神经网络
文章平均质量分 82
人工智能Study
这个作者很懒,什么都没留下…
展开
-
计算图上的微积分:反向传播
介绍反向传播是使训练深度模型在计算上易于处理的关键算法。对于现代神经网络,相对于天真的实现,它可以使梯度下降训练的速度提高一千万倍。这是一个模型需要一周的培训和20万年的差异。除了在深度学习中的应用之外,反向传播是许多其他领域的强大计算工具,从天气预报到分析数值稳定性 - 它只是用不同的名称。实际上,该算法在不同领域至少被重新发明了几十次。一般的,独立于应用程序,名称是“反向模式区分”。从...翻译 2018-12-28 15:37:00 · 221 阅读 · 0 评论 -
免费分享价值20多万9大编程教学视频
北京尚学堂自学全套资料加群获取:606266048WEB前端和PHP基础【北京尚学堂·百战程序员】1.WEB基础【北京尚学堂·百战程序员】1.WEB前端快速入门【北京尚学堂·百战程序员】2.CSS样式表【北京尚学堂·百战程序员】2.JavaScript【北京尚学堂·百战程序员】1.JavaScript基础1【北京尚学堂·百战程序员】2.JavaScript基础2【北京尚学堂·...转载 2019-03-12 17:11:35 · 1894 阅读 · 6 评论 -
人工智能与工作的未来
人工智能正成为大多数职业界的共同话题。我们已经听到很多关于可能和可能的失业的消极和可怕的预测,但事实很少,也不容易理解你的意见?真的不重要 我们大多数人都对人工智能(AI)是否会“打败”我们有意见。在技术和政策领域尤其如此。 意见的一方宣称,当人工智能变得足够聪明以接管工作时,我们中的许多人或大多数人将失业。 第二方意见声明,人工智能可能会取消许多无聊的冗余工作,因为人工智...原创 2019-02-21 10:25:27 · 464 阅读 · 0 评论 -
计算器并没有取代数学家,AI也不会取代人类
我们中没有多少人会将计算器视为对我们工作的威胁。然而正如这些现在无处不在的工具的开发使一些数学家感到不安一样,人工智能(AI)和机器学习(ML)的快速发展现在引发了争论,并引起了对全球劳动力未来的关注。 最近的数据表明公众对推动人工智能发展的看法存在重大分歧,最明显的是直接与教育水平,工资,技术专长甚至性别相关联。随着政策制定者不断挑战与技术变革保持同步,似乎没有人在关注商店。一些工人担...原创 2019-02-25 11:57:44 · 644 阅读 · 1 评论 -
了解LSTM网络
递归神经网络 人类不会每时每刻都开始思考。当你阅读这篇文章时,你会根据你对之前单词的理解来理解每个单词。你不要扔掉所有东西,然后再从头开始思考。你的想法有持久性。 传统的神经网络不能做到这一点,这似乎是一个主要的缺点。例如,假设您想要对电影中每个点发生的事件进行分类。目前尚不清楚传统神经网络如何利用其对电影中先前事件的推理来告知后者。 循环神经网络解决了这个问题。它们是带有循环的网络,...翻译 2019-02-13 17:31:40 · 391 阅读 · 0 评论 -
人工智能_AI
什么是人工智能 - AI 人工智能(AI)是机器中模拟智能的术语。这些机器被编程为像人一样“思考”并模仿一个人的行为方式。人工智能的理想特征是其合理化和采取最有可能实现特定目标的行动的能力,尽管该术语可以应用于任何表现出与人类思维相关的特征的机器,例如学习和解决问题。人工智能 - AI 人工智能的基础是人类智能可以用机器可以模仿的精确术语来定义。人工智能的目标包括学习,推理和感知,并使用...原创 2019-02-19 09:00:20 · 390 阅读 · 0 评论 -
浅谈深度学习
什么是深度学习 深度学习是一种人工智能功能,它模仿人类大脑在处理数据和创建用于决策的模式时的运作。深度学习是人工智能AI中机器学习的一个子集,其具有能够从非结构化或未标记的数据无人监督地学习的网络。也称为深度神经学习或深度神经网络。打破深度学习 深度学习与数字时代同步发展,数字时代带来了各种形式和世界各地的数据爆炸式增长。这些数据简称为大数据,来自社交媒体,互联网搜索引擎,电子商务平台...原创 2019-02-18 16:15:47 · 577 阅读 · 0 评论 -
人工智能技术专家系统
什么是专家系统? 专家系统被定义为一种交互式可靠的基于计算机的决策系统,它使用事实和启发式方法来解决复杂的决策问题。它被认为是人类智慧和专业知识的最高水平。它是一个计算机应用程序,可以解决特定域中最复杂的问题。 专家系统可以解决通常需要人类专家的许多问题。它基于从专家那里获得的知识。它还能够表达和推理某些知识领域。专家系统是当今人工智能,深度学习和机器学习系统的前身。专家系统的例子以...原创 2019-02-27 16:37:00 · 10550 阅读 · 0 评论 -
深度学习中的自动编码器:TensorFlow示例
什么是自动编码器? 自动编码器是重建输入的绝佳工具。简单来说,机器就是一个图像,可以生成一个密切相关的图片。这种神经网络中的输入是未标记的,这意味着网络能够在没有监督的情况下进行学习。更准确地说,输入由网络编码,仅关注最关键的特征。这是自动编码器因降维而流行的原因之一。此外,自动编码器可用于生成生成学习模型。例如,神经网络可以用一组面部训练,然后可以产生新的面部。Autoencoder如何工...原创 2019-02-22 09:56:07 · 2968 阅读 · 0 评论 -
人工神经网络简介
ANN(神经元)学习对于训练数据中的错误是鲁棒的,并且已经成功地应用于学习包含诸如解释视觉场景,语音识别和学习机器人控制策略之类的问题的实值,离散值和向量值函数。人工神经网络(ANNs)的研究部分受到以下观察的启发:生物学习系统是由大脑中相互连接的神经元非常复杂的网络构建的。人类大脑包含一个密集的相互连接的网络,大约10 ^ 11-10 ^ 12个神经元,每个神经元连接平均连接到10 ^ 4-...翻译 2019-01-23 15:05:54 · 502 阅读 · 0 评论 -
神经网络之模块化视角(二)
我很佩服你的计算方法的优雅; 在真正数学的马匹上穿越这些领域一定很好,而我们这样的人必须徒劳无功地走上这条路。- 艾尔伯特爱因斯坦卷积神经网络的结果 早些时候,我们提到最近使用卷积神经网络的计算机视觉突破。在我们继续之前,我想简要地讨论一下这些结果作为动机。 他们的进步是将一堆不同的部分组合在一起的结果。他们使用GPU来训练一个非常大的深度神经网络。他们使用了一种新的神经元(ReLUs...翻译 2019-01-25 11:34:59 · 317 阅读 · 0 评论 -
神经网络之模块化视角(一)
介绍 在过去几年中,深度神经网络已经导致各种模式识别问题的突破性结果,例如计算机视觉和语音识别。导致这些结果的基本组成部分之一是一种称为卷积神经网络的特殊神经网络。 在最基本的情况下,卷积神经网络可以被认为是一种使用相同神经元的许多相同拷贝的神经网络。这允许网络拥有大量神经元并表达计算大型模型,同时保持实际参数的数量 - 描述神经元行为方式的值 - 需要相当小的学习。 这种具有相同神...翻译 2019-01-25 10:54:19 · 787 阅读 · 0 评论 -
改善我们的神经网络
代码可以在这里找到。如果您要从上到下滚动脚本,我会查看改进,因为它应该很容易跟随。我不会在这里讨论的一件事是通过numpy进行优化。这意味着我拿出了很多for循环并用numpy函数替换它们,比如numpy.dot()或直接在数组上使用+ - *因为numpy会在内部处理循环。它有助于加快速度,最重要的是它可以更容易地将代码移植到gnumpy以便使用GPU。要记住的一件事是,大多数这些改进都具有...翻译 2018-12-29 18:18:42 · 187 阅读 · 0 评论 -
什么是弱人工智能强人工智能超人工智能
人工智能( Arti ticial Intelligence ) ,也称为机器智能,是指白人工制造出来的系统所表现的智能,所谓的智能,即指可以观察周围环境井据此做出行动以达到目的. 在人工智能的早期,那些对人类智力来说非常困难、 且对计算机来说相对简单的问题迅速得到解决,比如,那些可以通过→系列形式化的数学规则来描述的问题 AI的真正挑战在于解决那些对人来说很容易执行、但很难形式化描述的任...翻译 2019-03-29 11:30:28 · 26800 阅读 · 0 评论