关于此书：维基百科介绍人工智能：一种现代方法《人工智能:一种现代的方法》(影印版)被全世界89个国家的900多所大学用作教材。中文版翻译版本有：第一版 2006年5月 清华大学出版社；第二版 2010年8月 人民邮电出版社； 第三版 2013年11月 清华大学出版社。其中最新版本的 《人工智能:一...

（1）：详解QT多媒体框架：给予视频播放器原文链接：http://mobile.51cto.com/symbian-271123.htm对于使用主框架的QT程序，实现Qimage的转换可借鉴下面程序段：void MainWindow::on_openButton_clicked(){//第3个参数表示查找文件时从哪个目...

一：使用GPU进行点云分割，理论上可以极大地加快分割速度；于是对PCL1.7.1进行了编译，回到32位系统，重设QT，编译成功(时间好漫长，一定要配置仔细，否则编译一次又一次浪费更多时间)；使用时：#include < pcl/gpu/segmentation/gpu_extract_cluster.h>或者#inclu...

当一个CNN用于另一个领域，就使用到了迁移学习。迁移学习是一种用于模型领域泛化和扩展的工具。 文章链接：独家 | 一文读懂迁移学习（附学习工具包）参考：当深度学习成为过去，迁移学习才是真正的未来？知乎：什么是迁移学习？1. 前言迁移学习（Transfer Learning,T...

前言 谷歌推出的NASNet架构，用于大规模图像分类和识别。NASNet架构特点是由两个AutoML设计的Layer组成——Normal Layer and Reduction Layer，这样的效果是不再需要相关专家用human knowledge来搭建卷积网络架构，直接用RNN把Hyperparameter计算出来，这样就实现了网络结构...

前言：经过尝试过几次Caffe，theano，MxNet之后，很长时间没有进行caffe的更新，此次在Ubuntu16.04下安装Caffe，折腾了一天时间，终于安装成功。参考链接：Caffe+UbuntuKylin14.04_X64+CUDA 6.5配置一 配置CUDA8.0既然使用了最新...

深度学习为深度神经网络机器学习。07年最先引起注目的是DNN，在语音识别上有突出的表现；深度CNN在机器视觉领域的超常表现引领模式识别领域科学界和工业界的潮流，基于图像数据本身的二维结构天然适合CNN处理；RNN对时序和变长数据的处理优势促使语音识别和视频分析又有较大发展；此外可应用于增强学习的新的深度网络形式可以完成游戏策略训练过程，提...

几乎每一次神经网络的再流行，都会出现：推进人工智能的梦想之说。前言：Marr视觉分层理论 Marr视觉分层理论（百度百科）：理论框架主要由视觉所建立、保持、并予以解释的三级表象结构组成，这就是: a.基元图(the primal sketch)—由于图像的密度变化可能与物体边界这类具体的物理性质相对应，因此它主...

原文连接：MxNet和Caffe之间有什么优缺点一、前言：Minerva: 高效灵活的并行深度学习引擎不同于cxxnet追求极致速度和易用性，Minerva则提供了一个高效灵活的平台让开发者快速实现一个高度定制化的深度神经网络。Minerva在系统设计上使用分层的设计原则，将“算的快”这一对于系...

前言：DNC可以称为NTM的进一步发展，希望先看看这篇译文，关于NTM的译文：人工机器-NTM-Neutral Turing Machine基于神经网络的混合计算Hybrid computing using a neural network with dynamic external memory原文：Nature：doi: 10.1038/nature...