首页
学习
活动
专区
工具
TVP
发布

专知

专栏作者
835
文章
1366386
阅读量
397
订阅数
FastText:自然语言处理的利器——一个快速文本表示和分类库
【导读】FastText是Facebook人工智能研究实验室(FAIR)开源的一个文本处理库,他是一个专门用于文本分类和外文本表示的库,致力于提高文本表示和分类的效率。本文是Kirti Bakshi与
WZEARW
2018-04-13
2.6K0
【干货】让遥感图像活起来:遥感图像描述生成的模型与数据集探索
【导读】当下,深度学习在人类社会的各项领域中大放异彩。近年来,随着人造卫星技术的发展,遥感图像的智能化处理受到了愈加广泛的关注。虽然遥感图像的研究在场景分类和目标检测方面取得了显著进展,但是,如何用精确简洁的句子来描述遥感图像的内容仍然是一个很大的问题。代码已开源。本文研究利用精确、灵活的句子描述遥感图像。首先,针对遥感图像的特点,提出了一些有意义的标注方法,以更好地描述遥感图像。其次,为了充分利用遥感图像的内容,构建了一个用于遥感图像描述问题的大规模航空影像数据集。最后,对提出的数据集进行全面的分析,以更
WZEARW
2018-04-12
4.1K0
AI与深度学习重点回顾:Denny Britz眼中的2017
【导读】近日,博客WILDML的作者Denny Britz把他眼中的2017年AI和深度学习的大事进行了一番梳理和总结:从AlphaGo的自主学习到AlphaGo Zero的强化学习、进化算法的东山再
WZEARW
2018-04-12
7840
【开源的魅力】盘点30个2017年最炙手可热的GitHub 机器学习开源项目
【导读】近日,Mybridge发布了一篇博文,总结了在过去一年中机器学习、深度学习领域全球流行的开源项目。作者从8800个GitHub的开源项目中筛选出30个2017年最炙手可热项目,这些项目都是在2
WZEARW
2018-04-12
7350
【干货】模仿人类的印象机制,商汤提出精确实时的视频目标检测方法
【导读】最近,针对视频目标检测中速度精度难以两全的问题,来自商汤科技(SenseTime)的学者发表论文提出一个新的概念——印象网络,其体现出了自然高效的特征聚合机制。本文的框架通过迭代吸收稀疏的关键帧特征来建立印象特征。印象特征一直沿着视频传播,有助于增强低质量帧的特征。这种印象机制能够将稀疏的关键帧进行远距离的特征融合,并且使融合的过程开销最小。所提出的方法在ImageNet VID上进行了评估,取得了非常好的效果并且具备实时性(20fps)。代码将开源。 论文:Impression Network
WZEARW
2018-04-12
1.1K0
【资源】推荐 10 个饱受好评且功能独特的开源人工智能项目
【导读】关于人工智能的项目,相信大家都看过或者用过不少了,但它们的大多数看上去都十分“高大上”,让人感觉要掌握他们犹如习屠龙之术一样。事实上,有很多关于人工智能的项目还是十分实用的,而且用途还十分有趣,下面就简单为大家盘点 10 个功能独特的开源人工智能项目。 1. STYLE2PAINTS:强大的为线稿上色的 AI https://www.oschina.net/p/style2paints 推荐理由:新一代的强大线稿上色 AI,可根据用户上传的自定义色彩给线稿进行上色。项目提供了在线使用网站,十分方便使
WZEARW
2018-04-12
8810
GitHub最著名的20个Python机器学习项目
摘要: 开源是技术创新和快速发展的核心。这篇文章向你展示Python机器学习开源项目以及在分析过程中发现的非常有趣的见解和趋势。 我们分析了GitHub上的前20名Python机器学习项目,发现scikit-Learn,PyLearn2和NuPic是贡献最积极的项目。让我们一起在Github上探索这些流行的项目! Scikit-learn:Scikit-learn 是基于Scipy为机器学习建造的的一个Python模块,他的特色就是多样化的分类,回归和聚类的算法包括支持向量机,逻辑回归,朴素贝叶斯分类器,随
WZEARW
2018-04-12
8690
【AAAI2018】预测你的下一步-动态网络节点表示学习,浙江大学和南加州大学团队工作,代码已开源
【导读】以往的网络表示学习模型只会为固定的网络节点学习表示向量,而实际上,网络节点会根据时间的变化通过节点间的交互呈现出不同的网络结构特性。浙江大学和南加州大学团队提出了基于动态网络的节点表示的概念,利用DynamicTriad,在可以保存网络的结构信息的同时又保存网络的演化模式。该模型在链接预测上取得了不错的效果,而且方法未来可以有效地应用于识别移动网络中的电话欺诈,并预测网络中的用户是否偿还贷款。论文已经放出,代码也已开源。 论文:Dynamic Network Embedding by Modelin
WZEARW
2018-04-12
1.5K0
【下载】面向机器智能的TensorFlow实践书籍和代码
【导读】自2015年11月TensorFlow第一个开源版本发布以来,它便迅速跻身于最激动人心的机器学习库的行列,并在科研、产品和教育等领域正在得到日益广泛的应用。这个库也在不断地得到改进、充实和优化。与此同时,TensorFlow社区正以惊人的速度发展壮大。面向机器智能的TensorFlow实践《TensorFlow for Machine Intelligence》是一本很不错的TensorFlow入门指南,生动讲解TensorFlow的底层原理,并从实践角度介绍如何将两种常见模型——深度卷积网络、循环
WZEARW
2018-04-12
1.2K0
【资源】Python强化学习实战,Anaconda公司的高级数据科学家讲解(附相关Python开源库)
【导读】Christine Doig是Anaconda公司的高级数据科学家。没错Anaconda就是那个著名的Python科学计算与发行管理软件。Christine Doig从最基本的强化学习概念开始
WZEARW
2018-04-11
6640
【NIPS2017】你也可以成为游戏高手,Facebook FAIR实验室田渊栋研究员PPT详解(附下载)
【导读】FacebookAI研究院田渊栋在NIPS2017发表oral Talk,介绍在之前已经开源的游戏平台ELF。游戏是人工智能研究的完美实验环境。在游戏环境中,可用于训练人工智能模型的数据是近乎无限、低成本、可复制,相比现实世界的经验更容易获得。ELF是一个大范围、轻量级且易于使用的游戏研究平台。这是一个为强化学习研究人员设计的平台,它为游戏提供了多样化的属性、高效率的模拟和高度可定制的环境设置。ELF 可以让研究者们在不同的游戏环境中测试他们的算法,其中包括桌游、Atari 游戏,以及定制的即时战略
WZEARW
2018-04-11
9920
【深度学习中文讲义完整版】复旦邱锡鹏老师《神经网络与深度学习》教程分享(附pdf下载)
【导读】复旦大学副教授、博士生导师、开源自然语言处理工具FudanNLP的主要开发者邱锡鹏(http://nlp.fudan.edu.cn/xpqiu/)老师撰写的《神经网络与深度学习》书册,是国内为数不多的深度学习中文基础教程之一,每一章都是干货,非常精炼。邱老师在今年中国中文信息学会《前沿技术讲习班》做了题为《深度学习基础》的精彩报告,报告非常精彩,深入浅出地介绍了神经网络与深度学习的一系列相关知识,基本上围绕着邱老师的《神经网络与深度学习》一书进行讲解。专知希望把如此精华知识资料分发给更多AI从业者,
WZEARW
2018-04-10
4.6K0
【深度学习最精炼详实干货中文讲义】复旦邱锡鹏老师《神经网络与深度学习》讲义报告分享01(附报告pdf下载)
【导读】复旦大学副教授、博士生导师、开源自然语言处理工具FudanNLP的主要开发者邱锡鹏(http://nlp.fudan.edu.cn/xpqiu/)老师撰写的《神经网络与深度学习》书册,是国内为数不多的深度学习中文基础教程之一,每一章都是干货,非常精炼。邱老师在今年中国中文信息学会《前沿技术讲习班》做了题为《深度学习基础》的精彩报告,报告非常精彩,深入浅出地介绍了神经网络与深度学习的一系列相关知识,基本上围绕着邱老师的《神经网络与深度学习》一书进行讲解。专知希望把如此精华知识资料分发给更多AI从业者,
WZEARW
2018-04-10
1K0
【深度学习最精炼中文讲义】前馈与卷积神经网络详解,复旦邱锡鹏老师《神经网络与深度学习》报告分享02(附报告pdf下载)
【导读】复旦大学副教授、博士生导师、开源自然语言处理工具FudanNLP的主要开发者邱锡鹏(http://nlp.fudan.edu.cn/xpqiu/)老师撰写的《神经网络与深度学习》书册,是国内为数不多的深度学习中文基础教程之一,每一章都是干货,非常精炼。邱老师在今年中国中文信息学会《前沿技术讲习班》做了题为《深度学习基础》的精彩报告,报告非常精彩,深入浅出地介绍了神经网络与深度学习的一系列相关知识,基本上围绕着邱老师的《神经网络与深度学习》一书进行讲解。专知希望把如此精华知识资料分发给更多AI从业者,
WZEARW
2018-04-10
3.8K0
【专知-Java Deeplearning4j深度学习教程05】无监督特征提取神器—AutoEncoder:图文+代码
【导读】主题链路知识是我们专知的核心功能之一,为用户提供AI领域系统性的知识学习服务,一站式学习人工智能的知识,包含人工智能( 机器学习、自然语言处理、计算机视觉等)、大数据、编程语言、系统架构。使用请访问专知 进行主题搜索查看 - 桌面电脑访问www.zhuanzhi.ai, 手机端访问www.zhuanzhi.ai 或关注微信公众号后台回复" 专知"进入专知,搜索主题查看。继Pytorch教程后,我们推出面向Java程序员的深度学习教程DeepLearning4J。Deeplearning4j的案例和
WZEARW
2018-04-09
1.6K0
【专知-Deeplearning4j深度学习教程02】用ND4J自己动手实现RBM: 图文+代码
【导读】主题链路知识是我们专知的核心功能之一,为用户提供AI领域系统性的知识学习服务,一站式学习人工智能的知识,包含人工智能( 机器学习、自然语言处理、计算机视觉等)、大数据、编程语言、系统架构。使用请访问专知 进行主题搜索查看 - 桌面电脑访问www.zhuanzhi.ai, 手机端访问www.zhuanzhi.ai 或关注微信公众号后台回复" 专知"进入专知,搜索主题查看。继Pytorch教程后,我们推出面向Java程序员的深度学习教程DeepLearning4J。Deeplearning4j的案例和
WZEARW
2018-04-09
2.1K0
【专知-Deeplearning4j深度学习教程01】分布式Java开源深度学习框架DL4j安装使用: 图文+代码
【导读】主题链路知识是我们专知的核心功能之一,为用户提供AI领域系统性的知识学习服务,一站式学习人工智能的知识,包含人工智能( 机器学习、自然语言处理、计算机视觉等)、大数据、编程语言、系统架构。使用请访问专知 进行主题搜索查看 - 桌面电脑访问www.zhuanzhi.ai, 手机端访问www.zhuanzhi.ai 或关注微信公众号后台回复" 专知"进入专知,搜索主题查看。继Pytorch教程后,我们推出面向Java程序员的深度学习教程DeepLearning4J。Deeplearning4j的案例和
WZEARW
2018-04-09
1.8K0
专知内容生产基石-数据爬取采集利器WebCollector 介绍
今天给大家介绍下我们专知数据采集系统的基石-WebCollector。 作为主流JAVA开源爬虫框架(GitHub上1500+Stars),WebCollector 轻量级、便于二次开发的特点得到了众多数开发者的选取与喜爱。特别与大家分享的是WebCollector的作者Hujunxianligong大神就是我们专知团队的成员。下面开始给大家简单介绍下WebCollector的特性以及在专知的应用。 WebCollector简介 WebCollector 是一个无须配置、便于二次开发的 Java 爬虫框架(
WZEARW
2018-04-08
1.1K0
【干货】最全知识图谱综述#2: 构建技术与典型应用
【导读】知识图谱技术是人工智能技术的组成部分,其强大的语义处理和互联组织能力,为智能化信息应用提供了基础。我们专知的技术基石之一正是知识图谱-构建AI知识体系-专知主题知识树简介。下面我们特别整理了关于知识图谱的技术全面综述,涵盖基本定义与架构、代表性知识图谱库、构建技术、开源库和典型应用。主要基于的参考文献来自[22]和[40], 本人(Quan)做了部分修整。 昨天我们介绍了《知识图谱的概念以及构建技术-知识提取、知识表示、知识融合》,今天介绍知识图谱的知识推理和典型应用。 知识图谱构建的关键技术 1
WZEARW
2018-04-08
2.1K0
【干货】最全知识图谱综述#1: 概念以及构建技术
【导读】知识图谱技术是人工智能技术的组成部分,其强大的语义处理和互联组织能力,为智能化信息应用提供了基础。我们专知的技术基石之一正是知识图谱-构建AI知识体系-专知主题知识树简介。下面我们特别整理了关于知识图谱的技术全面综述,涵盖基本定义与架构、代表性知识图谱库、构建技术、开源库和典型应用。主要基于的参考文献来自[22]和[40], 本人(Quan)做了部分修整。 引言 随着互联网的发展,网络数据内容呈现爆炸式增长的态势。由于互联网内容的大规模、异质多元、组织结构松散的特点,给人们有效获取信息和知识提出了
WZEARW
2018-04-08
7.2K0
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
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