北航博士生黃雷：標準化技術在訓練深度神經網路中的應用|分享總結
a） 在深度神經網路中學習正交過濾器組的主要動機b） 基於重引數化方法求解多個依賴的Stiefel流形最佳化問題c） 實驗結果介紹分享內容：本次分享主要包括兩個方面：一是標準化技術的介紹，二是我發表在AAAI上的論文—Ortho...
SNK暗示將使用神經網路AI製作《侍魂》電腦對手
今天SNK宣佈將會參與3月30日在大阪的遊戲創作者大會2019（Game Creators Conference 2019），他們參會的演講標題為：“神經網路AI向格鬥遊戲的編入”...
前沿｜人工智慧的前世今生
隨著網際網路、大資料、雲計算、物聯網等資訊科技的發展，基於感知資料和圖形處理器等計算平臺，以深度神經網路為代表的人工智慧技術正飛速發展，大幅跨越了科學與應用之間的“技術鴻溝”，諸如影象分類、語音識別、知識問答、人機對弈、無人駕駛等人工智慧技...
AI十年：深度學習「革命」如火如荼
次月，《紐約時報》的一篇文章《科學家們在深度學習計劃中看到了希望》表示，這種受大腦如何識別模式理論啟發出的人工智慧技術，在不同領域均取得驚人的進展例如計算機視覺、語音識別和識別用於設計藥物的有前途的新分子...
Andrej Karpathy最新專訪：AGI、Optimus、軟體2.0時代丨萬字精華觀點
0● 基於視覺的自動駕駛● 特斯拉的資料引擎● 實現自動駕駛的時間表● 離開特斯拉● Optimus量產● 生物演進● 外星文明● ImageNet已被擊敗● 神經網路的本質● Transformer強大且穩定● 用語...
DeepMind遭俄羅斯團隊質疑：我們該如何證明神經網路懂物理世界？
最近科學界又出現一場爭論，故事的主角是DeepMind位於倫敦的研究中心於2021年12月發表的一篇Science論文，研究人員發現神經網路可以用來訓練並構建比以前更精確的電子密度和相互作用圖，能夠有效解決傳統泛函理論中的系統誤差...
這4本讓你看了以後大呼過癮的程式設計書籍，你看過嗎？
Python神經網路程式設計［英］塔裡克·拉希德計算機免費閱讀2021超實用性的Python零基礎入門到進階影片原始碼檢視好了，本文到此結束...
決策樹的復興？結合神經網路，提升ImageNet分類準確率且可解釋
如下圖所示，研究者稱這種模型為「神經支援決策樹（NBDT）」，並表示這種模型在保留決策樹的可解釋性的同時，也能夠媲美神經網路的準確性...
UC Berkeley 機器人與工程實驗室講座教授王強：Deep Learning 及 AlphaGo Zero（下） | 分享總結
AlphaGo的監督學習過程其實由兩個網路組成，一個是從其他人中獲得的學習經驗，先是做了一個softmax，即快速落子，它的神經網路比較窄，第二部分是深度監督式神經網路...
麻省理工解讀神經網路歷史，三篇論文剖析基礎理論
但是，實際的觀察（至少對於用於視覺處理的最成功的深度卷積神經網路（DCNN）而言）卻是：實踐者總是可以透過增加網路的規模來擬合訓練資料（［1］ 就是一個極端案例）...
PNAS：成年哺乳動物海馬新生神經元網路調控機制
這項研究首先發現動物在豐富環境比單調的環境可以更多地誘發海馬齒狀回區域新生神經元數量和網路中的興奮/抑制神經元的神經電活動頻率具有顯著相關性，文章第一作者紐約州立大學石溪分校王新星博士透過神經生物學實驗手段揭示環境探索的行為可以區域性地增加...
「開發者成長」帶你從倔強青銅升到最強王者
主題包括：線性迴歸邏輯迴歸神經網路正則化降維支援向量機無監督學習異常檢測推薦系統2. Python中的機器學習使用平臺：Coursera參與機構：IBM所需時間：22小時事先要求：瞭解基本數學原理...
手把手：AlphaGo有啥了不起，我也能教你做一個（附Python程式碼）
run.ipynb——這個檔案包含開啟學習過程的程式碼它透過演算法中的主要環節載入遊戲規則，並且由三個階段組成：1、自我對弈2、重新訓練神經網路3、評估神經網路有兩個智慧體也參與到這個環節中，他們分別為best_player和current...
詳解：遞迴神經網路和LSTM網路那些事兒
具體而言，你已經瞭解了前饋神經網路與RNN之間的區別，如何使用遞迴神經網路，反向傳播和反向傳播時間工作，RNN的主要問題是什麼以及LSTM如何工作...
人類為何會做夢？科學家提出基於AI的全新假說
受用於訓練深度神經網路的技術啟發，塔夫茨大學神經科學研究助理教授 Erik Hoel 提出了一種新的夢境理論：過度適應的大腦假說（the overfitted brain hypothesis）...
“三巨頭”聯合釋出萬字長文，深度學習將通往何方？
這些挑戰包括在很少或沒有外部監督的情況下進行學習，處理來自與訓練樣本不同分佈的測試樣本，以及使用深度學習方法，用於那些人類透過一系列步驟有意識地解決的任務 —— 即 Kahneman 稱之為 system 2 而非 system 1 的任務...