神经网络

引子 在求解神经网络权值过程中，有一个点是经常被人们遗忘的，神经网络的误差是收敛，也就是说渐渐的稳定到一个值里，这种过程类似于热力原理。符合一定的自然规律，是符合规律一个过程。如果把这个特性和神经网络结合，会产生什么效果呢？ Hopfield网络 对于求权值的方法，之前的神经网络大部分采用的都是误差方式。这种方式比较直观明了，但求解的过程没有那么的方便。19…

Vladimir Vapnik到底提出了什么理论能有这么大的影响呢？大家都非常熟悉的分类方法：支持向量机（SVM）

有网友在Quora上提问：对于那些非计算机科学行业的人，你会如何向他们解释机器学习和数据挖掘？ 斯坦福大学的印度学生、机器学习爱好者 PararthShah 在2012年12月22日的使用买芒果的例子，非常经典易懂。如何用类似的方法来解释神经网络？

1 基础 Andrew NG 的 Machine earning视频。 连接：主页，资料。 2008年Andrew Ng CS229 机器学习 当然基本方法没有太大变化，所以课件PDF可下载是优点。 中文字幕视频@网易公开课，英文版视频@youtube，课件PDF@Stanford Tom Mitche 的机器学习视频 他的《机器学习》在很多课程上被选做教材…

Google Research宣布，世界准确度最高的自然语言解析器SyntaxNet开源。谷歌开源再进一步。

bp神经网络虽然取得了很大的进步，但它本身存在着一些无法避免的问题，其中一个比较困惑的应该是局部最优解问题。

深度学习（Deep Learning）属于非常前沿的学科，没有现成的的综合型教材，主要是通过阅读大量论文和代码练习来学习。

作者早先的一篇关于语言概率模型的论文开创了神经网络做语言模型的先河，启发了一系列关于 NLP 的文章，进而在工业界产生重大影响。此外，他的小组开发了 Theano 平台。以下是人工智能大拿解答机器学习30个问答。

70年代，神经网络的研究进入了萧条期，人工智能里产生了许多不同的方向，神经网络，好像被人们所忘记。

很难想象有什么事物会像廉价、强大、无处不在的人工智能那样拥有“改变一切”的力量。《必然》

摘要：算算时间，从开始到现在，做机器学习算法也将近八个月了。虽然还没有达到融会贯通的地步，但至少在熟悉了算法的流程后，我在算法的选择和创造能力上有了不 小的提升。实话说，机器学习很难，非常难，要做到完全了解算法的流程、特点、实现方法，并在正确的数据面前选择正确的方法再进行优化得到最优效果，我觉得 没有个八年十年的刻苦钻研是不可能的事情。 其实整个人工智能范畴…

摘要：与传统的浅层机器学习相比，深度学习具有优秀的自动提取抽象特征的能力，并且随着分布式计算平台的快速发展，大数据的处理能力得到极大的提升，使得近年来DL在工程界得到广泛的应用，包括图像识别，语音识别，自然语言处理等领域，并取得比传统机器学习更好的效果提升。另一方面，智能推荐系统，本质上是从一堆看似杂乱无章的原始流水数据中，抽象出用户的兴趣因子，挖掘出用户的…

摘要：2016年3月7日，谷歌首席科学家，MapReduce、BigTable等系统的创造者，Jeff Dean受邀韩国大学，演讲主题《大规模深度学习》，这里部分来自highscalability的文字和笔者Youtube上的听录。刚好演讲在AlphaGo和李世石比赛之前，观众也问了他的预测，他只是说训练了5个月的机器跟顶尖高手的差距不好说；还有人问道他喜欢…

1.现在有大数据、精准挖掘、人工智能等这么多概念及技术，它们之间的关系以及企业大数据实施的路线图应该是怎样的？来自用户 SmartMining 的回答： 大数据、数据挖掘、人工智能三者的关系可以简单的理解为：大数据是原材料，数据挖掘是加工厂，而人工智能是数据产品尤其是基于数据挖掘技术建立的专家系统的设计理念。 通过使用数据挖掘技术对大数据进行价值提取、加工，…

摘要：近日雷锋网对深度学习三巨头Hinton、LeCun、Bengio中的前两位做了生平开扒，就差最后一个Bengio了。作为仅存的几个仍然全身心投入在学术界的深度学习教授之一，他在网上能刮到的生平介绍自然比前两位少得多，为大家找到了所有我们能找到的资料，让他不再活在传说中。 1. 根据Bengio的博文自述，在20世纪80年代Bengio还是一个学生的时候…