深度学习
-
利用深度学习进行时序数据的异常检测
本文介绍神经网络,包括对前馈神经网络和递归神经网络的简要说明,并阐述了如何构建一个检测时间序列数据中异常现象的递归神经网络。
-
Two Sigma遴选:量化大佬都在看什么机器学习论文?
Self-trainingforFew-shotTransferAcrossExtremeTaskDifferences:作者提出了这样一种方法,当一个域只有少量的标注数据及大量的未标注数据时,可以在未标记样…
-
深度学习在单图像超分辨率上的应用:SRCNN、Perceptual loss、SRResNet
深度学习在单图像超分辨率上的应用:SRCNN、Perceptual loss、SRResNet。
-
如何手动优化神经网络模型(附链接)
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…
-
吴恩达:22张图全解深度学习知识
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。
-
什么是神经网络嵌入,为什么要使用它们,以及如何学习它们
神经网络嵌入的解释,非常有用的东西,一看就明白。
-
基于深度强化学习的股票交易策略框架(代码+文档)
为了培养一个实用的DRL 交易agent,决定在哪里交易,以什么价格交易,以及交易的数量,会涉及非常多的内容和前期具有挑战性的开发和测试。 公众号为大家介绍了一个名为FinRL的DRL库,可以帮助初学…
-
李彦宏:未来最主要的操作系统软件是基于AI深度学习框架
7月9日上午消息,2020世界人工智能大会云端峰会今日开幕,百度公司CEO李彦宏发表主题演讲。
-
残差网络新改进:深度残差收缩网络的详细解读
近年来,深度学习领域涌现了大量优秀的成果。本文围绕一种新的深度学习方法,即深度残差收缩网络,展开详细的解读,希望对大家有所帮助。
-
相关不等于因果,深度学习让AI问出“十万个为什么”
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。
-
只用一张训练图像进行图像的恢复
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:识别图片中的电话号码
深度学习:识别图片中的电话号码。背景自动识别图片中电话号码,也可以推广到识别字符串,英文等。
-
深度学习十年发展回顾:里程碑论文汇编
深度学习十年发展回顾:里程碑论文汇编。
-
为什么深度学习 AI 这么容易被欺骗?
一辆自动驾驶汽车行驶前方是一个停车标志,但它并没有减速,而是加速冲入了繁忙的十字路口。后来的一份事故报告显示,停车标牌的表面被人贴上了四个小方块。这些小方块欺骗了汽车的车载人工智能(AI),将“停止”一词误读为“限速 45”。
-
用 Keras 进行针对图像分类的学习转移,这里有一篇教程
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。