI可以控制动物大脑活动

    MIT的三位科学家首次用大脑视觉神经网络模型，实现了控制动物大脑的神经元活动。这是使用人工神经网络来理解真实神经网络的一大突破，相关研究发表在本周Science杂志。 5月2日发表在Science杂志的一篇论文中，来自MIT的三位神经科学家对模拟大脑视觉皮层的计算模型进行了迄今为止最严格的测试。 三位作者分别是MIT大脑与认知科学系的负责人、麦戈文脑研究所调查员James DiCarlo，以及博士

    神经网络

    YXQ . 2019-05-23 1465

  • 看图识数的神经网络,人工智能距人类又近了一步

    还记得从什么时候开始，你学会了看图识数，什么时候开始明白1和2的含义么？ 也许我们都记不清了，因为这种直观的数字感是却是人类和动物与生俱来的优势。 与计算机不同的是，当我看到2只小猪或者2个小鸭子和数字符号2在一起时候，我们可能不需要计算就会知道，它们都有一个共同点——“2”这个抽象概念。 即便现在的计算机已经可以在一秒内完成数百万次的计算，机器学习已经可以识别小猫小狗，让人工智能网络像小孩一样学

    神经网络

    YXQ . 2019-05-23 1180

  • 2018年由MIT出版的《机器学习基础》（第二版）现已开放免费下载！

    2018年由MIT出版的《机器学习基础》（第二版）现已开放免费下载！本书作者之一Mehryar Mohri 有着长达14年的机器学习基础教学经验。本书第一版出版于2012年，此次再版内容叙述更简洁，通用性更强，并根据领域内新成果对内容进行了大幅修订，快来收藏！ MIT出版社出版的《机器学习基础》（第二版）PDF和HTML资源均已免费开放下载。距离第一版出版已有6年之久。 本书内容是对机器学习的一般

    神经网络

    lq . 2019-05-19 995

  • 简单粗暴而有效的改图：自动语音识别数据扩增的“一条野路”

    神经网络的调参无疑是一个巨大的工程。 如何在调参之前拥有更佳的表现？千辛万苦调好了但却过拟合，如何拥有更好的泛化能力？这无疑是人肉调参的必经之痛。一个通用的认知是，训练数据会限制模型表现的上限，能拥有更好的训练数据，无疑成功了一大截儿。 近日，Daniel S. Park 等人在自动语音识别（Automatic Speech Recognition，ASR）模型训练上，找到了一种简单却强大的数据增

    神经网络

    工程师李察 . 2019-05-05 595

  • AI芯片领域好戏才刚开始

    新型架构能够挖掘深度学习的巨大潜力。然而，到目前为止，只有一款AI芯片是完全符合描述和基准测试的，它就是谷歌的TPU。即便如此，这一领域仍然正在蓬勃发展，相关的技术也开始逐渐明朗，比如模拟计算、新兴内存和封装技术、以及一系列专门用于处理神经网络的技术等等。 对此，比利时鲁汶大学Marian Verhelst教授表示：“这个领域涉及范围很广，包括每个层面的研究。”Verhelst教授专门研究探索二元

    cpu

    工程师曾玲 . 2019-05-02 1595

  • OpenAI发布了其AI音乐创作的深度神经网络—MuseNet

    AI 创作音乐越来越热门。 刚刚，OpenAI 发布了其 AI 音乐创作的深度神经网络—MuseNet，可以使用 10 种不同乐器、风格如乡村乐、莫扎特、披头士乐队等，生成出 4 分钟的音乐。 OpenAI 博客最新发布文章指出，MuseNet 不是依靠人类明确地对音乐进行编程，而是通过学习预测 token 来学习和声、节奏、风格的模式，他们从许多来源收集 MuseNet 的训练数据，像是 Cla

    转换器

    lq . 2019-04-29 890

  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
12456789101112131415161718192021222324252627282930313233343536373839404142434445464748495051525354555657585960616263646566676869707172737475767778798081828384858687888990919293949596979899100101102103104105106107108109