人工智能
文章平均质量分 87
黑虎含珠
这个作者很懒,什么都没留下…
展开
-
深度学习框架Caffe, MXNet, TensorFlow, Torch, CNTK性能测试报告
香港浸会大学对于深度学习框架Caffe, MXNet, TensorFlow, Torch, CNTK性能测试报告http://dlbench.comp.hkbu.edu.hk/原创 2017-02-23 23:48:45 · 2342 阅读 · 0 评论 -
AI技术路线
人工智能最近三年发展如火如荼,学术界、工业界、投资界各方一起发力,硬件、算法与数据共同发展,不仅仅是大型互联网公司,包括大量创业公司以及传统行业的公司都开始涉足人工智能。2017年人工智能行业延续了2016年蓬勃发展的势头,那么在过去的一年里AI行业从技术发展角度有哪些重要进展?未来又有哪些发展趋势?本文从大家比较关注的若干领域作为代表,来归纳AI领域一些方向的重要技术进展。从AlphaG转载 2018-01-07 20:19:05 · 5761 阅读 · 0 评论 -
人工智能之机器学习算法体系汇总
监督学习 Supervised learning人工神经网络 Artificial neural network自动编码器 Autoencoder反向传播 Backpropagation玻尔兹曼机 Boltzmann machine卷积神经网络 Convolutional neural networkHopfi原创 2017-08-23 15:07:57 · 729 阅读 · 1 评论 -
初学者如何选择合适的机器学习算法(附算法速查表)
来源:机器之心参与:黄小天、蒋思源、吴攀校对:谭佳瑶本文长度为4000字,建议阅读6分钟本文针对算法的选择为你提供一些参考意见。本文主要的目标读者是机器学习爱好者或数据科学的初学者,以及对学习和应用机器学习算法解决实际问题抱有浓厚兴趣的读者。面对大量的机器学习算法,初学者通常会问自己一个典型的问题:「我该使用哪一种算法?」有很多因素会影响这一问题转载 2017-06-03 15:06:15 · 3364 阅读 · 0 评论 -
腾讯AI Lab的研究方向
原创 2017-03-27 20:29:42 · 1442 阅读 · 1 评论 -
人工智能
转载 2017-07-05 18:26:46 · 577 阅读 · 0 评论 -
神经网络结构
Neural Network ArchitecturesDeep neural networks and Deep Learning are powerful and popular algorithms. And a lot of their success lays in the careful design of the neural network architecture.I w转载 2017-06-24 13:18:32 · 1372 阅读 · 0 评论 -
人工智能全景图
数据来源http://www.shivonzilis.com/machineintelligence原创 2017-05-11 22:40:18 · 1672 阅读 · 0 评论 -
Intel提供的面向机器学习和深度学习的优化工具和框架
英特尔数学核心函数库https://software.intel.com/zh-cn/intel-mkl英特尔面向深度神经网络的数学核心函数库https://github.com/01org/mkl-dnn英特尔数据分析加速库https://software.intel.com/en-us/performance-libraries原创 2017-04-14 17:02:18 · 1742 阅读 · 0 评论 -
深度学习框架Neon
Intel NervanaSys Neonhttps://www.nervanasys.com/technology/neon/https://github.com/NervanaSystems/neon原创 2017-03-14 19:52:37 · 1691 阅读 · 0 评论 -
人工智能的派别
One of the biggest confusions about “Artificial Intelligence” is that it is a very vague term. That’s because Artificial Intelligence or AI is a term that was coined way back in 1955 with extreme hu转载 2017-02-27 14:52:03 · 1042 阅读 · 0 评论 -
ARM机器学习新平台Trillium
Project Trillium 主要面向机器学习和神经网络市场,平台主要有 Arm ML 处理器、OD 处理器、以及 NN 软件这三板斧。顾名思义,ML 处理器主打机器学习,特别是激动计算应用。最高性能可达 4.6 万亿次每秒,能效超过 3 万亿次/秒/瓦(TOPs/W)。Arm ML 的应用场景为物联网(IoT)、无人机、虚拟现实(VR)、增强现实(AR转载 2018-02-17 16:52:21 · 2028 阅读 · 0 评论