深度学习 | 数盟 | Page 3
d337befd378e0c6d7af7a13eaf6a3d81.jpg-wh_651x-s_3351751413 0

如何配置神经网络中层和节点的数量

- 文章,人工智能,深度学习 - 阅 342

人工神经网络有两个重要的超参数控制着网络的架构或拓扑结构:层数和每个隐藏层中的节点数。 你在配置网络时,必须指定这些参数的值。想为你特定的预测建模问题配置这些超参数,最可靠的方法就是用强大的测试工具进行系统试验。 对于刚接触机器学习领域的初学者来说,这可…

20170724095946963 0

一文读懂深度学习模型近年来重要进展(附梳理图)

- 文章,人工智能,深度学习 - 阅 353

唐杰老师学生帮忙整理的Deep Learning模型最近若干年的重要进展。有4条脉络,整理很不错。分享一下。 track1 cv/tensor 1943年出现雏形,1958年研究认知的心理学家Frank发明了感知机,当时掀起一股热潮。后来Marvin Minsky(人工智能大师)和Seymour Papert发现感知机的缺陷:不…

数据挖掘 0

Nature:AI为什么总是歧视重重?

- 文章,人工智能,数据挖掘,深度学习 - 阅 296

当使用谷歌翻译将西班牙语的新闻翻译为英语时,涉及到女性的短语通常都会翻译为“他说”或“他写道” 常用于处理和分析大量自然语言数据的词嵌入(Word Embedding)算法通常会将欧美名字预测为令人愉快的人物形象,而将非裔美国人名预测为令人不愉快的人物形象。 这些只是AI应用歧视…

2868e181e739f35f365ffe212601e759.jpg-wh_651x-s_2749464358 0

技术讲解概率机器学习——深度学习革命之后 AI 道路

- 文章,编程语言,人工智能,深度学习 - 阅 290

概率理论为理解学习,建立合理的智能系统提供了数学框架。在此演讲中,Uber 首席科学家、剑桥大学教授 Zoubin Ghahramani 回顾了概率学 AI 领域的基础,然后重点介绍了该领域的研究前沿,涉及到了贝叶斯深度学习、概率编程、贝叶斯优化、数据科学中的 AI 等主题。他认为,在深度…

679e4a1d226f59409cc7b483ab5dfa82.jpg-wh_651x-s_484174679 0

“物联网”与“联网物”,到底有什么差异?

- 文章,编程语言,深度学习 - 阅 248

目前在市面上所看见的智能灯泡、智能牙刷、智能手环等等,可以透过App远程控制、通知提醒、纪录状态等等贴心信息显示,这些都号称物联网产品,但真的是这样吗?那到底哪些是物联网哪些联网物产品呢?事实上,这些只能够称作“类物联网”的联网物产品,用户必须依靠手机唤醒设备才能够…

9c036d10974fda31ef4bb6ac4ef9c596.jpg-wh_651x-s_4145406702 0

使用机器学习投篮,轻松搞定篮筐投球!

- 文章,编程语言,人工智能,深度学习 - 阅 316

我们将在本文中探讨如何使用 Unity3D 和 TensorFlow 来教授 AI 执行简单的游戏任务:投球入篮。完整的源代码可于 Github 上获取。 注:Github 链接 https://github.com/abehaskins/tf-jam 游戏简介 在这款游戏中,玩家的主要目标就是将球投入篮筐中。乍一听,这不难做到…

0c19e74f52073e4b3cd51a34bc2c1f96.jpg-wh_651x-s_497208491 0

十个例子,教你用统计学方法高效完成机器学习项目

- 文章,人工智能,深度学习 - 阅 214

原标题 10 Examples of How to Use Statistical Methods in a Machine Learning Project ,作者为 Jason Brownlee 。 统计学和机器学习是两个联系特别紧密的领域。 事实上,这两者的界限有时候非常模糊。然而有一些明显属于统计学领域的方法,不仅可用于机器学习的项目,并且极…

3b622c11d2d59fa5f2a07304cdb43b3a.jpg-wh_651x-s_1232093187 0

通过机器学习和时间序列数据理解软件系统行为

- 文章,数据分析,人工智能,数据挖掘,深度学习 - 阅 303

关键要点 • 在深入了解使用机器学习来了解软件系统行为之前,必须先了解传统的时间序列方法。 • 时间序列数据的值缺失可能会在分析时导致意外结果,Pandas库可以帮为你填充合理的默认值。 • 当人们在使用你的服务时,你应该期望数据具有季节性。在设计预测算法时要考虑到这一…