首页
学习
活动
专区
工具
TVP
发布

人工智能

专栏作者
486
文章
775703
阅读量
225
订阅数
看完这些你就明白,机器学习和深度学习的根本区别了
深度学习是什么? 在深度学习中,计算机模型学习直接从图像、文本或声音中执行分类任务。深度学习模式可以达到新的精确度,有时甚至超过人类的表现。大多数深度学习方法使用神经网络的架构,这也是深度学习模型通常
企鹅号小编
2018-03-02
2.9K0
从零开始教你训练神经网络
来源:机器之心 作者:Vitaly Bushaev 本文长度为8900字,建议阅读15分钟 本文从神经网络简单的数学定义开始,沿着损失函数、激活函数和反向传播等方法进一步描述基本的优化算法。 作者从神经网络简单的数学定义开始,沿着损失函数、激活函数和反向传播等方法进一步描述基本的优化算法。在理解这些基础后,本文详细描述了动量法等当前十分流行的学习算法。此外,本系列将在后面介绍 Adam 和遗传算法等其它重要的神经网络训练方法。 I. 简介 本文是作者关于如何「训练」神经网络的一部分经验与见解,除了介绍神经网
企鹅号小编
2018-02-27
8570
随机森林的简单实现
随机森林(RandomForest):顾名思义,是用随机的方式建立一个森林,森林里面:由很多的决策树组成,随机森林的每一棵决策树之间是没有关联的。在得到森林之后,当有一个新的输入样本进入的时候,就让森林中的每一棵决策树分别进行一下判断,看看这个样本应该属于哪一类(对于分类算法),然后看看哪一类被选择最多,就预测这个样本为那一类。 随机森林的随机性体现在: a.随机选择样本,是有放回抽样 b.随机选择特征,不用对所有的特征都考虑,训练速度相对快 随机森林的优点: a.能够处理很高维度(feature很多)的数
企鹅号小编
2018-02-27
1.3K0
建立安全的 AI
在本文中,我们将训练一个在训练期间完全加密的神经网络(在未加密的数据上进行训练)。
花落花飞去
2018-02-23
2K0
基于TensorFlow的循环神经网络生成矢量格式的伪造汉字
注意:对于中文汉字和日文汉字我根据具体情况交替使用它们。
花落花飞去
2018-02-08
2.6K0
关注专栏作者,随时接收最新技术干货
花落花飞去
腾讯社区运营
全球资讯翻译官
腾讯总部云加社区运营
Techeek
腾讯产品运营
QiqiHe
腾讯产品运营
浅谈神经机器翻译
发明计算机的最早目标之一就是自动将文本从一种语言翻译成另一种语言。
花落花飞去
2018-02-07
9680
从程序员的角度设计一个Java的神经网络
用Java或任何其他编程语言设计神经网络我们需要理解人工神经网络的结构和功能。
花落花飞去
2018-02-06
2.4K0
使用学习率规划器自适应调整神经网络训练过程中的学习率
到目前为止,训练神经网络和大型的深度学习网络是一个困难的优化问题。
花落花飞去
2018-02-06
2.5K0
多层感知器神经网络速成课
人工神经网络是一个令人神往的研究领域,尽管当新手入门的时候它们可能会令人生畏。
花落花飞去
2018-02-05
1K0
深度学习机器72小时自学象棋, 达到国际大师水平
距离IBM深蓝(Deep Blue)超级计算机在国际标准锦标赛规则下首次击败国际象棋世界冠军加里·卡斯帕罗夫(Gary Kasparov)已经有差不多20年了. 从那时起, 下象棋计算机的能力变得更加强大, 甚至运行在智能手机上的现代象棋引擎都几乎能让最强的人类毫无招架之力.
花落花飞去
2018-02-05
2.2K0
用TensorFlow生成抽象图案艺术
QQ图片20180204220437.jpg
花落花飞去
2018-02-05
2K0
用PaddlePaddle和Tensorflow实现经典CNN网络GoogLeNet
前面讲了LeNet、AlexNet和Vgg,这周来讲讲GoogLeNet。GoogLeNet是由google的Christian Szegedy等人在2014年的论文《Going Deeper with Convolutions》提出,其最大的亮点是提出一种叫Inception的结构,以此为基础构建GoogLeNet,并在当年的ImageNet分类和检测任务中获得第一,ps:GoogLeNet的取名是为了向YannLeCun的LeNet系列致敬。 (本系列所有代码均在github:https://githu
企鹅号小编
2018-02-05
8510
通过JS库Encog实现JavaScript机器学习和神经学网络
在本文中,你会对如何使用 JavaScript 实现机器学习这个话题有一些基本的了解。
花落花飞去
2018-02-05
2.8K8
如何使用TensorFlow实现神经网络
如果你一直关注数据科学或者机器学习等领域,你肯定不会错过深度学习和神经网络的热潮。许多组织都正在寻找深度学习人才,将深度学习运用于各个领域。从参与竞赛到运用于开源项目,并愿意为之付出高额的奖励,他们正尽一切可能挖掘这个目前十分有限的人才库为自己所用。
花落花飞去
2018-02-02
1.2K0
用神经模块网络学习推理
(与 Ronghang Hu, Marcus Rohrbach, Trevor Darrell, Dan Klein and Kate Saenko合作)
花落花飞去
2018-02-01
9200
学习多视图立体机
去考虑看一张椅子的照片。即使我们以前从未见过这样的椅子,但我们人类有出色的能力,可以从这单张照片中推断出这张椅子的三维形状。可以证明人类经验主义的一个更具代表性的例子就是,我们和椅子共处于同一个物理空间中,并从不同的角度积累信息,在我们的脑海中可以组建起这个椅子的三维形状。这个复杂的二维到三维的推理任务,我们是怎样完成的?我们又是使用什么样的线索? 从仅有的几个视角,我们是怎样无缝整合这些信息并且建立一个整体的三维场景模型?
花落花飞去
2018-02-01
2.2K0
AI的元学习之路
人类的智能的一个关键点在于能力多样性 —— 我们能胜任各种各样的任务。而目前的AI系统则擅长掌握单一技能,例如围棋,Jeopardy(美国的一档电视智力竞赛节目),甚至是直升机特技飞行。但是,当你让一个AI系统去解决一些看似简单的问题时,它却很难完成。赢得Jeopardy冠军的答题程序不能跟人进行哪怕一小段的对话,能够胜任专家级特技飞行员的直升机控制程序,却不能在空中完成一个简单的新任务,比如定位导航到一团火焰的上方,在上盘旋以将其熄灭。相比之下,人类可以灵活地适应各种不可预见的突发情况,并作出处理。我们如何才能使我们的AI助手获得多样性的能力呢?
花落花飞去
2018-02-01
9370
基于神经网络的图像压缩技术
(本文由软件工程师 Nick Johnston 和 David Minnen 发布)
花落花飞去
2018-01-31
3.2K0
DeepMind的小窍门,究竟如何给AI提的速?
人工智能里一直以人类为学习榜样。而在面部识别、电子游戏、甚至围棋等领域,深度学习都已经超越了人类,以至于造成人类已经失败了的感觉。
花落花飞去
2018-01-31
5290
课后作业(二):如何用一个只有一层隐藏层的神经网络分类Planar data
来源:sandipanweb 编译:Bot 编者按:之前,论智曾在TOP 10:初学者需要掌握的10大机器学习(ML)算法介绍了一些基础算法及其思路,为了与该帖联动,我们特从机器学习热门课程HSE的Introduction to Deep Learning和吴恩达的Neural Networks and Deep Learning中挑选了一些题目,演示Python、TensorFlow和Keras在深度学习中的实战应用。 “课后作业”第二题如何用一个只有一层隐藏层的神经网络分类Planar data,来自吴
企鹅号小编
2018-01-31
1.5K0
点击加载更多
社区活动
腾讯技术创作狂欢月
“码”上创作 21 天,分 10000 元奖品池!
Python精品学习库
代码在线跑,知识轻松学
博客搬家 | 分享价值百万资源包
自行/邀约他人一键搬运博客,速成社区影响力并领取好礼
技术创作特训营·精选知识专栏
往期视频·千货材料·成员作品 最新动态
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档