首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往

CBinsight重磅报告 | 如何从谷歌亚马逊苹果微软脸书的9年专利之争,看5大巨头在AI行业的未来10年之争

说到企业专利,乔布斯传记中的这样一段记载,把当年移动专利大战中惊心动魄的一面描写得淋漓尽致: ‘谷歌,你他妈的抄袭了iPhone,完全抄袭了我们。’这是偷窃,如果有必要,就算用尽最后一口气,花光苹果账户上的400亿美元现金,我也要纠正这个错误。我要摧毁安卓,因为它是偷来的产品。 说完这句话,乔帮主还不忘再加深一下谷歌的负罪感:“他们怕得要死,因为他们知道自己有罪。除了搜索引擎,谷歌的其他产品——包括安卓和Google Docs——都是狗屎。” 为了备战这场旷日持久地专利诉讼,苹果在2011年7月初以45

06
您找到你想要的搜索结果了吗?
是的
没有找到

宽度学习与深度学习中的时空转化问题

ž在自然界中运动是绝对的,静止是相对的。这句话也说明了深度学习过去、现在、未来。由于我发现山东大学有个组和澳门大学陈俊龙团队的宽度学习、极限学习等。 目前由于神经网络是黑盒研究、所以很多人利用反卷积和卷积可视化来解释这种微分和积分的编程,由于冗余和稀疏特性使用微积分或者差分求导数和偏导是必然。 宽度学习文章和代码研究地址:http://www.broadlearning.ai 在深度学习上目前比较流行的:DBN深度信任网络、DBM(深度玻耳兹曼机)、CNN(卷积神经网络)、RNN(循环神经网络)、自编器。 SLFN(单层前馈神经网络)应用在回归和分类,由 Yoh-Han Pao 教授在 1990 年代提出的随机向量函数链接神经网络(random vector functional link neural network,RVFLNN)提供了不同的学习方法。 特征提取和降维 实现效率突出的特征提取常用方法包括,变量排序(variable ranking),特征子集选择(feature subset selection),惩罚最小二乘法(penalized least squares),随机特征提取方法,包括非自适应随机投影(non-adaptive random projections)和随机森林(random forest)以及基于卷积的输入映射等等。

01
领券