人工智能
-
AI医疗图谱——浅述AI在医疗界的新发展
有人将大数据时代称为第四次工业革命。这场革命的发生可能没有任何公告,但负责跟踪、处理与阐释大数据的AI已经潜入了我们的生活,并且变更了我们的生活方式。想想我们的智慧车载系统,谷歌搜索,亚马逊的建议,苹果手机上的“Hi, Siri”,微软的小冰……虽然表现方式各不相同,但关键词就是三个:准!易!快!
-
一文概览基于深度学习的监督语音分离
作者:刘晓坤 摘要:语音分离是指将目标语音从背景干扰中分离出来的任务。传统上,语音分离被当作一个信号处理问题。最近出现一种新方法把语音分离作为监督学习问题处理,从训练数据中学习语音、说话人和背景噪声的判别模式(discriminative pattern)。过去十年内已经有很多监督分离算法被提出,特别是最近提出的基于深度学习的监督语音分离有很多进步之处,在分…
-
解析阻止机器学习的十种网络攻击
即使是瑟曦.兰尼斯特的阴谋诡计或者乔拉.莫尔蒙爵士父亲般的保护(译注:两者都是HBO剧集《权力的游戏》中的人物)也无法阻止攻击者攻破HBO的网络并窃取了1.5TB的数据(包括未播出的《权力的游戏》剧集)。然而,机器学习可能已经为HBO的虚拟要塞提供了更好的防护。 人工智能(AI)和机器学习(ML)是众多辩论的主题,特别是在网络安全社区内更是如此。那么,机器学…
-
利用一点机器学习来加速你的网站
在生活中,我有 73% 的时间在考虑 web 性能-在低配手机上达到 60 FPS、 有序加载资源、离线缓存任何能缓存的资源。还有一些其他的优化。 最近,我发现自己对 web 性能的定义可能太狭隘了,从用户的角度上来说,这些只是 web 性能中的一些小插曲。 所以我打开了我经常去的网站,尝试了所有的用户可能的操作,并记录操作所花费的时间。(我们需要一些用户操…
-
说说机器学习是什么?
机器学习并不是近来才出现,已经出现了几十年了。
-
人工智能存在“1%问题”
“我认为,从本质上来讲,AI对人类不是件坏事。”高德西说。他指出,AI没有减少可供人类使用的资源,比如食物、教育和医疗。
-
深度增强学习前沿算法思想
文 | Flood Sung 2016年AlphaGo计算机围棋系统战胜顶尖职业棋手李世石,引起了全世界的广泛关注,人工智能进一步被推到了风口浪尖。而其中的深度增强学习算法是AlphaGo的核心,也是通用人工智能的实现关键。本文将带领大家了解深度增强学习的前沿算法思想,领略人工智能的核心奥秘。 前言 深度增强学习(Deep Reinforcement Lea…
-
阿里云机器学习平台的思考
未来也许只有三类机器学习工程师有前途,一类是能改进和创造新的算法的,这是算法大师,二是做机器学习平台的,含功能,算法和数据,这是产品大师,三是能够深刻理解客户需求的,在某个行业有足够业务和数据底蕴,因此能够利用高效的平台工具创造价值的,这是应用大师。
-
用 TensorFlow 训练 Doom 机器人
ViZDoom 是一个 AI 研究平台,允许你训练机器人来玩 Doom,这是 1993 年最初由 id Software 发布的经典第一人称视角射击游戏。ViZDoom 使用一款开源 Doom 引擎 ZDoom 与游戏进行交互。
-
供应链管理新玩法:预测分析和机器学习
作者:Hunter Liu 供应链效率是零售业中举足轻重的一环。库存管理、采购、包装和运输都是时间和资源密集型流程,会对企业利润产生巨大影响。问题是这些都是复杂的流程,特别是涉及到多个网点和领域的大规模运营时。 事实上,零售业往往依赖于外部力量 ,如供应商、服务提供商,甚至是依赖于天气。这让一切更加困难。 这就是为什么大型零售商和越来越多的小经营户都热衷于大…
-
人工智能/机器学习知多少?
从在智力竞赛节目和围棋人机大战战胜人类,到推送广告时表现出种族偏见而备受抨击, 我们似乎已经进入了人工智能发展步伐迅速加快的时代。但就目前而言,我们还无法让机器具有完整的感知能力,使其电子“大脑”通过合理的道德判断,完成复杂的认知任务。 当前的发展走向让人们对人工智能的未来普遍生出了畏惧之心。这种情绪近来在流行文化中的表达显示出了我们对这项技术有多么谨慎和悲…
-
深度学习在电商商品推荐当中的应用
电商行业中,对于用户的商品推荐一直是一个非常热门而且重要的话题,有很多比较成熟的方法,但是也各有利弊。
-
细思极恐!大数据和机器学习揭示十二星座的真实面目
聚天下之天才而观察之。把各行各业中的天才们收集起来,看看他们哪个星座人数多,哪个星座人数少。
-
使用Tensorflow训练线性回归模型并进行预测
Tensorflow是Google开发的开源机器学习库。本篇文章我们将使用Tensorflow对线性回归模型进行训练,并使用模型对数据进行预测。
-
如何改进手上的机器学习模型
假如,你手头上正有一个机器学习的项目。你通过各种渠道手机数据,建立你自己的模型,并且得到了一些初期的结果。你发现,在你的测试集上你只有80%的正确率,这远远地低于你的预期。现在怎么办,你怎么来改进你的模型?