内容来源：ATYUN AI平台华为表示，“意图驱动的简智网络”（Intent-Driven Network）利用AI和自动化技术进行预测分析，并“主动优化性能”，同时网络巨头也推出全新的全闪存阵列。2018年2月26日-3月1日在西班牙巴塞罗那举行的世界移动通信大会，简称MWC，由全球移动通信系统协会主办，目前已成为全球最具影响力的移动通信领域的展览会，大会参展方包括三星、华为、小米...

文章来源：ATYUN AI平台与Facebook、微软、亚马逊等公司一样，联发科支持开放和主流框架来推动AI创新。联发科22日宣布，它已经加入了开放式神经网络交换(ONNX，全称Open Neural Network Exchange)平台，以推动AI创新，并支持其Edge AI平台的发展。ONNX是由亚马逊、Facebook和微软创建并发布的，目的是建立在框架之间传输深度学习模...

文章来源：ATYUN AI平台全新的AI驱动功能包括Chrome，Firefox和Safari的浏览器扩展，以及行业之首的移动端视觉搜索，可让用户使用互联网上的任何图像进行搜索。Pond5将制作商、创意导演和编辑与150多个国家的6万电影制作人和创作人联系起来，使视频创新性进一步发展，通过创新型艺术科技，简便易用的平台，以及不断发展中的免版税视频库，数百万音轨音效、照片和其他高质量...

文章来源：ATYUN AI平台五年前，研究人员对能够解释图像的软件的准确性方面有了相当大的飞跃。人工神经网络支撑了我们目前在AI领域看到的“繁荣”。然而，我们仍然没有达到像“终结者”或“黑客帝国”那样的现实。目前，研究人员正试图把重点放在教学机器上。不同于人类大脑一次处理多个事物的大脑，机器人必须以线性的方式“思考”。无论如何，在某些领域，AI战胜了人类。深度神经网络已经学会了交谈、...

Keras库为深度学习提供了一个相对简单的接口，使神经网络可以被大众使用。然而，我们面临的挑战之一是将Keras的探索模型转化为产品模型。Keras是用Python编写的，直到最近，这个语言之外的支持还很有限。虽然Flask，PySpark和Cloud ML等工具可以直接在Python中产品化模型，但我通常更喜欢使用Java来部署模型。像ONNX这样的项目正朝着深度学习的标准化方向发展，但支持..

推荐一篇文章，主要讲述如何调试深度学习模型。文章链接：用不确定性来解释和调试你的深度学习模型随着深度学习发展，深度学习的规模也变得越来越复杂，深度学习模型的调试也变得越来越重要。...

文章来源：ATYUN AI平台图像质量和美学的量化一直是图像处理和计算机视觉的一个长期存在的问题。虽然技术质量评估涉及到测量像素级的退化，如噪声、模糊、压缩失真等，但美学评估捕获了图像中与情绪和美感相关的语义层次特征。最近，用人工标记数据训练的深层卷积神经网络(CNNs)被用来处理特定类图片的图像质量的主观性质，例如景观。但是，这些方法在其范围内是有限的，因为它们通常将图像分类为低质量和高质...

来源：ATYUN AI平台让机器人在现实世界中自主行动是很困难的。即使拥有昂贵的机器人和世界级的研究人员，机器人在复杂的、非结构化的环境中仍然难以自主导航和交互。图1：一个学习的神经网络动态模型使一个六足机器人能够学习运行和跟踪所需的轨迹，只用了17分钟能够处理所有复杂问题的工程系统是很难的。从非线性动力学和局部观测到不可预测的地形和传感器故障，机器人特别容易受到墨菲定律的影...

内容来源：ATYUN AI平台谷歌的在线翻译自2016年以来一直由神经机器翻译（NMT）驱动，今天，该公司推出了其神经网络驱动的方法，以便谷歌翻译的iOS和安卓应用用户能够更准确地实现59种语言的离线翻译。谷歌产品经理Julie Cattiau表示，谷歌翻译小组与谷歌大脑团队一起使用TensorFlow完成了离线NMT。与其他谷歌应用不同，95％的谷歌翻译用户群不在美国境内，而在印度...

文章来源：ATYUN AI平台随着深度神经网络（DNN）变得越来越强大，它们的复杂性也会增加。这种复杂性带来了新的挑战，包括模型的可解释性。可解释性对于构建更强大且能抵抗对抗攻击的模型至关重要。此外，为一个新的，未经过深入研究的领域设计模型具有挑战性，而能够解释模型正在做什么可以帮助我们完成这个过程。模特可解释性的重要性使研究人员开发出多种方法，并在去年的NIPS会议上专门讨论了这个...