首页
学习
活动
专区
工具
TVP
发布

专知

专栏作者
835
文章
1363535
阅读量
397
订阅数
机器学习是“炼金术”?
梯度下降依赖于试验和错误来优化算法,目标是在三维景观中使其最小化。 图片来源:ALEXANDER AMINI/SCIENCE 加州旧金山谷歌人工智能(AI)研究人员Ali Rahimi去年12月对其所在研究领域进行了一次猛烈的抨击,并获得了40秒的掌声。在一次AI会议上,Rahimi指责机器学习算法,即计算机通过反复试验和纠错来学习已经成为某种形式的“炼金术”。他说,研究人员并不知道为什么有些算法会起作用而另一些则不会,他们在选择一个AI架构而非另一个时也没有严格的标准。在近日于加拿大温哥华举行的关于学习陈
WZEARW
2018-06-05
7470
【干货】对于回归问题,我们该怎样选择合适的机器学习算法
本文分别介绍:线性回归和多项式回归、神经网络、决策树和决策森林,并分别列出了其各自优缺点,相信有助于指导我们在特定工作中选择合适的算法。
WZEARW
2018-04-16
1.1K1
AI看人:如何用人工情感智能识别求职者的性格?
算法可用于评估求职者的情感和性格特征,帮助雇主找到合适人选,但它在克服人类偏见的同时也会造成隐私问题。 人脸识别技术能让我们支付午餐费、解锁手机——它甚至能把我们送进监狱。现在,这项技术还在不断发展:
WZEARW
2018-04-16
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
1.4K0
【干货】机器学习基础算法之随机森林
【导读】在当今深度学习如此火热的背景下,其他基础的机器学习算法显得黯然失色,但是我们不得不承认深度学习并不能完全取代其他机器学习算法,诸如随机森林之类的算法凭借其灵活、易于使用、具有良好的可解释性等优
WZEARW
2018-04-16
1K0
【干货】7种最常用的机器学习算法衡量指标
【导读】你可能在你的机器学习研究或项目中使用分类精度、均方误差这些方法衡量模型的性能。当然,在进行实验的时候,一种或两种衡量指标并不能说明一个模型的好坏,因此我们需要了解常用的几种机器学习算法衡量指标
WZEARW
2018-04-16
3.2K0
【干货】加速梯度下降的若干小技巧
【导读】在训练神经网络的时候,使用标准梯度下降法常常使网络陷入局部最小值,从而造成实验结果不佳。本文介绍了几种标准梯度下降的基础的改进算法。如批量梯度下降,正则,动量,变化学习率等。这些改进算法较为基
WZEARW
2018-04-16
1.5K0
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
8.1K0
神经网络编程 - 前向传播和后向传播(附完整代码)
【导读】本文的目的是深入分析深层神经网络,剖析神经网络的结构,并在此基础上解释重要概念,具体分为两部分:神经网络编程和应用。在神经网络编程部分,讲解了前向传播和反向传播的细节,包括初始化参数、激活函数
WZEARW
2018-04-16
1.3K0
网络节点表示学习论文笔记03—基于异构网络节点表示的推荐系统
【导读】异构网络可以很好地建模推荐系统中的用户、物品和属性,如何利用异构网络来提取用户、物品的特征,并预测user-iterm rating是一个比较有挑战性的问题。网络节点表示学习(NRL)是一个不错的方案,但大多数NRL算法都基于同构网络设计,因此在将其应用在异构网络时,需要做许多改进。本文中的算法使用基于Meta-Path的随机游走、节点过滤、特征融合、矩阵分解等技术,设计了基于异构网络的推荐算法,取得了很好的效果。 【论文】:Heterogeneous Information Network Em
WZEARW
2018-04-13
3K2
机器学习模型在工业界真的创造价值了么?
【导读】看到标题你可能会有疑惑,因为我们可能经常听到的是“你在实际应用中如何使用机器学习模型的”。本文正是数据科学家Venkat Raman关于“机器学习在工业界应用”中的一些思考,其内容并不是给机器
WZEARW
2018-04-13
1.2K0
人工智能机遇与挑战 听听专家怎么说
8日,李开复再次刷屏。当天,北京前沿国际人工智能研究院在京成立,创新工场董事长李开复任首任院长。 “当前,很多人把人工智能当做科幻中的强人工智能(简称AI),即达到人脑的能力。然而,未来十几年,最大的
WZEARW
2018-04-13
7250
【干货】一文读懂什么是变分自编码器
【导读】本文是工程师Irhum Shafkat的一篇博文,主要梳理了变分自编码器的相关知识。我们知道,变分自编码器是一种生成模型,在文本生成、图像风格迁移等诸多任务中有显著的效果,那么什么是变分自编码
WZEARW
2018-04-13
10.7K0
浪潮过后的思考:AI短期内难以取代放射科医生
【导读】1月25日,放射学家和临床学者Hugh Harvey发布一篇博客,就近两年AI在放射医疗领域过度炒作的现象给出评价和分析。作者以2016年神经网络的教父Geoffrey Hinton关于AI将取代放射科医师的言论,引出当前布道者和媒体对AI的过于炒作现象。作者首先对这种炒作现象进行批判,然后引出自己的观点,认为AI在短期内并不会取代放射科医师,并列举原因支撑自己的观点。诚然,AI的影响是有目共睹的!但需要保持冷静的头脑,致力于通过AI技术造福社会,而不是心浮气躁过于吹嘘,这才是我们所有AI从业者的正
WZEARW
2018-04-13
1.3K0
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
概率论之概念解析:边缘化(Marginalisation)
【导读】前不久,专知内容组为大家整理了数据科学家Jonny Brooks-Bartlett的系列博客(包括概率论引言、极大似然估计、贝叶斯参数估计等),引起不错的反响,前两天Jonny Brooks-Bartlett又退出了最新的技术博客“概率论概念解释:边缘化(Marginalisation)”。继承其系列博客的优良传统,这篇文章依然保持通俗易懂、深入浅出的风格,内容主要围绕概率论的“边缘化的概念”进行呢详细的介绍,并通过一个例子来解决一个简单的“极大似然问题”。OK!话不多说,让我们一起学习今天的内容吧
WZEARW
2018-04-13
6.7K0
​关关的刷题日记100 – Leetcode 442. Find All Duplicates in an Array
关关的刷题日记100 – Leetcode 442. Find All Duplicates in an Array 题目 Given an array of integers, 1 ≤ a[i] ≤ n (n = size of array), some elements appear twice and others appear once. Find all the elements that appear twice in this array. Could you do it without ex
WZEARW
2018-04-13
7130
【思考】为什么我们需要一个比反向传播更好的学习算法?
【导读】如今,反向传播算法(Backpropagation)可以说是神经网络模型的标配学习方法,可以在网络的学习过程中计算损失函数的偏导数,从而进一步用随机梯度下降等算法来求解参数。但是,本文作者Ka
WZEARW
2018-04-13
1.3K0
【论文推荐】最新五篇信息抽取相关论文—端到端深度模型、调研、聊天机器人、自注意力、科学文本
【导读】专知内容组整理了最近五篇信息抽取(Information Extraction)相关文章,为大家进行介绍,欢迎查看! 1.Joint Recognition of Handwritten Text and Named Entities with a Neural End-to-end Model(联合识别手写文本和命名实体的神经端到端模型) ---- ---- 作者:Manuel Carbonell,Mauricio Villegas,Alicia Fornés,Josep Lladós 机构:Un
WZEARW
2018-04-13
8760
谷歌2018博士生奖研金出炉:39人上榜,8位华人学生入选
【导读】Google 博士生奖研金项目(Google Ph.D Fellowship Program)创立于2009年,以奖励表彰在计算机学科及其相关学科或者其它前瞻科研领域方面表现优异的博士生。该项目已经遴选超过300位来自于澳大利亚、中国、东亚、印度、北美、欧洲和中东的优秀博士生,资助其探寻科技的未来。 今年共有39位学生获得谷歌博士生奖研金,涉及到12个方向,包括:算法、优化及市场,计算神经科学,人机交互,机器学习,移动计算,机器感知、语音技术和计算机视觉,自然语言处理,隐私和安全,编程技术和软件工程
WZEARW
2018-04-13
6830
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