____tz_zs文章收藏
持续更新
2018-07-07 试管中竟诞生了AI神经网络!加州理工钱璐璐团队最新突破,AI 编入合成生物分子电路将可行
- 一种使用“分子机器”探索人工智能的可能性。
2018-06-28 神经网络本质是多项式回归
- 谷歌用深度学习分析电子病例的重磅论文给出了一个意外的实验结果,DNN与逻辑回归效果一样,引发了热烈讨论。不仅如此,最近Twitter讨论最多的论文,是UC戴维斯和斯坦福的一项合作研究,作者发现神经网络本质上就是多项式回归。下次遇到机器学习问题,你或许该想想,是不是真的有必要用深度学习。
2018-06-04 (2018年春季)MIT本科生课程人类大脑(The Human Brain)的视频,课程代号MIT 9.11
2018-05-10 DeepMind大突破!AI模拟大脑导航功能,学会像动物一样“抄近路”| Nature论文
2018-04-02 Facebook深度学习框架Caffe2代码正式并入PyTorch
2018-03-29 World Models(世界模型)
- 近日,由谷歌大脑研究科学家 David Ha 与瑞士 AI 实验室 IDSIA 负责人 Jürgen Schmidhuber(他也是 LSTM 的提出者)共同提出的「世界模型」可以让人工智能在「梦境」中对外部环境的未来状态进行预测,大幅提高完成任务的效率。
- 论文链接:https://arxiv.org/pdf/1803.10122.pdf
- 论文在线交互地址:https://worldmodels.github.io/
- 量子位报道 | 机器之心报道
2018-03-01 谷歌发布中文版机器学习速成课程
2018-02-28 打游戏时领悟了“向死而生”,这个AI算法真的不虚强化学习
2018-02-17 访谈-人工智能的趋势、挑战与泡沫
- Emotech创始人庄宏斌认为,整体来讲AI不会是一个泡沫,只要大家不要按照科幻小说去想象它就行。
- FT中文网
2018-02-13 谷歌全面开放TPU服务
2018-02-11 变分自编码器
- 本文是工程师Irhum Shafkat的一篇博文,主要梳理了变分自编码器的相关知识。我们知道,变分自编码器是一种生成模型,在文本生成、图像风格迁移等诸多任务中有显著的效果,那么什么是变分自编码器?它存在什么问题?它有什么改进算法?本文较为全面地讲解了变分自编码器的相关内容,分别介绍:标准变分自编码器的结构、存在的问题以及相关的解决思路,并预测了变分自编码器的改进方向,相信能给您的研究带来一些启发。
- 专知 | 原文地址
2018-02-09 报告:中国人对AI的乐观程度远超其他国家
- 65%的中国人持乐观态度,认为AI和机器人技术将在未来十年创造更多工作机会。
- 这份来自数字传播公司电通安吉斯的报告Digital Society Index(数字社会指数)显示,在全球10个国家的2万名被调查者中,平均只有29%的人认为新兴技术将创造新的就业机会。中国对就业前景的乐观态度远超过全球平均水平。
- 量子位
2018-02-08 报告:全球人工智能人才报告
2018-02-01 Hinton胶囊网络代码正式开源
- 新智元 |
2018-01-31 时空图卷积网络(ST-GCN):基于动态骨骼的行为识别新方案
- 近日,香港中文大学提出一种时空图卷积网络,并利用它们进行人类行为识别。这种算法基于人类关节位置的时间序列表示而对动态骨骼建模,并将图卷积扩展为时空图卷积网络而捕捉这种时空的变化关系。
- 人体骨骼动力学为人类行为识别提供了重要信息。传统的骨骼建模方法通常依赖手动划分部分或遍历规则,导致模型表达能力有限、泛化困难。在这项工作当中,我们提出了一个名为时空图卷积网络(ST-GCN)的新型动态骨骼模型,它通过自主学习数据中的时间、空间模式,超越了以往方法的局限性,具有更强的表现力和泛化能力。在 Kinetics 和 NTU-RGBD 两大数据集中,本模型与主流方法相比有了很大的提高。
- 机器之心 |论文地址
2018-01-30 DeepMind提出可微分逻辑编程,结合深度学习与符号程序优点
- 神经网络的强大功能有目共睹,但它往往需要大量与目标测试领域数据分布相似的训练数据;而用于符号领域的归纳逻辑编程只需少量数据,却无法对抗噪声,适用领域也很狭窄。
- DeepMind在最近发表的一篇论文中,提出了可微分归纳逻辑编程方法∂ILP,既能解决传统归纳逻辑编程擅长的符号类任务,也对噪声数据、训练集中的误差有一定容忍度,还可以通过梯度下降来训练。
- 原文地址 | 量子位
2018-01-29 解读R-Net:微软「超越人类」的阅读理解人工智能
2018-01-27 用生成对抗网络解决NLP问题:谷歌大脑提出MaskGAN
2018-01-27 薅资本主义羊毛—— Google Colab免费GPU使用教程
2018-01-26 DeepMind心理学实验室:Psychlab 一个用于深层强化学习的心理学实验室
- DeepMind刚刚公开了一篇论文: Psychlab: A Psychology Laboratory for Deep Reinforcement Learning Agents 在里边详细介绍了Psychlab的环境、API,还展示了一些示例任务。
- 原文地址 |量子位
2018-01-25 Facebook提出的多语言嵌入系统
- 传统的自然语言处理系统只能对应于特定语言,如果想要让其应用支持多种语言,则需要从头开始构建相应数量的新系统。Facebook 最近提出的多语言嵌入方法可以在一些「已知」语言上训练 Classifier,应用于「未知」语言上,成功解决了社交平台中 AI 应用的多语言支持问题。本文将向你简要介绍这一技术背后的原理。
- 机器之心 | 原文地址
2018-01-25 埃森哲与Infosys人工智能的调查报告
- 报告显示,AI 不再是一场泡沫,并且已经成为了企业运营的核心。
- 1、nfosys 报告称,四分之三的企业部署了基于人工智能的技术
- 2、印度、美国和中国成为获得人工智能实际成果最多的国家
- 3、埃森哲研究称:投资人工智能可以提高收入和就业水平
- 4、半数企业认为,AI 时代培训和招聘是最重要的
- AI前线
2018-01-22 MIT人工突触芯片新突破:可以精确地控制电流的强度
- 神经形态计算领域的研究人员希望,能找到一种造出类脑的芯片,可多层次地传递信息。一旦有了多层次的信号传递方式,那么很小的一块神经形态芯片就能匹敌现在的超算,毫不费力地并行运算海量数据。
- 前两天,MIT电子与微系统技术实验室的Jeehwan Kim教授在《自然》材料子刊发表了一篇论文,SiGe epitaxial memory for neuromorphic computing with reproducible high performance based on engineered dislocations。
- Kim教授和他的研究团队设计出一种材料为硅鍺的人工突触芯片,可以精确地控制电流的强度,就像神经元可以定量释放多少神经递质一样。
- 论文中显示,这款人工突触芯片已经可以支持识别手写字体的机器学习算法,准确率达到95%。尽管低于现有的芯片的基准表现97%,不过依然相当promising。
- 可以说,这篇文章的研究工作奠定了未来神经形态芯片的发展基础。
- 量子位 | DeepTech深科技 | 原文地址
2018-01-18 DeepMind发布Nature论文: 博弈论对非对称multi-agent游戏的启示
- 近日,DeepMind在《Nature Science》发布最新论文Symmetric Decomposition of Asymmetric Games,研究将博弈论应用在multi-agent的游戏中,利用纳什均衡在自我对局中消除分歧,寻找最优平衡策略。
- 量子位 |专知 | 原文地址
2018-01-18 谷歌发布 Cloud AutoML
- 谷歌发布 Cloud AutoML,旨在帮助更多公司构建高质量定制化模型。李飞飞和李佳在相关博客中称:「Cloud AutoML 将帮助 AI 专家更加高产,不断拓展 AI 的新领域,帮助经验不足的工程师构建梦寐以求的强大 AI 系统。」
- 机器之心 | 量子位 |原文地址
2018-01-18 日本京都大学新研究:AI读取脑波
- 研究论文的标题是“利用人类大脑活动的深度图像重建”(Deep image reconstruction from human brain activity),论文写道,研究者能够根据一个人正在观察的场景来复制一个图像。这些AI创造的图像与人实际看到的并不完全一样,只是模糊地表现了人的思维。不过,AI还是能够利用脑电波来重建这些图像。
- 新智元 | 论文地址
2018-01-16 5种受生物启发的人工智能方法
2018-01-13 现阶段对深度学习理论的讨论
- 1、在较小曲线较为平滑和较安全的区域选择初始化参数。曲率可以通过 Hessian-vector multiplication method 来高效地估计。
- 2、改变动量的时候要重新调整批量大小。
- 3、不要衰减学习率,而要增加批量大小。
- 现代深度学习理论:为什么它如此好用? |原文地址
2018-01-13 脉冲神经网络SNN:下一代神经网络
- 脉冲神经网络(SNN)属于第三代神经网络模型,实现了更高级的生物神经模拟水平。除了神经元和突触状态之外,SNN 还将时间概念纳入了其操作之中。本文将简要介绍这种神秘的神经网络形式。
- 原文地址 | 机器之心 | 专知
2018-01-12 2017年度的谷歌大脑年度总结
- 第一篇:量子位 | 原文地址
- 第二篇:量子位 | 原文地址
- 第一篇,包括我们的一些基础研究工作,以及关于开源软件、数据集和机器学习的新硬件的更新。第二篇文章的重点是探讨我们针对机器学习能产生巨大影响的领域展开的深入研究,如医疗、机器人和一些基础科学领域,以及我们在创造性、公平和包容等方面所作的工作,并让你更加深入地了解我们。
2018-01-01 Facebook公布行为识别数据集SLAC(Sparsely Labeled ACtions) & 视频理解是计算机视觉的下一个前沿
- 2017 年 12 月 29 日,Facebook 与麻省理工学院计算机科学与人工智能实验室(CSAIL)合作公布了一个带有标签的大型视频数据集 SLAC(Sparsely Labeled ACtions),包括了 200 个动作类别、52 万个未剪辑的视频以及 175 万个剪辑注释,另外 Facebook 也表示,使用这个框架注释剪辑(annotating a clip)平均只要 8.8 秒,相较于传统手动剪辑、动作定位的方式,能够省下 95% 的标注时间,可帮助研究人员更快速、有效率的训练机器识别各种动作。
- DeepTech深科技
2018-01-01 基于视频的行人再识别新进展:基于区域的质量估计网络(RQEN)和一个高质量的行人数据集“Labeled Pedestrian in the Wild (LPW)”
- 《Region-based Quality Estimation Network for Large-scale Person Re-identification》
- 基于视频的行人再识别性能的主要限制之一是由遮挡,模糊和光照引起的局部噪声。由于单个帧的不同区域具有不同的质量,并且相同区域的质量也在逐帧之间变化,所以解决该问题比较好的方法是有效地聚集序列中所有帧的互补信息。如果当前帧中的某区域的质量差,那么可以使用其他帧对应的区域来补偿质量差的图像区域带来的影响。为此,这篇文章提出了一种新颖的基于区域的质量估计网络(RQEN),其使用一种巧妙的训练方法,能够提取不同帧之间的互补的区域信息,从而更好地进行训练。与其他特征提取方法相比,作者在PRID 2011,iLIDS-VID和MARS分别达到91.8%,77.1%和77.83%的有竞争力的效果。
- 此外,为缓解行人再识别数据集的不足,本文还提供了一个高质量的数据集,名为“Labeled Pedestrian in the Wild (LPW)”,其中包含7,694个tracklets,超过590,000个图片。尽管本数据集的规模比较大,但是注释非常干净。而且,本数据集在以下几个方面更具挑战性:人物年龄差异分布在儿童和老年之间,人的姿态具有多样性:除了正常的行走状态之外,还包括跑步和骑自行车。
- 专知