TensorFlow發(fā)布了一個新的優(yōu)化工具包，引入post-training模型量化技術(shù)

這些優(yōu)化將確保將最終模型中精度降低的操作定義與使用fixed-point和floating-point數(shù)學(xué)混合的內(nèi)核實現(xiàn)配對。這將以較低的精度快速執(zhí)行最...

2018-10-04 標(biāo)簽：機器學(xué)習(xí)TensorFlow 5.9k 0

傳感器助力醫(yī)療技術(shù)掀起儀器診斷變革 可實現(xiàn)居家實時檢測

微型技術(shù)，特別是小型可穿戴檢測設(shè)備，正在使醫(yī)療場所外的檢測成為現(xiàn)實。例如，需要做心電圖的患者不用再去醫(yī)療機構(gòu)就診，戴上Holter監(jiān)護儀就可以在他們的日...

2021-03-09 標(biāo)簽：傳感器機器學(xué)習(xí) 5.9k 0

文本數(shù)據(jù)量不夠大的時候可用的一些實用方法，從而賦予小數(shù)據(jù)集以價值

Dropout是另一種較新的正則化方法。它具體的做法是在訓(xùn)練期間，神經(jīng)網(wǎng)絡(luò)中的每個節(jié)點（神經(jīng)元）按照P的概率被丟棄（即權(quán)重被設(shè)置為零）。這樣，網(wǎng)絡(luò)就不會...

2018-11-19 標(biāo)簽：機器學(xué)習(xí)數(shù)據(jù)集深度學(xué)習(xí) 5.9k 0

谷歌發(fā)布機器學(xué)習(xí)術(shù)語表（完整版）

一種特征，擁有一組離散的可能值。以某個名為 house style 的分類特征為例，該特征擁有一組離散的可能值（共三個），即 Tudor, ranch,...

2018-03-19 標(biāo)簽：谷歌機器學(xué)習(xí) 5.9k 0

SGD的隨機項在其選擇最終的全局極小值點的關(guān)鍵性作用

在這篇題為《將擬勢函數(shù)視為隨機梯度下降損失函數(shù)中的隱式正則項》的論文中，作者提出了一種統(tǒng)一的方法，將擬勢作為一種量化關(guān)系的橋梁，在SGD隱式正則化與SG...

2019-03-06 標(biāo)簽：神經(jīng)網(wǎng)絡(luò)梯度機器學(xué)習(xí) 5.9k 0

2018年AI的技術(shù)發(fā)展的五大趨勢是什么？它給我們帶來了哪些益處

我們需要理解的是：AI是幾個相互關(guān)聯(lián)的技術(shù)的總稱術(shù)語。它包括：自然語言處理、機器學(xué)習(xí)、認(rèn)知計算、神經(jīng)網(wǎng)絡(luò)、計算機視覺、機器人科學(xué)及其相關(guān)技術(shù)。在本文中，...

2018-07-09 標(biāo)簽：神經(jīng)網(wǎng)絡(luò)AI機器學(xué)習(xí) 5.9k 0

通過使用新的學(xué)習(xí)技術(shù)，將腦部掃描和其他三維圖像的配準(zhǔn)速度提高1000倍以上

MRI掃描結(jié)果基本上是數(shù)百個堆疊的二維圖像，形成龐大的三維圖像，稱為“體積”（volume），它包含了一百萬個或更多的三維像素，稱為“體素”(voxel...

2018-07-09 標(biāo)簽：神經(jīng)網(wǎng)絡(luò)MIT機器學(xué)習(xí) 5.8k 0

人類終于找到了如何處理“抽象概念”這個亙古難題的方法

開始的通過傳感器(例如CMOS)來獲得數(shù)據(jù)。然后經(jīng)過預(yù)處理、特征提取、特征選擇，再到推理、預(yù)測或者識別。最后一個部分，也就是機器學(xué)習(xí)的部分，絕大部分的工...

2019-04-26 標(biāo)簽：傳感器機器學(xué)習(xí)深度學(xué)習(xí) 5.8k 0

淺談為什么需要深度學(xué)習(xí)？

假設(shè)我們有一個系統(tǒng)S，它有n層（S1，…Sn），它的輸入是I，輸出是O，形象地表示為： I =》S1=》S2=》…。.=》Sn =》 O，如果輸出O等于...

2018-10-07 標(biāo)簽：機器學(xué)習(xí)深度學(xué)習(xí) 5.8k 0

是十款各具特色的GANs,深入了解其數(shù)學(xué)原理

InfoGAN是生成對抗網(wǎng)絡(luò)信息理論的擴展，能夠以完全非監(jiān)督的方式得到可分解的特征表示。它可以最大化隱含(latent)變量子集與觀測值之間的互信息(m...

2018-07-20 標(biāo)簽：GAN機器學(xué)習(xí)數(shù)據(jù)集 5.8k 0

使用機器學(xué)習(xí)進行產(chǎn)品設(shè)計時，保持以人為中心原則的7個步驟

目前，產(chǎn)品開發(fā)中的一大挑戰(zhàn)是確定哪些體驗需要機器學(xué)習(xí)，哪些體驗可通過機器學(xué)習(xí)得到實質(zhì)性增強，哪些體驗不能通過機器學(xué)習(xí)得到改善，甚至?xí)词芷浜ΑＳ泻芏喈a(chǎn)品...

2018-05-28 標(biāo)簽：人工智能機器學(xué)習(xí)自動駕駛 5.8k 0

人工智能使用的數(shù)據(jù)集多存在性別歧視和種族主義

近年來，研究人員開始由上述提取式生成轉(zhuǎn)向抽象概括，這種技術(shù)使用神經(jīng)語言模型來動態(tài)生成文本，缺點是模型為了“連貫性”會生成不少無意義內(nèi)容。對此，斯坦福大學(xué)...

2018-08-08 標(biāo)簽：算法人工智能機器學(xué)習(xí) 5.8k 0

深度文本匹配的簡介,深度文本匹配在智能客服中的應(yīng)用

隨著深度學(xué)習(xí)在計算機視覺、語音識別和推薦系統(tǒng)領(lǐng)域中的成功運用，近年來有很多研究致力于將深度神經(jīng)網(wǎng)絡(luò)模型應(yīng)用于自然語言處理任務(wù)，以降低特征工程的成本。最早...

2018-10-26 標(biāo)簽：計算機視覺機器學(xué)習(xí)深度學(xué)習(xí) 5.8k 0