logo
publist
写文章

简介

该用户还未填写简介

擅长的技术栈

可提供的服务

暂无可提供的服务

为什么对抗生成网络(GAN)被誉为过去20年来深度学习中最酷的想法?

自发明以来,GAN一直被学术界和工业界的专家们誉为“深度学习中最重要的创新之一”。Facebook的人工智能研究主管Yann LeCun甚至表示,GAN及其变体是“过去20年来深度学习中最酷的想法”。这种兴奋是合情合理的。机器学习领域的其他进展可能在科研人员中人尽皆知,但对于门外汉来说,可能疑惑多于兴奋,GAN激起了从研究人员到大众的极大兴趣——包括《纽约时报》、BBC、《科学美国人》以及许多其他

#生成对抗网络#深度学习#机器学习
美国经典人工智能教材第3版出版!

美国经典人工智能教材,人工智能的百科全书《人工智能》(第3版)出版!新增深度学习及人工智能编程等内容,理论阐释结合动手实践。

文章图片
#人工智能
推荐给中高级Python开发人员的自然语言处理书

随着NLP技术的发展,信息流和计算能力也不断增强。我们现在只需在搜索栏中输入几个字符,就可以检索出完成任务所需的准确信息。搜索提供的前几个自动补全选项通常非常合适,以至于让我们感觉是有一个人在帮助我们进行搜索。到底是什么推动了NLP的发展?是对不断扩大的非结构化Web数据有了新的认识吗?是处理能力的提高跟上了研究人员的思路吗?是用人类语言与机器互动的效率得到提升了吗?实际上以上这些都是,其实还有更

#自然语言处理#nlp
深度学习和机器学习有什么区别?

深度学习(deep learning)通过其他较简单的表示来表达复杂表示,解决了表示学习中的核心问题。深度学习让计算机通过较简单的概念构建复杂的概念。图1.2展示了深度学习系统如何通过组合较简单的概念(例如角和轮廓,它们反过来由边线定义)来表示图像中人的概念。深度学习模型的典型例子是前馈深度网络或多层感知机(multilayer perceptron,MLP)。多层感知机仅仅是一个将一组输入值映射

文章图片
#机器学习#深度学习#人工智能
一周9本上榜新书推荐:软件调试、机器学习成为本周最亮的星

十一到现在,还没有给大家播报新书,今天给大家汇总一下10月1日到现在最受程序员们关注的新书。顺序按照关注度排列。1、软件调试 第2版 卷2 Windows平台调试 上、下册张银奎 著软件调试领域的百科全书软件工程师的贴身宝典向一流技术高手进阶的常备宝典编辑推荐1. 软件调试领域的“百科全书”,围绕软件调试的“生态”系统(ecosystem)、异常(exception)和调试器三条主线,介绍软件调试

#机器学习
2022年最受欢迎的几本人工智能书

今年哪些人工智能书最受欢迎?异步君带你一起看一看。

文章图片
#人工智能#深度学习
深度学习:全卷积网络(FCN)

全卷积网络(fully convolutional network,FCN)采用卷积神经网络实现了从图像像素到像素类别的变换[36]。与之前介绍的卷积神经网络有所不同,全卷积网络通过转置卷积(transposed convolution)层将中间层特征图的高和宽变换回输入图像的尺寸,从而令预测结果与输入图像在空间维(高和宽)上一一对应:给定空间维上的位置,通道维的输出即该位置对应像素的类别预测。我

#深度学习
如何系统性地学习NLP 自然语言处理?

安装工具如果大家已经安装nlpia包(https://github.com/totalgood/nlpia),就可以运行本书中的所有示例。我们会保持README文件中的安装说明为最新版本。但是,如果你已经安装了Python 3,而且觉得自己手气不错(或者幸运地拥有一个Linux环境)的话,那么可以尝试执行:$ git clone https://github.com/totalgood/nlpia

#nlp#自然语言处理#深度学习 +1
为什么对抗生成网络(GAN)被誉为过去20年来深度学习中最酷的想法?

自发明以来,GAN一直被学术界和工业界的专家们誉为“深度学习中最重要的创新之一”。Facebook的人工智能研究主管Yann LeCun甚至表示,GAN及其变体是“过去20年来深度学习中最酷的想法”。这种兴奋是合情合理的。机器学习领域的其他进展可能在科研人员中人尽皆知,但对于门外汉来说,可能疑惑多于兴奋,GAN激起了从研究人员到大众的极大兴趣——包括《纽约时报》、BBC、《科学美国人》以及许多其他

#生成对抗网络#深度学习#机器学习
如何对机器学习进行测试?这本AI测试书给你指明了学习路线

机器学习是人工智能领域最重要的方向之一。随着机器学习应用的日益普及,机器学习技术本身的复杂性越来越高,机器学习应用的质量问题越来越突出。这主要体现在数据质量、特征工程、模型效果、产品功能等方面。例如,训练数据的质量问题会导致机器学习模型不可靠,最终可能得出错误的结论,做出错误的决定(预测),在带来质量风险的同时也将造成成本上升。由此可见,做好机器学习应用的质量保障工作特别重要。对于传统软件、互联网

#机器学习#人工智能
    共 122 条
  • 1
  • 2
  • 3
  • 13
  • 请选择