深度学习 | 数盟 | Page 34
timg (3) 0

经验之谈:如何为你的机器学习问题选择合适的算法?

- 文章,深度学习 - 阅 1,167

随着机器学习越来越流行,也出现了越来越多能很好地处理任务的算法。但是,你不可能预先知道哪个算法对你的问题是最优的。如果你有足够的时间,你可以尝试所有的算法来找出最优的算法。本文介绍了如何依靠已有的方法(模型选择和超参数调节)去指导你更好地去选择算法。本文作者…

1 0

Github开源|神经网络自主编程第一步:可自动完成代码补全和修复

- 文章,深度学习 - 阅 1,116

家都知道神经网络目前还不能“编程”,但现在一项新的工作“Neual Complete”,朝着这个方向迈出了第一步。程序员 Pascal van Kooten训练了一个神经网络,可以自动补全另一个神经网络的代码,相当于神经网络在“编程”。现代码已在 Github 开源。 人工智能具有解决软件开发中的一个古…

timg 0

机器学习和图像识别是怎样彻底改变搜索的?

- 文章,深度学习 - 阅 624

简介 文本内容一般很好搜索,但有很多信息是以其他形式存在的。语音识别将音频-以及视频配乐-转换成可以索引和搜索的文本。但如果是视频本身,或其它的图片内容呢? 如果不仅仅是在页面上寻找指出图片相关性的文字或是说明,那么在网络上搜索图片将准确很多。幸好有使用神经网络…

timg 0

看得“深”、看得“清” —— 深度学习在图像超清化的应用

- 文章,深度学习 - 阅 527

作者:张雨石 日复一日的人像临摹练习使得画家能够仅凭几个关键特征画出完整的人脸。同样地,我们希望机器能够通过低清图像有限的图像信息,推断出图像对应的高清细节,这就需要算法能够像画家一样“理解”图像内容。至此,传统的规则算法不堪重负,新兴的深度学习照耀着图像超…

timg (7) 0

猎豹CEO傅盛:关于深度学习的五个思考

- 文章,深度学习 - 阅 653

作者:傅盛 任何一场革命,绝不是以敲锣打鼓的方式,来到你的身边。等到某一天,你忽然发现快要天翻地覆时,再去看,发现自己已被别人抛弃了。 过去以端为中心的技术革命,不能说结束了,但已不再是时代的风口。 技术,进入了一场以数据为驱动的革命。 互联网不再只是一张…

timg 0

NLP领域中文vs英文有什么异同点,中文NLP有什么独特的地方?

- 文章,深度学习 - 阅 817

刘知远关于NLP的精彩回答 从实用文本分析技术而言,如果只做主题聚类、文本分类等任务的话,中英文最大差别就在于,中文需要做自动分词,相关工具包已经很多了,包括题主提到的Jieba,还有哈工大的LTP,北理工的ICTCLAS,还有我们组研制的THULAC。当然,在文本分类时,到底是选…

50da81cb39dbb6fdfcfbf7f20f24ab18962b3745 1

迁移学习:数据不足时如何深度学习

- 文章,深度学习 - 阅 2,110

策划|Tina    编辑|大愚若智 使用深度学习技术解决问题的过程中,最常见的障碍在于训练模型过程中所需的海量数据。需要如此多的数据,原因在于机器在学习的过程中会在模型中遇到大量参数。在面对某一领域的具体问题时,通常可能无法得到构建模型所需规模的数据。然而在一个…

117e457d6b69293d3045c11b26138813 0

深度学习的“深度”有什么意义?

- 文章,深度学习 - 阅 830

作者:Edison_G 深度学习的”深度”, 早几年讨论的挺多的,身边有不同的理解:深度=更大规模的网络,也有认为:深度=更抽象的特征,近年来物理上也有人侧面显示:深度=玻璃相转变,如果后者的观点成立,那么仅仅引入GPU甚至FPGA硬件的目的只是加快, 没有…