首页
学习
活动
专区
工具
TVP
发布

专知

专栏成员
835
文章
1416024
阅读量
397
订阅数
【WWW2018】网络表示学习Tutorial(附下载)
2018 年 4 月 23 日至 27 日,第 27 届国际万维网会议(26th International World Wide Web Conference) 在法国里昂举行。斯坦福大学SNAP组
WZEARW
2018-06-05
1.1K0
【干货】基于Apache Spark的深度学习
【导读】本文主要介绍了基于Apache Spark的深度学习。我们知道Spark是快速处理海量数据的框架,而深度学习一直以来都非常耗费硬件资源,因此使用在Spark框架上进行深度学习对于提升速度是非常有用的。本文介绍了Apache Spark内部结构和工作原理,以及一些实用Spark的深度学习库,并在最后介绍了相关DL pipelines库。想要学习基于Spark分布式深度学习库的读者可以了解下。 作者 | Favio Vázquez 编译 | 专知 参与 | Fan, Hujun 基于Apache Spa
WZEARW
2018-06-05
3.1K0
【论文推荐】最新八篇目标跟踪相关论文—自适应相关滤波、因果关系图模型、TrackingNet、ClickBAIT、图像矩模型
【导读】专知内容组整理了最近八篇目标跟踪(Object Tracking)相关文章,为大家进行介绍,欢迎查看! 1. Adaptive Correlation Filters with Long-Term and Short-Term Memory for Object Tracking(基于具有长期和短期自适应记忆相关滤波的目标跟踪) 作者:Chao Ma,Jia-Bin Huang,Xiaokang Yang,Ming-Hsuan Yang 机构:National Tsing Hua Universit
WZEARW
2018-04-25
1.1K0
最新综述文章推荐:自然语言生成、深度学习算法、多媒体大数据分析
【导读】专知内容组整理了最近人工智能领域相关期刊的5篇最新综述文章,为大家进行介绍,欢迎查看! 1 ▌自然语言生成综述:任务,应用,评价 ---- ---- 作者:Albert Gatt,Emiel Krahmer 摘要:This paper surveys the current state of the art in Natural Language Generation (nlg), dened as the task of generating text or speech from non-
WZEARW
2018-04-16
1.5K0
DeepMind最新深度学习研究:超参选择利器-引入基于群体的训练
【导读】机器学习的训练和优化是现代深度学习模型中最具有挑战性的方面,本文首先介绍了常用的深度学习超参数优化方法:随机搜索和手动优化,然后引入DeepMind关于深度学习模型超参数优化的最新研究进展:基
WZEARW
2018-04-16
1.1K0
【干货】Entity Embeddings : 利用深度学习训练结构化数据的实体嵌入
【导读】本文是数据科学家Rutger Ruizendaal撰写的一篇技术博客,文章提出深度学习在非结构数据中有不错的表现,当前通过实体嵌入也可以使之在结构化数据中大放异彩。具体讲解了如何利用深度学习训
WZEARW
2018-04-16
3.7K0
干货:必读机器学习书籍一览表
【导读】转眼之间春节假期已所剩无几,大家是否也开始制定新一年的学习计划?本文就为大家推荐一个机器学习书单,其中大多数可以免费观看,并附上pdf链接。书单内容包括但不局限于:机器学习、深度学习、数据挖掘
WZEARW
2018-04-16
6920
解开贝叶斯黑暗魔法:通俗理解贝叶斯线性回归
【导读】本文是悉尼大学博士生 Thushan Ganegedara 撰写的一篇博文,主要介绍贝叶斯线性回归的内在原理。我们知道,深度学习可以利用大规模数据产生很好的结果,但是对于小样本高维度问题,贝叶
WZEARW
2018-04-16
8.8K0
机器学习模型的“可解释性”到底有多重要?
【导读】我们知道,近年来机器学习,特别是深度学习在各个领域取得了骄人的成绩,其受追捧的程度可谓是舍我其谁,但是有很多机器学习模型(深度学习首当其冲)的可解释性不强,这也导致了很多论战,那么模型的可解释
WZEARW
2018-04-13
14.7K0
【论文推荐】最新五篇图像分割相关论文—R2U-Net、ScatterNet混合深度学习、分离卷积编解码、控制、Embedding
【导读】专知内容组整理了最近五篇图像分割(Image Segmentation)相关文章,为大家进行介绍,欢迎查看! 1. Recurrent Residual Convolutional Neural Network based on U-Net (R2U-Net) for Medical Image Segmentation(基于U-Net (R2U-Net)循环残差卷积神经网络的医学图像分割) ---- ---- 作者:Md Zahangir Alom,Mahmudul Hasan,Chris Yak
WZEARW
2018-04-13
1.7K0
【干货】深度学习实验流程及PyTorch提供的解决方案
【导读】近日,专知小组博士生huaiwen创作了一系列PyTorch实战教程,致力于介绍如何用PyTorch实践你的科研想法。今天推出其创作的第一篇《深度学习实验流程及PyTorch提供的解决方案》。在研究深度学习的过程中,当你脑中突然迸发出一个灵感,你是否发现没有趁手的工具可以快速实现你的想法?看完本文之后,你可能会多出一个选择。本文简要的分析了研究深度学习问题时常见的工作流, 并介绍了怎么使用PyTorch来快速构建你的实验。如果本文能为您的科研道路提供一丝便捷,我们将不胜荣幸。 专知公众号以前推出Py
WZEARW
2018-04-13
1.6K0
【论文推荐】最新6篇推荐系统(Recommendation System)相关论文—深度、注意力、安全、可解释性、评论、自编码器
【导读】专知内容组整理了最近六篇推荐系统(Recommendation System)相关文章,为大家进行介绍,欢迎查看! 1. DKN: Deep Knowledge-Aware Network for News Recommendation(DKN:基于深度知识语义网络的新闻推荐) ---- ---- 作者:Hongwei Wang,Fuzheng Zhang,Xing Xie,Minyi Guo 摘要:Online news recommender systems aim to address the
WZEARW
2018-04-13
3.2K0
你可能不知道的7个深度学习实用技巧
【导读】前几天,深度学习工程师George Seif发表了一篇博文,总结了7个深度学习的技巧,主要从提高深度学习模型的准确性和速度两个角度来分析这些小技巧。在使用深度学习的时候,我们不能仅仅把它看成一
WZEARW
2018-04-13
8340
【干货】理解深度学习中的矩阵运算
【导读】本文是作者Nikhil B撰写的“Terence Parr和Jeremy Howard的深度学习的矩阵运算”笔记。我们知道,深度学习是基于线性代数和微积分的,反向传播也离不开求导和矩阵运算。因
WZEARW
2018-04-13
2.5K0
【论文推荐】最新六篇深度强化学习( DRL)相关论文—VR眼镜、参数噪声、恶意软件、合成复杂程序、深度继承表示、自适应
【导读】专知内容组整理了最近六篇深度强化学习( Deep Reinforcement Learning)相关文章,为大家进行介绍,欢迎查看! 1. VR Goggles for Robots: Real-to-sim Domain Adaptation for Visual Control(机器人VR眼镜:用于视觉控制的Real-to-sim域自适应) ---- ---- 作者:Jingwei Zhang,Lei Tai,Yufeng Xiong,Ming Liu,Joschka Boedecker,Wol
WZEARW
2018-04-13
1.1K0
深度学习为什么需要工业化标准
【导读】近日,深度学习作者Carlos E. Perez发表一篇博客,讨论了深度学习的工业化标准问题。我们知道,深度学习是当前AI领域的一个利器,其标准也不能照搬AI中的一般化标准。本文分别从互操作性
WZEARW
2018-04-13
9340
【论文推荐】最新5篇情感分析相关论文—深度学习情感分析综述、情感分析语料库、情感预测性、上下文和位置感知的因子分解模型、LSTM
【导读】专知内容组整理了最近五篇情感分析(Sentiment Analysis)相关文章,为大家进行介绍,欢迎查看! 1. Deep Learning for Sentiment Analysis : A Survey(深度学习情感分析综述) ---- ---- 作者:Lei Zhang,Shuai Wang,Bing Liu 摘要:Deep learning has emerged as a powerful machine learning technique that learns multiple
WZEARW
2018-04-13
1.9K0
使用SSD进行目标检测:目标检测第二篇
【导读】近日,CV-Tricks.com发布了一篇文章,使用SSD进行目标检测,SSD是当前最流行的目标检测算法之一。作者从检测的基本概念、滑动窗口检测、减少滑动窗口方法的冗余计算、修改后网络的训练方
WZEARW
2018-04-13
1.6K0
CMU2018春季课程:神经网络自然语言处理课程(附PPT和代码)
【导读】我们之前介绍了一系列卡耐基梅隆大学的课程,今天,我们又带来了CMU 2018春季最新的课程“Neural Networks for NLP”介绍,该课程是CMU语言技术学院和计算机学院联合开课,主要内容是教学生如何用神经网络做自然语言处理。本文中,我们梳理了该课程的主要内容:神经网络、词向量、语言模型、CNNs和RNNs在NLP中的应用等等,课程涉及几乎全部NLP问题,内容非常全面,强烈推荐给从事NLP研究的读者。 专知内容组附上上一次CMU2018和CMU2017年课程:深度学习的内容: 1. C
WZEARW
2018-04-13
1.4K0
走进深度生成模型:变分自动编码器(VAE)和生成对抗网络(GAN)
【导读】近日,深度学习爱好者Prakash Pandey发布一篇博文介绍深度生成模型。我们知道,有监督学习在很多方面都达到了很好的效果,但是,由于有监督学习由于数据集太少等缺点,研究者逐渐偏向于探索无
WZEARW
2018-04-13
4.8K0
点击加载更多
社区活动
【纪录片】中国数据库前世今生
穿越半个世纪,探寻中国数据库50年的发展历程
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