-
DeepMind論文:CNN的變形穩定性和池化無關,濾波器平滑度是關鍵
傳統觀點認為,CNN 中的池化層導致了對微小平移和變形的穩定性。在本文中,DeepMind 的研究者提出了一個反直覺的結果:CNN 的變形穩定性僅在初始化時和池化相關,在訓練完成後則無關;並指出,濾波器的平滑度才是決定變形穩定性的關鍵因素
2018-04-30 2 -
深度|生物神經網路基礎:從尖峰放電神經元談起
人工神經網路在很多領域都取得了突破性進展,這項技術的最初靈感源自生物神經網路。作為我們人類智慧的來源,生物神經系統或許還能給我們的人工智慧創造之路帶來新的啟迪。MIT 自動駕駛汽車和人工智慧方向的副研究員 Jack Terwilliger
2018-04-30 0 -
終於!大家心心念念的PyTorch Windows官方支持來了
五個小時前,PyTorch 官方 GitHub 發佈 0.4.0 版本,大家心心念念的 Windows 支持終於來了。GitHub 發佈地址:https://github.com/pytorch/pytorch/releasesPyTor
2018-04-25 3 -
入門|貝葉斯線性回歸方法的解釋和優點
本文對比了頻率線性回歸和貝葉斯線性回歸兩種方法,並對後者進行了詳細的介紹,分析了貝葉斯線性回歸的優點和直觀特徵。我認為貝葉斯學派和頻率學派之間的紛爭是「可遠觀而不可褻玩」的學術爭論之一。與其熱衷於站隊,我認為同時學習這兩種統計推斷方法並且
2018-04-25 0 -
從基礎概念到數學公式,這是一份520頁機器學習筆記(圖文並茂)
近日,來自SAP(全球第一大商務軟體公司)的梁勁(Jim Liang)公開了自己所寫的一份 520 頁的學習教程(英文版),詳細、明瞭地介紹了機器學習中的相關概念、數學知識和各種經典演算法。機器之心看到後,也迫不及待的推廣給更多的讀者。完
2018-04-30 1 -
早在全民造芯的前夜,這些視覺晶片已經潛伏在你的生活中
機器有了視覺,會對你的生活帶來哪些改變?這其中又蘊含了怎樣的安全風險?編譯 | Rik R來源 | Wired作者 | Tom Simonite現代生活是一幅超大的圖景。閉路電視攝像機透過玻璃面罩觀察著街道和商店,人們通過智慧手機不斷地監
2018-04-30 1 -
兩年前,薩提亞在漢諾威談新機會,今天他們「搭建」微軟智慧工廠
五年前,濃重的工業背景還很難和微軟「同框」。整理 | 吳欣工業物聯網機會之下,微軟的決心是什麼?從 4 月 23 日開幕的漢諾威工業博覽會上會有一些答案。微軟乾脆把展區主題設定為「數位智慧工廠」,我們看到了一連串製造企業的名字,例如西門子
2018-04-30 0 -
Alexa學會了「回憶」,但這還只是機器「理解上下文」的一小步
如果語音介面要取代鍵盤和觸控式螢幕,他們將不得不變得更聰明並處理好用戶隱私。編譯 | 微胖來源 | Scientificamerican前幾天,亞馬遜推出了三個針對 Alexa 的改進方案,而且要在 5 月底之前實現這些功能。其中重要的一
2018-04-30 0 -
ICLR 2018|論文:視覺模仿系統GSP,僅觀察演示就學會執行任務
ICLR 2018將於今晚正式開始,機器之心帶你搶先一睹這篇來自UC Berkeley的Oral論文。目前模仿學習依賴于專家監督來學習模仿什麼以及如何模仿。作者尋求可替代的範式,其中智慧體只需知道要模仿什麼,然後自主學習如何模仿。該方法是
2018-04-30 0 -
入門|10個例子帶你瞭解機器學習中的線性代數
本文介紹了 10 個常見機器學習案例,這些案例需要用線性代數才能得到最好的理解。線性代數是數學的分支學科,涉及向量、矩陣和線性變換。它是機器學習的重要基礎,從描述演算法操作的符號到代碼中演算法的實現,都屬於該學科的研究範圍。雖然線性代數是
2018-04-30 0 -
教程|如何利用Google Colab免費訓練星際爭霸II
本文介紹了如何在Google Colab中提供的機器學習項目,如果你想開始使用免費的StarCraft II機器學習環境,請先完善GPU硬體,您可以看一下我的Google Colab筆記本:https://colab.research.g
2018-04-30 0 -
想要入坑機器學習?這是MIT在讀博士的AI心得
隨著人工智慧技術的火熱,越來越多的年輕學者正準備投身其中,開啟自己的研究之路。和所有其他學科一樣,人工智慧領域的新人總會遇到各種各樣的難題,其中不僅有研究上的,也有生活方面的。MIT EECS 在讀博士、前 Vicarious AI 員工
2018-04-26 0 -
CVPR 2018|論文:北京大學電腦研究所深度跨媒體知識遷移方法
近日,來自北京大學電腦科學技術研究所的博士生黃鑫和彭宇新教授提出了一種新型的遷移學習方法:深度跨媒體知識遷移(Deep Cross-media Knowledge Transfer, DCKT)。該方法針對跨媒體檢索中訓練樣本不足導致檢索
2018-04-26 0 -
資源|DMLC團隊發佈GluonCV和GluonNLP:兩種簡單易用的DL工具箱
近日,DMLC 發佈了簡單易用的深度學習工具箱 GluonCV 和 GluonNLP,它們分別為電腦視覺和自然語言處理提供了頂級的演算法實現與基本運算。本文簡要介紹了這兩個工具箱,並提供了基本的使用示例,更多詳細的內容請查看它們的原文檔。
2018-04-26 1 -
入門|機器學習第一課:決策樹學習概述與實現
基於樹的學習演算法在資料科學競賽中相當常見。這些演算法給預測模型賦予了準確性、穩定性以及易解釋性。其中,決策樹演算法也是引人關注的「隨機森林」演算法的基礎構造模組。本文介紹了決策樹的概念和簡單實現,使用生動的示例幫助理解,希望能夠對你有所
2018-04-29 0 -
學界|FAIR新一代無監督機器翻譯:模型更簡潔,性能更優
近日,FAIR 研究人員提出兩種機器翻譯模型的變體,一種是神經模型,另一種是基於短語的模型。研究者結合了近期提出的兩種無監督方法,並簡化了結構和損失函數,得出的新模型性能更優,且易於訓練和調參。論文:Phrase-Based & Neur
2018-04-29 1 -
專訪|文因互聯:從「金融資料」到「金融知識」
存儲了一份財務報表的電腦存下了一條「資料」,而持有這份財務報表的分析師擁有了一份「資訊」。其間的區別是,分析師可以通過閱讀財務報表得到相關的「知識」並依此作出投資決策。存儲了三萬份財務報表的電腦同樣存下了三萬條「資料」,而持有三萬份財務報
2018-04-29 2 -
抵制Nature機器智慧期刊,維護學界開放:百名學者簽署聯合聲明
開放的研究氛圍一直是促進人工智慧領域發展的關鍵因素,正是因為學界和業界參與者不斷和快速地公開自己的研究結果和代碼,人們才能夠及時掌相關方向的最新進展,並在學術環境之外開展自己的研究。當開放文化與最為著名的科學期刊《Nature》發生衝突的
2018-04-29 0 -
從RCNN到SSD,這應該是最全的一份目標檢測演算法盤點
目標檢測是很多電腦視覺任務的基礎,不論我們需要實現圖像與文字的交互還是需要識別精細類別,它都提供了可靠的資訊。本文對目標檢測進行了整體回顧,第一部分從RCNN開始介紹基於候選區域的目標檢測器,包括Fast R-CNN、Faster R-C
2018-04-27 0 -
教程|從零開始,瞭解元學習
本文介紹了元學習,一個解決「學習如何學習」的問題。元學習是目前機器學習領域一個令人振奮的研究趨勢,它解決的是學習如何學習的問題。傳統的機器學習研究模式是:獲取特定任務的大型資料集,然後用這個資料集從頭開始訓練模型。很明顯,這和人類利用以往
2018-04-27 0