新缸中之脑

这包装了编码器层。所有这些操作都是将输入编码为具有注意力信息的连续表示。这将有助于解码器在解码过程中专注于输入中的适当单词。您可以将编码器堆叠 N 次以进一步编码信息，其中每一层都有机会学习不同的注意力表示，因此有可能提高 transformer 网络的预测能力。

人工智能之父John McCarthy将AI视为科学和工程的结合，而机器学习是AI已经实现的部分，利用机器学习技术，计算机能够通过体验（数据）来像人类一样学习，而不需要被显式地编程。这篇文章将详细介绍我们在大作业项目如何使用Python的Keras深度学习框架，实现一个卷积神经网络（Convolutional Neural Network）来识别图像中的店铺LOGO/招牌。随着越来越多的数据可...

检测并归类图像中的物体是最广为人知的一个计算机视觉任务，随着ImageNet数据集挑战而更加流行。不过还有一个令人恼火的问题有待解决：视频理解。视频理解指的是对视频片段进行分析并进行解读。虽然有一些最新的进展，现代算法还远远达不到人类的理解层次。Facebook的AI研究团队新发表的一篇论文，SlowFast，提出了一种新颖的方法来分析视频片段的内容，可以在两个应用最广的视频理解基准测试中获...

在第一部分中，我们介绍了两种神经网络结构：感知器和卷积神经网络。卷积神经网络是第一种受到广泛认可的深度神经网络，它非常适合处理图像，但并不是特别适合语音之类的时间序列数据。在本文中，我们将继续介绍专门用来处理序列数据的两种结构：基本的递归神经网络、改进的LSTM递归神经网络。3 - 递归神经网络为了理解递归神经网络（RNN：Recurrent Neural Network），我们需

要点：Facebook的人工智能负责人抨击机器人索菲亚说要“摧毁所有人类”的头条新闻。Facebook的Yann LeCun表示，索菲娅是“彻头彻尾的垃圾”，批评媒体居然报道这种只能充门面的伪人工智能（Potemkin AI）。索菲亚之父，SingularityNET首席执行官本•古泽尔（Ben Goertzel）则批评Facebook被俄罗斯在美国大选中利用来散布假新闻 。 戈

为什么需要机器学习技术？对于那些直接写代码而言太复杂的任务，机器学习是必需的。 有些任务是如此复杂，以至于不可能写出明确应对每一种可能性的程序。 因此，机器学习采用另一个途径，通过向算法输入大量的数据，让算法自行探索数据并获得一个可以解决问题的模型。让我们来看看下面两个例子： 要实现能够在各种复杂场景下（例如杂乱的背景、不同的光照条件、新的观察角度）识别三维对象的程序是很困难的，因为

我们使用机器学习和自然语言处理开发了一个假新闻检测器，其在验证集上的准确率超过了95％。 在现实世界中，准确率应该会比95%低一些，特别是随着时间的推移，假新闻的创作方式也会有所改变。由于自然语言处理和机器学习方面发展迅猛，因此我想也许可以搞一个能够识别假新闻的模型，从而遏制假新闻泛滥所造成的灾难性后果 。 可以说，要制作自己的机器学习模型，最困难的部分就是收集训练数据。 我花了几天和几天的时间来收

在本文中，我将向你展示如何使用face-recognition.js执行可靠的人脸检测和识别 。 我曾经试图找一个能够精确识别人脸的Node.js库，但是没有找到，因此，我决定自己搞一个！ 这个npm包基于dlib实现，因为我发现dlib的识别精度很高。 dlib库使用深度学习方法，并附带一些预训练的模型，这些预置的模型，在LFW人脸识别基准测试上可以达到惊人的准确度：99.38％ 。为

你有没有猜过一个人的年龄？ 下面这个简单的神经网络模型可以帮你做这件事。本文的演示将从网络摄像头中获取实时视频流，并自动标注其中出现人脸的年龄和性别。 在家门口放一个这样的摄像头就可以了解访客的年龄和性别，你可以想象一下这有多酷！ 我是在Windows PC使用Python 3.5运行这个模型。 你也可以使用其他操作系统，或者直接使用汇智网的Python机器学习在线运行环境。工作原理

在本教程中，我将带你使用Python来开发一个利用机器学习技术的车牌识别系统（License Plate Recognition）。车牌识别系统使用光学字符识别（OCR）技术来读取车牌上的字符。 换句话说，车牌识别系统以车辆图像作为输入并输出车牌中的字符。 如果你是一个卧底或侦探，就能想象这会对你的工作有多宝贵了： 你可以利用车辆拍照来提取一辆汽车的几乎所有必要信息。

胶囊网络（Capsule Network）的TensorFlow实现 `Geoffrey Hinton`的胶囊网络（`Capsule Network`）震动了整个人工智能领域，它将卷积神经网络（CNN）的极限推到一个新的水平。本文使用谷歌的`Colaboratory`工具在`TensorFlow`上实现胶囊网络。

在过去的几个月中，我一直在收集自然语言处理（NLP）以及如何将NLP和深度学习（Deep Learning）应用到聊天机器人（Chatbots）方面的最好的资料。时不时地我会发现一个出色的资源，因此我很快就开始把这些资源编制成列表。 不久，我就发现自己开始与bot开发人员和bot社区的其他人共享这份清单以及一些非常有用的文章了。在这个过程中，我的名单变成了一个指南。

无论你是个人还是机构，如果要开始在产品中应用深度学习技术，都需要先了解两部分的信息：深度学习能做什么 ：首先需要了解深度学习领域最新的发展，知道它现在的能力所及如何运用深度学习 ：还需要了解如何训练新涌现的模型，或如何将现有模型运用到生产中去由于开源社区的优势，第二部分（即如何运用）现在已经变得越来越简单。

自编码器是一种特殊的神经网络（`neural network`），它的输出目标（`target`）就是输入（所以它基本上就是试图将输出重构为输入），由于它不需要任何人工标注，所以可以采用无监督的方式进行训练。自编码器包括两个组成部分：编码器和解码器。