- 博客(30)
- 收藏
- 关注
RSS订阅转载 统治世界的十大算法
一篇有趣的文章《统治世界的十大算法》中，作者George Dvorsky试图解释算法之于当今世界的重要性，以及哪些算法对人类文明最为重要。1.排序算法所谓排序，就是使一串记录，按照其中的某个或某些关键字的大小，递增或递减的排列起来的操作。排序算法，就是如何使得记录按照要求排列的方法。排序算法在很多领域得到相当地重视，尤其是在大量数据的处理方面。一个优秀的算法可以节省大量的资源。稳定的冒泡排序（bu
2018-03-30 00:00:00
890
转载 深度学习未来如何发展？听听这21位顶级专家怎么说
深度学习会成为人工智能实现的最佳途径吗？它的未来又在哪里？让我们听听深度学习领域的专家和从业者所畅想的未来五年深度学习的发展路径。OpenAI的研究总监Ilya Sutskever：我们应该会看到更深度的模型，可以从比今天更少的训练中学习，无监督式学习也会有可观的进步。我们还期待看见更精确、更有用的语音和视觉识别系统。波恩大学的教授、自动化智能系统团队的主任Sven Behnke：我希望深度学习可
2018-03-30 00:00:00
1999
转载 数据科学家应该知道的10个高级深度学习架构
高级架构是什么意思？与单个传统的机器学习算法相比，深度学习算法由这样的多种模型组成。这是因为神经网络在建立完整的端到端模型时提供了灵活性。神经网络有时可以与乐高积木比较，在那里你可以建立几乎任何简单到复杂的结构，你的想象力可以帮助你建立。我们可以将先进的架构定义为一个成功的模型，具有良好的记录。这主要出现在像ImageNet这样的挑战中，你的任务是解决一个问题，比如图像识别，使用给定的数据。那些不
2018-03-29 00:00:00
449
转载 7个实用的深度学习技巧
深度学习已经成为解决许多具有挑战性的现实世界问题的方法。对目标检测，语音识别和语言翻译来说，这是迄今为止表现最好的方法。许多人将深度神经网络（DNNs）视为神奇的黑盒子，我们放进去一堆数据，出来的就是我们的解决方案！事实上，事情没那么简单。在设计和应用DNN到一个特定的问题上可能会遇到很多挑战。为了达到现实世界应用所需的性能标准，对数据准备，网络设计，训练和推断等各个阶段的正确设计和执行至关重要。
2018-03-29 00:00:00
366
转载 深度 | DeepMind提出神经元删除法：通过理解每个神经元来理解深度学习
选自DeepMind机器之心编译近日，DeepMind 发表博客介绍其对神经网络可解释性的最新研究成果。受神经科学启发，他们通过删除神经元来探索其对网络性能的影响。研究发现，和过去的经验直觉相反，选择性神经元（如「猫神经元」）对于网络的泛化能力并不重要。而某些行为难以理解的非选择性神经元却是不可或缺的。此外，作者还对比了泛化好和记忆好的网络对删除操作的响应行为。深度神经网络由很多独立的神经元组成，
2018-03-27 00:00:00
415
转载 共享GPU来了！投身去中心化机器学习，比挖矿多赚3倍
夏乙 若朴 发自 凹非寺量子位 出品 | 公众号 QbitAI还在用GPU挖矿？那你可就亏大了。最近，大洋彼岸出现了一个名叫“Vectordash”的机器学习共享算力平台，用开发者自己的话讲，相当于一个GPU的Airbnb。有GPU又嫌挖矿赚得太少？可以在这个平台上共享自己的计算资源，帮助别人搞AI。收益是挖矿的3到4倍！AI开发者们在平台上租用共享出来的GPU，价格又只有AWS的1/5。穷学生这
2018-03-26 00:00:00
768
转载 推荐 | 最棒的30个机器学习实例
在过去的一年里，我们比较了近8800个机器学习开源项目选出了其中最棒的30个 (几率只有0.3% )。这是一个非常具有竞争力的名单，名单是从2017年一整年间发布的最佳的开源机器学习库，数据集和应用程序当中仔细挑选出来的。 Mybridge AI 通过考虑使用频率，参与度和新近度来评估总分。针对总评分给你一个意见， Github stars平均表现是 3558。年度 Python 实例 (平均 3
2018-03-26 00:00:00
7442
转载 DeepMind新成果：通过删除神经元来理解深度学习
来源：人工智能头条（ID：AI_Thinker）编者按：深度学习算法近年来取得了长足的进展，也给整个人工智能领域送上了风口。但深度学习系统中分类器和特征模块都是自学习的，神经网络的可解释性成为困扰研究者的一个问题，人们常常将其称为黑箱。但理解深度神经网络的工作原理，对于解释其决策方式，并建立更强大的系统至关重要。近日，DeepMind 发布了其关于神经网络可解释性的最新研究成果，他们通过删除网络中
2018-03-24 00:00:00
466
转载 这是一份「不正经」的深度学习简述
选自TowardsDataScience作者：Favio Vazquez机器之心编译参与：路雪、刘晓坤、李泽南作为人工智能领域里最热门的概念，深度学习会在未来对我们的生活产生显著的影响，或许现在已经是了，从 AlphaGo 到 iPhone X 上的人脸识别（FaceID），背后都有它的身影。关于深度学习，我们能够看到很多优秀的介绍、课程和博客，本文将列举其中的精华部分，而且，你会发现这是一篇「不
2018-03-24 00:00:00
447
转载 《Nature》重磅 | 研究员利用机器学习发现近 6000 种未知病毒
AI掘金志出品雷锋网旗下只报道“AI+传统”的内容频道雷锋网AI掘金志消息，《Nature》杂志近日发布消息称，研究人员利用人工智能发现了近6000种未知的病毒。这项工作是在3月15日由美国能源部(DOE)组织的一次会议上提出的，它展示了一种探索地球上巨大而未知的病毒多样性的新工具。从人类健康到垃圾降解，虽然病毒的影响力十分巨大，但它们却很难被摸透。 科学家们无法在实验室环境中培养大多数病毒，识别
2018-03-22 00:00:00
411
转载 推荐 | 机器学习开源项目 Top 10
编译 | AI科技大本营（公众号ID：rgznai100）一直为开发者提供优质学习资源的Mybridge最近又发布了一篇资源性文章：机器学习领域开源项目Top 10，AI科技大本营做了简要编译。（此前营长发布过多篇收藏党喜欢的文章，也是来自Mybridge：①2月份机器学习十大热文新鲜出炉，你该读哪篇？ ②Python 开源项目 Top 10 精选，平均star为1128！ ③从1400篇机器
2018-03-22 00:00:00
214
转载 观点 | 为什么深度学习仍未取代传统的计算机视觉技术？
作者：Zbigatron 机器之心编译 参与：张楚、黄小天本文作者认为，深度学习只是一种计算机视觉工具，而不是包治百病的良药，不要因为流行就一味地使用它。传统的计算机视觉技术仍然可以大显身手，了解它们可以为你省去很多的时间和烦恼；并且掌握传统计算机视觉确实可以让你在深度学习方面做得更好。这是因为你可以更好地理解深度学习的内部状况，并可执行预处理步骤改善深度学习结果。本文的灵感同样来自论坛中的一
2018-03-21 00:00:00
435
转载 「数据科学家」必备的10种机器学习算法
来源 | 雷克世界（ID：raicworld）编译 | 嗯~是阿童木呀、KABUDA、EVA可以说，机器学习从业者都是个性迥异的。虽然其中一些人会说“我是X方面的专家，X可以在任何类型的数据上进行训练”，其中，X =某种算法；而其他一些人则是“能够在适合的工作中施展其才华”。他们中的很多人认可“涉猎所有行业，而是其中一个领域的专家”策略，即他们在一个领域内拥有一个深厚的专业知识，并且对机器学习的不
2018-03-20 00:00:00
278
转载 机器学习，就用Python！五大专家详解其优势何在
编译 | AI科技大本营（公众号ID：rgznai100）【AI科技大本营导读】Python 语言是机器学习领域最优秀的编程语言之一，现在它正挑战着 R 语言在学术界和研究领域的统治地位。那么，为什么 Python 语言在机器学习领域会如此受欢迎？Python 领域资深专家 Mike Driscoll 组织了一次访谈会，邀请了五位 Python 专家和机器学习社区人士，共同分析 Python 语言
2018-03-20 00:00:00
231
转载 把人识别成狗？机器还是太容易被骗
AI 科技评论按：日前谷歌大脑负责人 Jeff Dean 在推特上转了一篇 Anish Athalye 的推文，推文内容如下：防御对抗样本仍然是一个尚未解决的问题，三天前公布的 ICLR 接收论文里，八篇关于防御论文里已经有七篇被我们攻破。这一言论立刻引起了整个机器学习学术圈的关注。Wired 近日发布了一篇关于这一事件后续的讨论文章，AI 科技评论进行了编译。在机器学习强大力量的推动下，科技公司
2018-03-16 00:00:00
1227
2
转载 为什么深度学习不能取代传统的计算机视觉技术？
译者 | 王柯凝编辑 | 周翔当你辗转于各种论坛时，相信会经常看到这样的问题：深度学习是否会取代传统的计算机视觉？或者说，当深度学习看起来如此有效时，是否还有必要研究传统的计算机视觉技术？这是一个非常好的问题。深度学习已经彻底改变了计算机视觉和人工智能这一领域，许多曾经看起来不可能解决的问题，深度学习都能够解决——尤其是在图像识别和分类问题上，机器已经超越人类（短链：http://t.cn/Rnz
2018-03-15 00:00:00
1572
转载 Stack Overflow 2018开发者调研结果公布：DevOps和机器学习行业收入最高
选自Stack Overflow机器之心编译参与：路雪、黄小天、刘晓坤近日，Stack Overflow 公布了其第八次年度开发者调查结果，这次参与者超过 10 万人，创下历史新高。本次的调研内容涵盖开发者基本情况、技术、工作、社区、方法论等多个方面。机器之心重点编译了有关开发技术的内容，同时也涉及开发者的薪资待遇，更多详细内容请参见文末链接。调查地址：https://insights.stack
2018-03-14 00:00:00
422
转载 「off-policy强化学习」被低估！Google Brain等提出使用off-policy算法的「机器人抓取」任务基准
本文转自雷克世界（ID：raicworld）编译 | 嗯~阿童木呀在本文中，我们探讨了用于基于视觉的机器人抓取操作的深度强化学习算法。无模型深度强化学习（RL）已经在一系列具有挑战性的环境中得到了成功应用，但算法的激增使得我们难以辨别出哪种特定的方法最适合于执行一个丰富的、多样化的任务，例如抓取。为了回答这一问题，我们提出了一个机器人抓取的模拟基准，强调了对于没见过的目标的策略学习和泛化。Off-
2018-03-14 00:00:00
1002
转载 从起源到具体算法，这是一份适合所有人读的深度学习综述论文
选自arXiv作者：Md Zahangir Alom 等机器之心编译参与：白妤昕、黄小天、李泽南自 2012 年多伦多大学 Alex Krizhevsky 等人提出 AlexNet 以来，「深度学习」作为一种机器学习的强大方法逐渐引发了今天的 AI 热潮。随着这种技术被应用到各种不同领域，人们已经开发出了大量新模型与架构，以至于我们无法理清网络类型之间的关系。近日，来自 University of
2018-03-13 00:00:00
305
转载 谁来治好AI的「幻觉」？面对众多对抗样本攻击，深度神经网络该何去何从
选自Wired作者：Tom Simonite机器之心编译参与：路雪、黄小天2 月 3 日，来自 MIT、UC Berkeley 的 Athalye 等人宣布其研究攻破了 ICLR 2018 大会的接收论文中的 7 篇有关防御对抗样本的研究。之前，轻微扰动导致停车标志被无视、把熊猫认成长臂猿、把校车认成鸵鸟等等各种案例层出不穷。那么关于 AI 容易被「幻觉」干扰的现象，研究者又有什么看法？深度神经网
2018-03-13 00:00:00
259
转载 从起源到具体算法，这是一份适合所有人读的深度学习综述论文
选自arXiv作者：Md Zahangir Alom 等机器之心编译参与：白妤昕、黄小天、李泽南自 2012 年多伦多大学 Alex Krizhevsky 等人提出 AlexNet 以来，「深度学习」作为一种机器学习的强大方法逐渐引发了今天的 AI 热潮。随着这种技术被应用到各种不同领域，人们已经开发出了大量新模型与架构，以至于我们无法理清网络类型之间的关系。近日，来自 University of
2018-03-12 00:00:00
490
转载 机器学习萌新必学的Top10算法
原作 James LeRoot 编译自 KDuggets量子位 报道 | 公众号 QbitAI在机器学习领域里，不存在一种万能的算法可以完美解决所有问题，尤其是像预测建模的监督学习里。比方说，神经网络不见得比决策树好，同样反过来也不成立。最后的结果是有很多因素在起作用的，比方说数据集的大小以及组成。所以，针对你要解决的问题，最好是尝试多种不同的算法。并借一个测试集来评估不同算法之间的表现，最后选出
2018-03-12 00:00:00
519
转载 OpenAI提出Reptile：可扩展的元学习算法
选自OpenAI Blog作者：ALEX NICHOL & JOHN SCHULMAN机器之心编译近日，OpenAI 发布了简单元学习算法 Reptile，该算法对一项任务进行重复采样、执行随机梯度下降、更新初始参数直到习得最终参数。该方法的性能可与 MAML（一种广泛应用的元学习算法）媲美，且比后者更易实现，计算效率更高。元学习是学习如何学习的过程。元学习算法会学习任务的一个分布，每项任务都是学
2018-03-09 00:00:00
1395
转载 ArXiv最受欢迎开源深度学习框架榜单：TensorFlow第一，PyTorch第四
新智元报道 来源：Twitter等作者：文强【导读】Kears作者François Chollet刚刚在Twitter贴出最近三个月在arXiv提到的深度学习框架，TensorFlow不出意外排名第一，Keras排名第二。随后是Caffe、PyTorch和Theano，再次是MXNet、Chainer和CNTK。Keras作者François Chollet刚刚在Twitter贴出一张图片，是近
2018-03-09 00:00:00
422
转载 谷歌大脑发布神经网络的「核磁共振」，并公开相关代码
作者：杨晓凡、camel、思颖、杨文AI 科技评论按：神经网络的可解释性一直是所有研究人员心头的一团乌云。传统的尝试进行可解释性研究的方法是通过查看网络中哪个神经元被激发来来理解，但是即使我们知道「第 538 号神经元被激发了一点点」也毫无意义，并不能帮助我们理解神经元在网络中的意义。为了解决这样的问题 Google Brain 的一些研究人员开发了神经网络特征可视化方法。2015 年上半年的时候
2018-03-07 00:00:00
555
转载 DeepMind提出强化学习新算法，教智能体从零学控制
AI 科技评论按：不管你让小孩还是大人整理物品，他们很大可能都不会乖乖听你的话，如果想要让 AI 智能体进行整理收拾，那就更难了。如果想成功，需要掌握如下几个核心视觉运动技能：接近物体，抓住并举起它，打开盒子，把物体放进去。而更复杂的是，执行这些技能时，必须按照正确的顺序。对于一些控制类的任务，比如整理桌面或堆叠物体，智能体需要在协调它的模拟手臂和手指的九个关节时，做到三个 W，即如何（how），
2018-03-02 00:00:00
412
转载 谷歌送上主播福利，手机拍视频实时换背景
YouTube stories 中的神经网络视频分割（加特效）AI 科技评论按：视频分割是一项用途广泛的技术，把视频的前景和背景分离之后，导演们、视频制作者们就可以把两者作为两个不同的视觉层，便于后续的处理或者替换。对背景的修改可以传递不同的情绪、可以让前景的主人公显得去了另一个地方，又或者增强这条视频消息的影响力。不过，这项工作传统上都是由人工完成的，非常费时（比如需要逐帧把里面的人描选出来）；
2018-03-02 00:00:00
1565
转载 刘鹏教授诚邀在读博士来南京进行大数据、人工智能课题研究
在大数据发展得如火如荼之际，人工智能又疾驰而来。人民日报曾指出，未来3-5年，国内大数据人才缺口达到150万之多，工信部教育考试中心副主任周明也曾透露，中国人工智能人才缺口超过500万人。由于供不应求，大数据与人工智能人才的薪资水平水涨船高，2017年大数据行业以平均21.2k的月薪高居互联网行业榜首，而刚毕业的AI博士年薪近百万，Boss直聘的数据显示，跟人工智能相关的数据服务行业薪资预算增长最
2018-03-01 00:00:00
2879
转载 顶级的20名Python人工智能和机器学习开源项目
本文用Python更新了顶级的AI和机器学习项目。Tensorflow已经成为了贡献者的三位数增长的第一位。 Scikit-learn下降到第二位，但仍有非常大的贡献者群体。进入机器学习和人工智能并非易事。考虑到今天可用的大量资源，许多有抱负的专业人员和爱好者发现难以在该领域建立正确的路径。这个领域正在不断发展，我们必须跟上飞速发展的步伐。经过信息的更新、检查，本文用Python更新了顶级的AI和
2018-03-01 00:00:00
1971
转载 全程中文！谷歌发布机器学习速成课，完全免费（附视听评测）
夏乙 若朴 发自 凹非寺量子位 出品 | 公众号 QbitAI全球AI第一大厂Google推了新课程！Google今天上线了一个“机器学习速成课程”，英文简称MLCC。用他们自己的话来形容，这个课程节奏紧凑、内容实用。量子位觉得还有很意外的两点：它，竟然，基本可以全程中文！（地址见评论还不要钱~听完这个课程总共需要大约15小时，包含大量教学视频，还有对算法实际运用的互动直观展示，让用户可以更容易地
2018-03-01 00:00:00
998
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人