腾讯云开发者社区-腾讯云

开发者社区

文档建议反馈控制台

最新优惠活动

文章/答案/技术大牛

发布

ATYUN订阅号

专栏作者

2069

文章

2028451

阅读量

114

订阅数

迎接数据加密的新变化

机器学习神经网络深度学习人工智能

人工智能和隐私不一定是相互排斥的。长达十年的实验室研究表明，同态加密(HE)正逐渐成为在机器学习(ML)和云计算中保护数据隐私的首选方法。这是一个及时的突破：ML的数据每年翻一番。与此同时，业界、专业人士和大众对有关资料私隐的关注与日俱增。

2020-02-23

4890

如何利用图卷积网络对图进行深度学习（上）

神经网络机器学习深度学习人工智能

基于图的机器学习是一项困难的任务，因为图的结构非常复杂，而且信息量也很大。这篇文章是关于如何用图卷积网络（GCNs）对图进行深度学习的系列文章中的第一篇，GCNs是一种强大的神经网络，旨在直接处理图并利用其结构信息。

2020-02-23

8940

新兴技术如何影响地理空间行业？

云计算机器学习神经网络深度学习人工智能

人工智能，云计算，大数据等技术的进步和创新在过去几年中改变了业务开展方式。这种持续发展也导致了数字技术环境的发展，从而加速了地理空间行业的全球影响力和贡献。

2020-02-23

6140

使用Python的四种机器学习技术

线性回归监督学习编程算法机器学习决策树

在一些统计书籍中，我们经常会发现回归是衡量一个变量的均值与其他值的对应值之间相互关系的量度。那么让我们讨论一下该如何看待它。

2020-02-21

4440

人工智能系统学习量子力学的基本定律

机器学习神经网络深度学习人工智能编程算法

人工智能可以用来预测分子的波函数和分子的电子性质。华威大学(University of Warwick)、柏林科技大学(Technical University of Berlin)和卢森堡大学(University of Luxembourg)的一组研究人员开发了这种创新的人工智能方法，它可以用来加速药物分子和新材料的设计。

2020-02-21

7040

超越机器学习到机器推理

机器学习神经网络深度学习人工智能

这种兴趣、投资、炒作、然后下降、反复冲洗和重复的模式对于技术人员和投资者而言尤其令人烦恼，因为它没有遵循通常的技术采用生命周期。在杰弗里·摩尔（Geoffrey Moore）的著作《穿越鸿沟》中得到普及，技术的采用通常遵循明确的路径。技术得到了发展，并首先被创新者和早期采用者所发现，如果该技术能够跨越“鸿沟”，它就会被早期多数市场采用，然后在后期多数人的需求下进入竞争最后是技术落后者。如果这项技术无法跨越鸿沟，那么它将最终陷入历史的垃圾箱。但是，使AI与众不同的是，它不适合技术采用生命周期的模式。

2020-02-21

5690

NASA和亚马逊正在合作开发可以预测太阳超级风暴的应用程序

机器学习神经网络深度学习人工智能

我们已经看到这些超级风暴过去曾造成破坏。1859年，据称发生了卡灵顿事件，这中断了电报通信。1989年冬天，加拿大魁北克省的数千名居民在水电中断时陷入了黑暗。这些最坏的事件很少见，但平均每50年一次。

2020-02-21

4060

百度介绍测试人工智能模型稳健性的对抗工具箱

网络安全安全 python 机器学习

不管人工智能和机器学习系统在生产中宣称的稳健性如何，没有一个系统能够完全抵御对手的攻击，也没有一个技术能够通过恶意输入来愚弄算法。结果表明，即使在图像上产生很小的扰动，也能以很高的概率愚弄最好的分类器。考虑到“人工智能即服务”业务模式的广泛推广问题，亚马逊、谷歌、微软、克拉里菲等公司已经将易受攻击的系统提供给最终用户。

2020-02-21

6030

OpenAI全面使用Facebook的Pytorch机器学习框架

机器学习神经网络人工智能开源

该公司在一份声明中说：“展望未来，我们将主要使用PyTorch作为我们的深度学习框架，但有时在有特定技术原因时使用其他框架。我们很高兴能加入一个快速增长的开发人员社区，包括Facebook和Microsoft这样的组织，以推动图形卡的规模和性能。”

2020-02-21

6660

Google将跨平台AI管道框架MediaPipe引入网络

网站 javascript tensorflow 机器学习

MediaPipe以前可以部署到台式机，运行Android和iOS的移动设备以及诸如Google的Coral硬件系列之类的边缘设备，但是它越来越多地通过 WebAssembly，可执行程序的便携式二进制代码格式和XNNPack ML推理库进入网络，这是浮点AI推理运算符的优化集合。在图形和渲染方面，MediaPipe现在会自动直接进入WebGL，这是一个JavaScript API，用于在任何兼容的Web浏览器中渲染交互式2D和3D图形，从而使该浏览器在运行时创建一个虚拟机，可以非常快速地执行指令。

2020-02-21

1.5K0

LinkedIn发布2020年“最需要硬技能”TOP10，区块链荣登榜首

区块链机器学习神经网络深度学习

工作最看重哪些技能？LinkedIn Learning从660万+专业人士和20万+工作网络中分析出了有效的数据，以揭示2020年最需要的10种硬技能和5种软技能。

2020-02-14

4650

亚马逊的AutoGluon只需3行代码即可生成AI模型

机器学习神经网络深度学习人工智能

构建包含图像、文本和表格数据集的机器学习应用程序并不容易。它需要特征工程，或者使用数据领域的知识来创建AI算法工作的特征，再加上大量的数据集预处理，以确保在训练过的模型中不会出现偏差。这大概就是亚马逊开发AutoGluon的原因，旨在让开发人员只需几行代码就可以编写充满智能的应用程序。

2020-02-12

5980

MIT开发机器学习工具以使代码运行更快

ide 硬件开发机器学习神经网络深度学习

麻省理工学院的研究人员建立了一个新的基准测试工具，可以准确预测给定代码在计算机芯片上执行所花费的时间，这可以帮助程序员调整代码以提高性能。

2020-02-12

5050

Cooper Lake将使AI推理和培训性能提高60％

硬件开发机器学习神经网络深度学习人工智能

在2020年消费电子展(Consumer Electronics Show)的一场新闻发布会上，英特尔(Intel)介绍了其在人工智能和机器学习方面的最新进展。具体细节还不太清楚，但它让我们得以一窥未来Xeon可伸缩处理器家族(代号为Cooper Lake)的性能。

2020-02-12

6190

人工智能系统的演化

机器学习神经网络深度学习人工智能

人工智能即将改变商业和社会。金融公司瑞士联合银行预测，由于人工智能技术的巨大进步和更广泛的应用，明年人工智能市场的价值将达到125亿美元。波士顿咨询公司亨德森研究所发现，尽管大多数领导者尚未看到自己的人工智能举措带来的重大影响，但他们坚信未来5年内必将会出现决定性的事实。

2020-02-12

5840

机器学习可以揭示氧化石墨烯的真实结构

go 机器学习神经网络深度学习人工智能

氧化石墨烯纳米薄片的实际结构是什么？这个问题对于在实际应用中优化碳材料的性能非常重要，澳大利亚CSIRO的研究人员现在已经尝试使用机器学习来回答它。他们使用了20000多种可能的结构候选物来找到真正具有代表性的模型，并且与现有的预测技术有很大不同。

2020-02-12

4890

边缘机器学习的重要性

机器学习人工智能深度学习编程算法存储

近年来，人工智能（AI）和机器学习创新一直在迅速发展，可预见的结果随着可访问性的提高而不断发展，在计算能力和存储解决方案中，数据的可访问性和发展趋势越来越明显。如果您了解背景知识，那么到目前为止，您可以发现无数机器学习创新的实例，这些实例已经出现在从消费产品和社交媒体到金融服务和制造业的广泛行业中。

2020-02-12

1.2K0

哈工程研究人员设计一种AI算法，可以对水下照片进行除雾和着色

编程算法机器学习神经网络深度学习人工智能

我们现在看到的水下图像都是模糊并且失真，这是因为光衰减和反向散射等现象会对可见度产生不利影响。为了解决这个问题，许多研究人员与学者都做出了努力，Cambride Consultants的DeepRay利用在100000个静止图像数据集上训练的GAN来消除由不透明玻璃板引起的失真，并且开源DeOldify项目采用了包括GAN在内的一系列AI模型来对旧图像和胶片进行着色和还原。在9月微软亚洲研究中心的科学家详细介绍了用于自动视频着色的端到端系统。去年，Nvidia的研究人员描述了一种框架，该框架仅可以从一个着色和带注释的视频帧中推断出颜色。并于6月推出了 Google AI 一种无需人工监督就能为灰度视频着色的算法。

2020-02-10

5230

利用机器学习了解基因调控

机器学习神经网络深度学习人工智能编程算法

在这个大数据时代，人工智能已成为科学家们的盟友。例如，机器学习算法正在帮助生物学家理解控制基因功能的分子信号。鉴于最近遗传学的显着进步，我们很容易认为21世纪的科学家已经利用机器学习掌握了一种清晰、快速的方法来进行基因组序列扫描，并找出数千个基因中哪些可以表达而哪些不能表达。基因表达是基因内编码的信息产生关键产物（例如蛋白质）的过程。但是，随着开发出新算法来分析更多数据，它们也变得更加复杂且难以解释。生物学家Justin B. Kinney和Ammar Tareen设计高级机器学习算法，使生物学家更容易理解。

2020-01-02

9780

生成性对抗网络：GANs的由来及其特点

机器学习神经网络深度学习人工智能游戏

人工智能能够产生类似人类的语言，或者生成难以从现实生活中照片中区分出来的人图像。通常情况下，这些系统建立在可生成的对抗网络(GANs)的基础上，GANs是由两部分组成的人工智能模型，包括一个创建样本的生成器和一个试图区分生成样本和真实样本的鉴别器。这种独特的安排使GANs能够实现令人印象深刻的媒体合成壮举，从创作旋律、用羊换长颈鹿，到让人产生幻觉的滑冰运动员和足球运动员的镜头。事实上，正是由于这种能力，GANs被用来制作有问题的内容，比如deepfakes，这是一种媒体工具，它可以把一个人放在现有的媒体中，并将其替换为其他人。

2019-12-31

1.2K0

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