首页
学习
活动
专区
工具
TVP
发布

深度学习自然语言处理

专栏成员
1035
文章
1344145
阅读量
164
订阅数
CCMT讲习班 | NLP中的神经网络设计与学习|附338页ppt与讲解文章
每天给你送来NLP技术干货! ---- 神经网络技术是现代人工智能的关键技术,在自然语言处理、图像处理等领域表现出优异效果。来自东北大学自然语言处理实验室、小牛翻译团队的肖桐教授、博士生李垠桥、李北在CCMT 2022会议所进行的《自然语言处理中的神经网络设计与学习》演讲报告,从神经网络架构在自然语言处理中的发展、人工神经网络设计和自动化架构设计三个方面对该领域技术发展进行了全面梳理,同时也对方向的未来发展进行了分析和探讨。 近些年来,人工神经网络方法已经成为了自然语言处理中最重要的范式之一。但是,大量依
zenRRan
2022-09-22
6380
Yann LeCun教授在Twitter上点赞的B站视频 -- 留言送最新机器学习书
每天给你送来NLP技术干货! ---- 来自:机器之心 编辑:杜伟 神奇的红石,神奇的我的世界,不可思议的 UP 主。 在我的世界(Minecraft)中,红石是一种非常重要的物品。它是游戏中的一种独特材料,开关、红石火把和红石块等能对导线或物体提供类似电流的能量。 红石电路可以为你建造用于控制或激活其他机械的结构,其本身既可以被设计为用于响应玩家的手动激活,也可以反复输出信号或者响应非玩家引发的变化,如生物移动、物品掉落、植物生长、日夜更替等等。 因此,在我的世界中,红石能够控制的机械类别极其多,小到简
zenRRan
2022-07-12
3680
强大十倍!可变形DETR缺陷检测模型
在计算机视觉领域,目标检测发展迅速,出现了基于机器视觉技术的表面缺陷检测技术。这种技术的出现,越来越多的制造企业正在尝试将机器视觉检测技术引入产品缺陷检测。目前基于机器视觉的缺陷检测技术已经大量应用于纺织品、汽车零部件、半导体、光伏组件等产品的缺陷检测中,大大提升了制造业的质检效率。机器视觉在工业缺陷检测中的前景毋庸置疑,而工业制造领域的多样性、生产环境的复杂性、产品缺陷的非标性等因素,都给机器视觉在缺陷检测的实际应用带来了诸多挑战。 随着制造工艺越来越复杂,对于检测的准确性和稳定性要求越来越高,Fa
zenRRan
2022-05-18
1.3K0
目标检测与分割领域的经典算法解读
计算机视觉是人工智能的关键领域之一,是一门研究如何使机器“看”的科学。图像目标检测又是计算机视觉的关键任务,主要对图像或视频中的物体进行识别和定位,是AI后续应用的基础。 因此,检测性能的好坏直接影响到后续目标 追踪、动作识别的性能。传统图像目标检测的滑窗法虽然简单易于理解,但随目标大小而变化的窗口对图像进行从左 至右、从上至下的全局搜索导致效率低下。 为了在滑动窗口检测器的基础上提高搜索速度,选择性搜索方法(selective search method)孕育而出,基于这一想法采用子区域合并的方式进行
zenRRan
2022-05-13
2580
知乎热议:985计算机视觉研究生找不到工作?
前段时间知乎上“985计算机视觉研究生找不到工作怎么办?”问题,引发了将近80万+人的围观。 到底是什么原因导致找不到工作呢?首先我们来看看他的履历: 他目前是985高校研究生,方向是计算机视觉。成绩中等,无论文,无比赛经历,有项目经历。编程基础还可以,自认为在教研室算好的了,python用得比较熟,C++也会一点,PyTorch, TensorFlow,Keras等框架也用的还可以。 当初选择该方向时,深度学习正处于大热阶段,什么无人驾驶,人脸识别听起来就很高大上。然而,到了找工作的时候,发现就业形式和
zenRRan
2022-03-24
4620
【GNN】一文轻松了解Graph Neural Networks
图结构数据在各个领域都很常见,例如{分子、社会、引用、道路}网络等,这些只是可以用图表示的大量数据中的一小部分。随着机器学习的进步,我们见证了在可用数据上应用智能算法的潜力。图神经网络是机器学习的一个分支,它以最有效的方式建立图数据的神经网络。
zenRRan
2020-03-03
1.5K0
【深度学习】神经网络为何非激活函数不可?
激活函数是神经网络中一个至关重要的概念,决定了某个神经元是否被激活,判断该神经元获得的信息是否有用,并决定该保留还是该去掉此神经元。
zenRRan
2020-02-18
1.1K0
【GNN】图神经网络综述
本篇文章是对论文“Wu Z , Pan S , Chen F , et al. A Comprehensive Survey on Graph Neural Networks[J]. 2019.“”的翻译与笔记
zenRRan
2020-02-18
1.6K0
【GNN】一文读懂图卷积GCN
“ 本文的内容包括图卷积的基础知识以及相关辅助理解的知识点,相信同学们看完后一定能平滑上手理解GCN!”
zenRRan
2019-12-26
3.4K0
[透析] 卷积神经网络CNN究竟是怎样一步一步工作的?
https://www.youtube.com/embed/FmpDIaiMIeA
zenRRan
2019-11-20
5620
干货 | 万字长文概述NLP中的深度学习技术
自然语言处理(NLP)是指对人类语言进行自动分析和表示的计算技术,这种计算技术由一系列理论驱动。NLP 研究从打孔纸带和批处理的时代就开始发展,那时分析一个句子需要多达 7 分钟的时间。到了现在谷歌等的时代,数百万网页可以在不到一秒钟内处理完成。NLP 使计算机能够执行大量自然语言相关的任务,如句子结构解析、、机器翻译和等。
zenRRan
2019-11-19
7040
什么是Adam/ReLU/YOLO?这里有一份深度学习(.ai)词典
本文旨在解释深度学习的一些常用术语,尤其是吴恩达在deeplearning.ai的Coursera课程中会频繁提到的重要词汇。每个词条包含意义阐释、图片和相关链接(公众号读者请点击原文查看),希望能对深度学习初学者和从业者有所帮助。
zenRRan
2019-11-19
8410
【收藏】机器学习与深度学习核心知识点总结
梯度下降法沿着梯度的反方向进行搜索,利用了函数的一阶导数信息。梯度下降法的迭代公式为:
zenRRan
2019-10-24
4580
深入TextCNN(一)详述CNN及TextCNN原理
本文是本人所写的NLP基础任务——文本分类的【深入TextCNN】系列文章之一。【深入TextCNN】系列文章是结合PyTorch对TextCNN从理论到实战的详细教程。
zenRRan
2019-08-21
5.9K0
2018年国外主要实验室和科研团队成果和动向
Geoffrey Hinton,被称为“神经网络之父”、“深度学习鼻祖”,他曾获得爱丁堡大学人工智能的博士学位,并且为多伦多大学的特聘教授。在2012年,Hinton还获得了加拿大基廉奖(Killam Prizes,有“加拿大诺贝尔奖”之称的国家最高科学奖)。2013年,Hinton 加入谷歌并带领一个AI团队,他将神经网络带入到研究与应用的热潮,将“深度学习”从边缘课题变成了谷歌等互联网巨头仰赖的核心技术,并将BP算法应用到神经网络与深度学习。
zenRRan
2019-03-06
1.1K0
详解文本分类之多通道CNN的理论与实践
最近在梳理文本分类的各个神经网络算法,特地一个来总结下。接下来将要一个文章一个文章的讲解各个算法的理论与实践。目录暂定为:
zenRRan
2018-12-07
3.3K0
详解文本分类之DeepCNN的理论与实践
最近在梳理文本分类的各个神经网络算法,特地一个来总结下。下面目录中多通道卷积已经讲过了,下面是链接,没看的可以瞅瞅。我会一个一个的讲解各个算法的理论与实践。目录暂定为:
zenRRan
2018-12-07
1.2K0
【长文详解】卷积神经网络常见架构AlexNet、ZFNet、VGGNet、GoogleNet和ResNet模型的理论与实践
目前的常见的卷积网络结构有AlexNet、ZF Net、VGGNet、Inception、ResNet等等,接下来我们对这些架构一一详解。
zenRRan
2018-10-09
1.9K0
深度学习之卷积神经网络CNN理论与实践详解
概括 大体上简单的卷积神经网络是下面这个网络流程: 笼统的说: 文本通过Embeding Layer 后,再通过一些filters进行过滤,对结果进行maxPooling,再经过线性层
zenRRan
2018-04-10
8080
没有更多了
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