首页
学习
活动
专区
工具
TVP
发布

磐创AI技术团队的专栏

定期分享机器学习深度学习相关优质原创文章
专栏作者
717
文章
986693
阅读量
123
订阅数
何凯明团队又出新论文!北大、上交校友教你用ViT做迁移学习
模型参数的初始化一直是一个重要的研究问题,一个合适的初始化能够提升模型性能,加速收敛找到最优解。
磐创AI
2021-12-01
8370
为非专业人员量身打造,斯坦福教授Christopher Manning一页纸定义AI核心概念
刚刚,斯坦福大学教授、人工智能实验室(SAIL)负责人、HAI 副主任 Christopher Manning 用一页纸的篇幅定义了 AI 领域的核心术语。他表示希望这些定义能够帮助非专业人员理解 AI。
磐创AI
2020-11-02
5270
性能堪比GPT-3,但参数量仅为0.1%,LMU团队推出NLP最强文本生成模型
在NLP领域,谈到超大模型必然想到预训练语言模型GPT-3,自今年3月份对外开放以来,其因超大模型和超强性能频频刷屏。
磐创AI
2020-09-28
4820
在PyTorch中使用深度自编码器实现图像重建
人工神经网络有许多流行的变体,可用于有监督和无监督学习问题。自编码器也是神经网络的一个变种,主要用于无监督学习问题。
磐创AI
2020-08-02
1.7K0
学习强化学习之前要掌握的3种技能
现代强化学习几乎完全集中在深度强化学习上。深度强化学习中的“深”一词意味着在算法的核心方面使用神经网络。神经网络在学习过程中进行一些高维近似。话虽如此,该模型并不需要具有许多层和特征,这是一个普遍的误解,深层暗示了许多层。
磐创AI
2020-07-03
5930
机器学习中需要知道的一些重要主题
机器学习现在是一个热门话题,每个人都在尝试获取有关该主题的任何信息。有了关于机器学习的大量信息,人们可能会不知所措。在这篇文章中,我列出了你需要了解的一些机器学习中最重要的主题,以及一些可以帮助你进一步阅读你感兴趣的主题的资源。
磐创AI
2019-09-27
7070
超全深度学习细粒度图像分析:项目、综述、教程一网打尽
(CV)是用机器来理解和分析图像的过程,是人工智能中一个重要分支。在 CV 的各个研究领域中,细粒度图像分析(fine-grained image analysis, FGIA)是一个长期存在的基础性问题,而且在各种实际应用(比如鸟的种类、汽车模型、商品识别等)中无处不在。由细粒度特性造成的类间(inter-class)小变化和类内(intra-class)大变化使得这一问题具有极大的挑战性。由于深度学习的蓬勃发展,近年来应用了深度学习的 FGIA 取得了显著的进步。
磐创AI
2019-07-18
1.4K0
DeepMind爆出无监督表示学习模型BigBiGAN,GAN之父点赞!
例如,被称为史上最强图像生成器的BigGAN——许多人看到BigGAN生成的图像都要感叹“太逼真了!DeepMind太秀了吧!”
磐创AI
2019-07-17
5750
半监督学习将再度兴起!谷歌祭出大杀器:无监督数据增强
近日,谷歌AI发布了一篇博文,博文指出可以对无标注数据执行数据增强,从而显著提高了半监督学习(SSL)的性能,因此研究人员相信"半监督学习将再度兴起!"
磐创AI
2019-07-17
9870
南京大学周志华教授综述论文:弱监督学习
摘要:监督学习技术通过学习大量训练样本来构建预测模型,其中每个训练样本都有一个标签标明其真值输出。尽管当前的技术已经取得了巨大的成功,但是值得注意的是,由于数据标注过程的高成本,很多任务很难获得如全部真值标签这样的强监督信息。因此,能够使用弱监督的机器学习技术是可取的。本文综述了弱监督学习的一些研究进展,主要关注三种弱监督类型:不完全监督:只有一部分训练数据具备标签;不确切监督:训练数据只具备粗粒度标签;以及不准确监督:给出的标签并不总是真值。
磐创AI
2019-06-14
4290
干货!谷歌首席科学家发文阐述“半监督学习革命”,想走出瓶颈先试试这个
谷歌首席科学家,谷歌大脑技术负责人Vincent Vanhoucke说,半监督学习革命已经来了。
磐创AI
2019-05-23
4400
PyTorch大更新!谷歌出手帮助开发,正式支持TensorBoard | 附5大开源项目
在一年一度的开发者大会F8上,Facebook放出PyTorch的1.1版本,直指TensorFlow“腹地”。
磐创AI
2019-05-14
4770
“GANs”与“ODEs”:数学建模的终结?
在本文中,我想将经典数学建模和机器学习之间建立联系,它们以完全不同的方式模拟身边的对象和过程。虽然数学家基于他们的专业知识和对世界的理解来创建模型,而机器学习算法以某种隐蔽的不完全理解的方式描述世界,但是在大多数情况下甚至比专家开提出的数学模型更准确。然而,在许多应用程序(如医疗保健,金融,军事)中,我们需要清晰可解释的决策,而机器学习算法,特别是深度学习模型并不是这样设计的。
磐创AI
2019-05-10
7690
干货 | 集成聚类回顾(一)
在理解原始数据的初始阶段经常使用聚类分析,尤其对于先验知识很少的这种新问题。此外,在监督学习的预处理阶段,它被用来识别离群值和可能的对象类,用于以下的专家指导的标记过程。当现代信息的复杂性对于人类的调查具有很强的影响时,这一点至关重要。因此,获取知识或从过量的数据中学习的需求是让聚类成为高度活跃的研究主题的一个主要驱动力。数据聚类应用于各种问题领域,如生物学,消费者关系管理,信息检索,图像处理,市场,心理学和推荐系统等。除此以外,最近的癌症基因表达聚类技术的发展吸引了在计算机科学家,生物学和临床研究人员的极大的兴趣。
磐创AI
2019-05-05
1.3K0
新手入门机器学习十大算法
【磐创AI导读】:对于想要了解机器学习的新手,本文为大家总结了数据科学家最经常使用的十大机器学习算法来帮助大家快速入门。如果喜欢我们的文章,欢迎点赞、评论、转发到朋友圈~想要获取更多的机器学习、深度学习资源,欢迎大家点击上方蓝字关注我们的公众号:磐创AI。
磐创AI
2018-09-20
3720
【斯坦福CS229】一文横扫机器学习要点:监督学习、无监督学习、深度学习
【磐创AI导读】:提及机器学习,很多人会推荐斯坦福CSS 229。本文便对该课程做了系统的整理。包括监督学习、非监督学习以及深度学习。可谓是是学习ML的“掌上备忘录”。想要学习更多的机器学习、深度学习知识,欢迎大家点击上方蓝字关注我们的公众号:磐创AI。
磐创AI
2018-09-20
8860
论文 | 半监督学习下的高维图构建
磐创AI 专注分享原创AI技术文章 翻译 | 荔枝boy 编辑 | 磐石 出品 | 磐创AI技术团队 【磐创AI导读】:本文主要介绍了半监督下的高纬图重建。欢迎大家点击上方蓝字关注我们的公众号:磐创AI。 目录 一.简述 二.介绍 三.概述 四.总结 一.简述 本次翻译一篇Liu Wei的一篇论文,之前介绍谱聚类的时候大家都知道,用谱聚类对样本进行分割,大概的流程就是先将原始数据通过不同的规则构建出相似度矩阵,然后再用相似度矩阵表示拉普拉斯矩阵,再对拉普拉斯矩阵进行特征分解,
磐创AI
2018-07-03
6920
没有更多了
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