深度学习

人工智能真正的前路究竟在何方？

自2012年深度学习的意外增长以来，公司，尤其是大型技术公司和精英大学增加了对主要AI会议的参与；这里的精英大学指的是在QS世界大学排名中排名1-50的大学；此外，研究人员发现了两种策略，可以通过这些策略…

这家初创公司分享了一项前瞻性研究的结果，表明其深度学习软件以 93% 的灵敏度和 91% 的特异性检测到黑色素瘤。

翻译：陈丹 校对：车前子来自：微信公众号 数据派THU 本文是一个教授如何优化神经网络模型的基础教程，提供了具体的实战代码供读者学习和实践。 深度学习的神经网络是采用随机梯度下降优化算法对训练数据进行拟合。 利用误差反向传播算法对模型的权值进行更新。优化和权值更新算法的组合是经过仔细挑选的，是目前已知的最有效的拟合神经网络的方法。 然而，也可以使用交替优化算…

本文从深度学习基础、卷积网络和循环网络三个方面介绍该笔记。

神经网络嵌入的解释，非常有用的东西，一看就明白。

生活经验告诉我们，相关关系并不能直接推导出因果关系，但不管是日常生活还是学术研究，对于因果关系的解释要远比相关关系重要得多。

计算机视觉的深度学习应用往往需要大量的图像数据集，现在我告诉你，只有一张图像也可以训练，是不是非常神奇？

深度学习十年发展回顾：里程碑论文汇编。

在本教程中，您将学习如何为图像分类任务进行转移学习。 Keras的高级API使超级简单，只需几个简单的步骤。

我试着定期阅读ML和AI的论文，这是保持不掉队的唯一的方法。作为一个计算机科学家，我常常会在看科学性的文字描述或者是数据公式的时候遇到麻烦。我发现通过代码来理解会好很多。所以，在这篇文章中，我会通过Keras实现的方式，带领大家回顾一下最近的一些文章中的重要的卷积块。

如果你听说过转置卷积并对它的实际含义感到困惑，这篇文章就是为你写的。

计算机视觉是人工智能的一个重要领域，是关于计算机和软件系统的科学，可以对图像和场景进行识别、理解。计算机视觉还包括图像识别、目标检测、图像生成、图像超分辨率重建等多个领域。由于存在大量的实际需求，目标检测可能是计算机视觉中最有意义的领域。

Word2Vec模型用于学习被称为“词嵌入”的词的向量表示。这通常是作为预处理步骤来完成的，在此之后，学习到的向量被输入判别模型(通常是RNN)来生成预测，完成各种各样有趣的事情。

要处理14维空间中的超平面，想象一个三维空间，大声对自己说“14”。每个人都这么做。