崔庆才的专栏

303 篇文章
147 人订阅

神经网络

崔庆才

机器视觉之后, AI 开始模仿嗅觉系统了

如今的人工智能系统,例如受到神经元和神经系统连接启发的人工神经网络,在很多任务上表现得都不错。同样,这些系统需要强大的计算力和大量训练数据,这也使得它们能在围棋...

11960
崔庆才

最适合中国开发者的深度学习框架:走向成熟的 PaddlePaddle 1.0

自深度学习以分层逐步学习的奇思妙想崛起以来,深度学习框架就在不停地发展。在 AlexNet 还没有携带深度学习亮相 ImageNet 之前,由蒙特利尔大学 LI...

8020
崔庆才

模型训练太慢?来试试用这个方法提速吧!

原标题:How to Train Your Model (Dramatically Faster)

7410
崔庆才

构建神经网络前你需要先考虑这10件事

在阅读了一篇 MNIST 的教程(或 10 篇)并了解了一些 Tensorflow / Keras 最佳实践后,你可能会认为将神经网络应用于预测任务是一种“即插...

5210
崔庆才

深入剖析!神经网络内部是如何完成表征的

博客原标题:Representation Power of Neural Networks

6410
崔庆才

用 Python 做一些有意义的事情

故事的开始是这样的……我是标准的工科男,毕业后做了制造工程师,经常在厂子里,工作环境不太好,压力也挺大,重点是薪资不太高。

8630
崔庆才

人工神经网络真的像神经元一样工作吗?

人工神经网络和机器学习已经成为大众媒体的热门主题。智能机器这一想法勾起了很多人的想象,而且人们特别喜欢把它和人类放一起比较。特别是有一个关于人工智能的底层机制的...

9630
崔庆才

五个很厉害的 CNN 架构

让我们来看看一些强大的卷积神经网络,这些网络实现的深度学习为今天的计算机视觉的成就奠定了基础。

6020
崔庆才

图解 2018 年领先的两大 NLP 模型:BERT 和 ELMo

2018 年已经成为自然语言处理机器学习模型的转折点。我们对如何以最能捕捉潜在意义和关系的方式、最准确地表示单词和句子的理解正在迅速发展。

6910
崔庆才

OpenAI提出能合成高清逼真图像的模型:“我们和GAN不一样!”

这篇文章介绍了我们的新成果——Glow,这是一个可逆的生成模型,其中使用了可反复的1×1卷积网络。2015年,我们曾推出过NICE,它是一种针对复杂高维进行建模...

10330
崔庆才

浅析图卷积神经网络

今天想和大家分享的是图卷积神经网络。随着人工智能发展,很多人都听说过机器学习、深度学习、卷积神经网络这些概念。但图卷积神经网络,却不多人提起。那什么是图卷积神经...

9520
崔庆才

Adobe用机器学习“反PS”,修没修图一眼就看出来

这是一张著名的PS照片,2008年伊朗政府在媒体上公布了他们成功发射导弹的照片,但是紧接着就有人出来打脸,证明了这张图是伪造的,可以看到底部的烟雾连形状都一毛一...

7220
崔庆才

OpenTag模型:减少人工标注,自动提取产品属性值

(1)将问题形式化为序列标注任务,并提出利用递归神经网络(双向 LSTM)捕获上下文和语义的联合模型,并且利用条件随机场(CRF)来约束标注连贯性;

7420
崔庆才

大白话解释模型产生过拟合的原因!

过拟合就是训练出来的模型在训练集上表现很好,但是在测试集上表现较差的一种现象!下图给出例子:

8440
崔庆才

为什么数据科学家都喜欢高斯分布

对深度学习和机器学习工程师而言,在世界上所有的概率模型中,高斯分布(Gaussian distribution)模型最为引人注目。即使你从来没有进行过AI项目,...

7350
崔庆才

IBM研究院提出Graph2Seq,基于注意力机制的图到序列学习

Seq2Seq(序列到序列)及其变体在机器翻译、自然语言生成、语音识别、新药发现之类的领域表现非常出色。大多数Seq2Seq模型都属于编码器-解码器家族,其中编...

6340
崔庆才

GANs的首次落地应用:为患者制作最合适的假牙

近几年,计算机视觉发展得非常迅速,许多重要技术,例如目标物体识别、检测、语义分割等,都已经相当成熟。在这篇论文中,我们提出了另一种令人激动的成果——用生成对抗网...

7430
崔庆才

「目标检测算法」连连看:从 Faster R-CNN 、 R-FCN 到 FPN

在这个系列中,我们将对目标检测算法进行全面探讨。 第1部分,我们介绍常见的基于区域的目标检测器,包括Fast R-CNN,Faster R-CNN,R-FCN和...

6430
崔庆才

BGAN:支持离散值、提升训练稳定性的新GAN训练方法

首先,让我们温习一下GAN(对抗生成网络)的概念。简单来说,GAN是要生成“以假乱真”的样本。这个“以假乱真”,用形式化的语言来说,就是假定我们有一个模型G(生...

6320
崔庆才

基于Numpy实现神经网络:合成梯度

TLDR 本文将通过从头实现DeepMind的Decoupled Neural Interfaces Using Synthetic Gradients论文中的...

9020

扫码关注云+社区

领取腾讯云代金券