一、前言深度神经网络通常比较擅长从高维数据中学习，例如图像或者语言，但这是建立在它们有大量标记的样本来训练的情况下。然而，人类却拥有单样本学习的能力——如果你找一个从来没有见过小铲刀的人，给他一张小铲刀的图片，他应该就能很高效的将它从其他厨房用具里面鉴别出来。这是一种对人类来说很容易的任务，但是直到我们想写一个算法让它去做这件事……那就GG了 。很明显，机器学习系统很希望拥有这种快速从少量样...

自2011年以来，深度卷积神经网络（CNN）在图像分类的工作中的表现就明显优于人类，它们已经成为在计算机视觉领域的一种标准，如图像分割，对象检测，场景标记，跟踪，文本检测等。但，想要熟练掌握训练神经网络的能力并不是那么容易。与先前的机器学习思维一样，细节决定成败。但是，训练神经网络有更多的细节需要处理。你的数据和硬件有什么限制？你应该是从何种网络开始？你应该建立多少与卷积层相对的密集层？你的激励函

入门路线1、首先在自己电脑上安装一个开源的框架，像Tensorflow、caffe这样的，先玩一下这个框架，把框架用起来2、然后跑一些基础的网络，由浅入深3、如果有条件的话，整个有GPU的电脑，GPU跑的要快很多，跟CPU比起来详细点说，我认为可以按以下步骤去学习它：第一个阶段：1）、实现并训练只有一层的softmax回归模型用于手写数字图片分类；2）、实现并训练含三个

一、什么是TF-IDFTF-IDF(Term Frequency-Inverse Document Frequency, 词频-逆文件频率).是一种用于资讯检索与资讯探勘的常用加权技术。TF-IDF是一种统计方法，用以评估一字词对于一个文件集或一个语料库中的其中一份文件的重要程度。字词的重要性随着它在文件中出现的次数成正比增加，但同时会随着它在语料库中出现的频率成反比下降。词频 (ter...

一、人工智能——历史二、人工智能——内涵和外延三、人工智能——应用领域

入门路线1、首先在自己电脑上安装一个开源的框架，像Tensorflow、caffe这样的，先玩一下这个框架，把框架用起来2、然后跑一些基础的网络，由浅入深3、如果有条件的话，整个有GPU的电脑，GPU跑的要快很多，跟CPU比起来详细点说，我认为可以按以下步骤去学习它：第一个阶段：1）、实现并训练只有一层的softmax回归模型用于手写数字图片分类；2）、实现并训练含三个

一、人工智能——历史二、人工智能——内涵和外延三、人工智能——应用领域

Spring框架的新功能Spring FrameWork 5.0新的功能JDK 8+和Java EE7+以上版本整个框架的代码基于java8通过使用泛型等特性提高可读性对java8提高直接的代码支撑运行时兼容JDK9Java EE 7API需要Spring相关的模块支持运行时兼容Java EE8 API取消的包,类和方法包 beans.factory.access包 dbc.sup

一、为什么需要机器学习有些任务直接编码较为复杂，我们不能处理所有的细微之处和简单编码，因此，机器学习很有必要。相反，我们向机器学习算法提供大量数据，让算法不断探索数据并构建模型来解决问题。比如：在新的杂乱照明场景内，从新的角度识别三维物体；编写一个计算信用卡交易诈骗概率的程序。机器学习方法如下：它没有为每个特定的任务编写相应的程序，而是收集大量事例，为给定输入指定正确输出。算法利用这些事例...

一、简介长短期记忆网络LSTM（Long-Short Term Memory）是递归神经网络（RNN:Recurrent Neutral Network）的一种。RNNs也叫递归神经网络序列，它是一种根据时间序列或字符序列（具体看应用场景）自我调用的特殊神经网络。将它按序列展开后，就成为常见的三层神经网络。常应用于语音识别。虽然前馈神经网络取得很大成功，但它无法明确模拟时间关系，并且...