东南大学 崇志宏 三天深度学习培训 第二天:深度学习的基本范式
深度学习技术的广泛应用,需要通过精简的形式各行各业的研究人员和工程技术人员掌握深度学习的基本精髓和实际应用技术解决应用问题。本专辑通过三天的课程从理论和实践方面全面而系统地介绍深度学习理论和技术,在讲述理论精髓的同时强调应用目的,同时对技术发展前沿进行全面的介绍。通过三天的培训能够快速的应用这一工具解决实际问题。
东南大学 崇志宏:东南大学数据与智能实验室深度学习应用问题暑期讨论提纲
在理论讨论的基础上提出应用领域出现的一般性和前瞻性问题,包括:深度学习的工程问题、数据问题、任务问题和一些具体应用领域。对每一类问题进行细化,形成应用问题的知识图谱的schema。
东南大学 崇志宏:VAE和GAN技术要点(部分内容)
变分自动编码和对抗生成网络在深度学习领域取得广泛的影响力,其背后思想和方法技巧可以在wake-sleep框架下进行统一和相互改进。本来希望能够这方面的工作做个总结,但是发现这是一个大的topic,涉及的文献源远流长,很难把握其中的要义,只要做成一个部分的ppt,需要继续努力完整这个讨论!
东南大学 崇志宏:当数据库遇到知识图谱(多模态大数据 & 细粒度AI)
在封闭假设下发展的关系数据库系统在吞吐性能、可靠性和可扩展性方面取得重要成就;互联网的开放性和灵活的半结构化数据模型对遵守第三范式的关系数据库系统提出挑战,采用NoSQL实现知识图谱存储的扩展性技术成为研究重点。两者的相遇注定产生出新的应用场景、技术潜力。同时,去模式化的多模态大数据需要人工智能技术的支持,从处理确定性、静态结构化的数据到处理不确定的、冲突的、语义匹配的查询为主,支持问答、聊天、概率推理等认知活动。
东南大学 崇志宏:当数据库遇到知识图谱
在封闭假设下发展的关系数据库系统在吞吐性能、可靠性和可扩展性方面取得重要成就;互联网的开放性和灵活的半结构化数据模型对遵守第三范式的关系数据库系统提出挑战,采用NoSQL实现知识图谱存储的扩展性技术成为研究重点。两者的相遇注定产生出新的应用场景、技术潜力。
东南大学 崇志宏:数据库遇到区块链
数据库技术从关系模型、逻辑数据库、面向对象数据库发展到结构更加灵活的XML数据库、图数据库和处理大规模大数据的NoSQL,在可扩展性和高吞吐效率方面取得有效成就。同时,区块链技术在去中心化、去信任化方面取得广泛的应用成就。两者的相遇是必然,是挑战,也更是机会!
东南大学 崇志宏:数据和智能--认知计算的大数据处理
数据与智能的方向是通过认知计算方式处理大数据,提供人工智能应用场景解决方案,是大数据遇到人工智能的必然结果。这个方向还有很多路要走,目前的研究才刚刚起步。
东南大学 崇志宏:图概率参考书
从原理和算法阐述图概率的基本原则和方法的参考书,适合深入理解图概率的学生参考
东南大学 崇志宏:神经网络计算模型参考书
讲述神经网络计算系统性很强的一本参考书
东南大学 崇志宏:概率图学习算法参考书
是一本很好的讨论图概率学习算法参考书。
东南大学 崇志宏:统计学角度的机器学习
东南大学数据与智能实验室推荐的机器学习教材,重点图概率的机器学习建模,是一本阐述统计学角度的机器学习的很好的参考书
东南大学 崇志宏:深度学习的基本技术
在学习和推理中的指数复杂度问题是高维建模的一种困难所在,几乎每个实用的模型都会遇到这个问题。Differential Generator,从深度神经网络方面提供一个全新的解决方案。其中例子可以从深度玻尔兹曼机的离散隐含变量推广到通过differential generator架构下的连续隐含变量上得到理解。
东南大学 崇志宏:贝叶斯深度学习
将深度学习的感知能力和图概率的关系建模能力的集成是对认知建模的可能研究方向。这一方法需要解决如何集成两块组件取得效率和效果的折中。讨论了贝叶斯深度学习模型的基本概念、框架,以及如何在推荐系统中集成二者的基本方法。注意,贝叶斯深度网络是通过贝叶斯概念来解释深度神经网络,而贝叶斯深度网络是将深度学习和贝叶斯模型集成的问题。
东南大学 崇志宏:非结构数据存储和区块链数据库
非结构数据,包括知识图谱、文本、图片以及视频数据的存储和访问成为当前互联网环境下数据存储和访问的主要热点问题和应用。在解决数据一致性基础上的需要进一步解决数据的共识性,这是开放环境下模型开放后遇到的基本问题和关键应用。这是东南大学数据与智能实验室与中兴(南京)的一次交流。当下数据存储技术需要解决:1)模型开放;2)数据一致和共识;3)key-value模型上的数据存储问题。
东南大学 崇志宏
东南大学 崇志宏:数字银行
数字银行是银行业计算机化和智能化后的产物,是数字化技术发展的必然结果,是一种新的网络交互形式。
东南大学 崇志宏:图概率和BP算法
概率和图的结合解决了概率推理和学习的复杂度的问题:通过factorization产生学习和推理的局部化方法。重点是factorization
东南大学 崇志宏:数据与智能暑期研讨班提纲
符号和联结是认知建模的基本方式,两者的有机融合是目前研究的趋势,是认知计算的基本方式,也是处理大数据的基本工具。
learning and reasoning.pdf
把机器学习和机器推理统一起来的理论和技术方法,是知识库开发的重要理论基础,具有开发上的指导意义!
00000. 商业模式和区块链技术体系以及开发模式.pdf
从商业模式以及创新角度研究区块链系统的技术特性、应用场景、实施案例,推动区块链技术的应用和落地,纠正区块链应用的误区,限制区块链技术的有效应用。
崇志宏:强化学习和深度强化学习
深度学习在强化学习方面的应用所产生的深度强化学习取得快速发展。如何解释深度强化学习优势产生的原因是理解技术的基本方法。
东南大学 崇志宏:无导师学习案例
无导师学习方法能够解决标注数据稀缺的问题,特别是非似然框架下的无导师学习进展迅速。
崇志宏:深度学习的基本范式和调试方法
深度学习模式设计的基本范式和调试的基本技巧,它们的理论基础和方法
崇志宏:深度学习的基本过程和基本模型
深度学习的基本模型和基本过程以及深度学习调试的基本技巧
崇志宏:深度学习的基础(一)
深度学习的基本原理以及深度学习适合的应用场景以及取得优势的原因
崇志宏:区块链讲座
区块链技术开发的基本概念、主要的技术问题和开发方法
东南大学 崇志宏:区块链创新维度
区块链创新维度包括去中心化、共识、验证或证明、博弈的动力来源
东南大学崇志宏:深度学习的范式和设计模式
围绕数据的特点形成的深度学习不同范式是解决实际问题的需要,目前还没有一种方法能够解决所有问题,其中的一个办法是通过组合经过验证的神经网络部件形成新的模型,可以称为深度学习的模式设计。
东南大学崇志宏:深度学习的过程和基本模型
深度学习的工程问题是把理论模型解决问题的关键问题:模型选择、模型训练、问题发现与解决。目前还没有系统的理论指导深度学习的调试,很多方法依赖于直觉和经验。
东南大学崇志宏:深度学习基础
从深度神经网络、概率图和学习的角度讨论深度学习的基础:神经网络计算模型+BP算法;函数的深度神经网络表示;概率的深度神经网络表示;分布的深度神经表示;分布距离的深度神经网络表示
东南大学崇志宏:深度学习的近似算法
大数据和大模型以及大计算使得深度学习技术得到广泛的应用和一系列成功案例。模型的表达能力必然导致算法复杂度的上升,必然使得近似算法成为研究的热点。深度学习的近似算法有自己的特色:通过深度神经网络表示后验推理,将推理问题简化为优化问题;通过判别神经网络表示分布距离以及通过联合训练最小化分布距离;通过向神经网络注入噪声而产生样本来估计期望。这些一系列技术方法大大丰富深度神经网络技术的发展。
东南大学 崇志宏:区块链的去中心化与数据的一致性、安全、隐私
在开放环境中对数据一致性求推动区块链技术快速发展,成为未来互联网的基本协议或体系结构,也是未来重要的计算模型。通常情况下可以从四个维度理解区块链技术,其中数据的一致性、安全和隐私是核心内容。
东南大学 崇志宏 三天深度学习培训 第三天天:深度学习的高级技术与趋势
深度学习技术的广泛应用,需要通过精简的形式各行各业的研究人员和工程技术人员掌握深度学习的基本精髓和实际应用技术解决应用问题。本专辑通过三天的课程从理论和实践方面全面而系统地介绍深度学习理论和技术,在讲述理论精髓的同时强调应用目的,同时对技术发展前沿进行全面的介绍。通过三天的培训能够快速的应用这一工具
东南大学 崇志宏 转:语义web和知识图谱参考书
人工智能的符号方法的一本很好的参考书籍,语义web和知识图谱的语法和语义,是学习知识图谱的一本很好的入门书籍。
东南大学 崇志宏 转:Tensorflow框架开发实战
是一本一步一步解释深度学习框架tensorflow的入门书籍,对框架的基本思想、关键结构和编程模式进行深入解说,提供详细的实例,是一本深度学习入门的好书籍。