可视化技术
-
解密深度图像先验,使用深度图像先验来复原图像
在这篇文章中,我将主要关注图像恢复的任务,以及如何使用deep image prior来解决这个任务。
-
理解二分类交叉熵,可视化的方法解释对数损失
现在的各种库和框架非常的简单易用,导致大家很容易忽视所使用的损失函数的真正意义。
-
使用词向量得到更好的类别特征的嵌入
回到2012年,当神经网络重新流行起来时,人们对不用担心特征工程就可以训练模型的可能性感到兴奋。事实上,最早的突破大多出现在计算机视觉领域,在这一领域,原始像素被用作网络的输入。
-
Netflix一位数据科学家剪出了上百部爱情片,想教AI认识“亲吻”
人工智能可以通过训练了解亲吻吗?
-
阿里新一代计算引擎Blink与SQL和机器学习的二三事
随着大数据技术的不断发展和成熟,无论是传统企业还是互联网公司都已经不再满足于离线批处理,实时流处理的需求和重要性日益增长。
-
最常用的四种大数据分析方法
本文主要讲述数据挖掘分析领域中,最常用的四种数据分析方法:描述型分析、诊断型分析、预测型分析和指令型分析。
-
10个必备的机器学习开源工具
机器学习是未来。但机器会灭绝人类吗?
-
乐队的夏天大结局!用Python分析投票数据,选出真正的乐队TOP 5
在昨天的盛大party后,《乐队的夏天》终于顺利收官。这个燃爆了整个夏天的综艺是否是今年最火的综艺节目虽然不得而知,但是不可否认,将乐队和摇滚又重新带到了公众面前。
-
颠覆常识!深度神经网络并不是通过形状来识别物体的
和人类不同,AI物体识别靠的是小的细节,而不是图像的边界,但是总是有办法来弥补这个差别的!
-
做物体检测的同学们,你们真的了解mAP吗?几张图让你明白
mAP是一种物体检测器准确率的度量方法,是不同的召回率值下的最大精确度的平均值。
-
高斯,数据科学家最爱的男人
要问数据科学家最爱的女人是谁,这个问题很难,大家可能说出无数个答案,但是如果要问数据科学家最爱的男人是谁,那么回答就容易多了,毫无疑问就是高斯
-
卷积神经网络感受野计算指南
感受野可能是卷积神经网络(CNNs)中最重要的概念之一,值得更多的关注。
-
Google如何将强化学习应用于模拟足球?
谷歌大脑团队的研究人员开源Google Research Football,这是一个利用强化学习教授AI代理人如何掌握世界上最受欢迎的运动的新环境。 足球引擎:一种高度优化的游戏引擎,模拟足球比赛。 足球基准:一组多样化的基准任务,可以用来比较不同的算法。 足球学院:一系列逐步加强和多样化的强化学习场景。 足球引擎 足球引擎是基于流行的Gameplay Fo…
-
十个技巧,让你成为“降维”专家
在分析高维数据时,降维非常有用,有时甚至是必不可少的。尽管降维方法被广泛采用,但经常被误用或误解。
-
归一化 vs 标准化 定量的分析
不要再用sklearn中的StandarScaler作为默认的特征缩放方法了,别的方法可以给你7%的准确率提升!