深度学习理论

如何把听过的很多道理，内化为过好这一生的能力？

鸿学院始终强调锻炼思维肌肉，宋老师认为，我们可以借鉴人工智能的深度学习理论，优化认知算法，锻炼思维肌肉。经过几十年的发展，尤其在近年来取得了巨大进步的人工智能深度学习方法，已经在图像、语音、自然
闭关_ef0e·2020-08-20 11:14

人工智能革命，产品经理必须了解的三个能力！

地上跑的无人车要上路了，天上飞的无人机要送货了，服务机器人商用开始破冰了，似乎突如一夜春风来~~罗胖在今年的跨年演讲中，总结了为什么过去一年人工智能可以火起来，主要是三个原因：算法、硬件、大数据算法：算法的核心深度学习理论已经逐渐成熟
贝大湿·2020-08-20 02:16

深度学习理论篇之 ---- 开山之石

深度学习(DL,DeepLearning)是机器学习(ML,MachineLearning)领域中一个新的研究方向，它被引入机器学习使其更接近于最初的目标——人工智能(AI,ArtificialIntelligence)。深度学习是学习样本数据的内在规律和表示层次，这些学习过程中获得的信息对诸如文字，图像和声音等数据的解释有很大的帮助。它的最终目标是让机器能够像人一样具有分析学习能力，能够识别文字
fengyuxie·2020-08-19 22:07

深度强化学习入坑指南 Updating

任务二深度学习理论的
Quelquefois·2020-08-19 00:17

小白零基础学习：详解梯度下降算法：完整原理+公式推导+视频讲解

目前主要研究图像去雾算法和深度学习理论。如果要学习MachineLearning和DeepLearing，那么GradientDescentAlgorithm(梯度下降算法）是必须要掌握的！
追梦Hocking·2020-08-17 17:59

2.2 通过极简方案快速构建手写数字识别模型

通过极简方案构建手写数字识别模型上一节介绍了创新性的“横纵式”教学法，有助于深度学习初学者快速掌握深度学习理论知识，并在过程中让读者获得到真实建模的实战体验。
timeshark·2020-08-16 10:23

2.10 局部最优的问题-深度学习第二课《改善深层神经网络》-Stanford吴恩达教授

←上一篇↓↑下一篇→2.9学习率衰减回到目录2.11总结局部最优的问题(TheProblemofLocalOptima)在深度学习研究早期，人们总是担心优化算法会困在极差的局部最优，不过随着深度学习理论不断发展
JC Zhao·2020-08-16 09:57

AI Studio 飞桨 零基础入门深度学习笔记6.2-通过极简方案构建手写数字识别模型

通过极简方案构建手写数字识别模型通过极简方案构建手写数字识别模型前提条件数据处理飞桨API的使用方法模型设计训练配置训练过程模型测试通过极简方案构建手写数字识别模型上一节介绍了创新性的“横纵式”教学法，有助于深度学习初学者快速掌握深度学习理论知识
mejs·2020-08-15 19:59

新系统Ubuntu18.4以上深度工具合集安装(Nvidia+CUDA+Tensorflow+Caffe+Torch)

有问题请留言.深度学习理论基础知识与进阶书下
langb2014·2020-08-13 15:09

【机器学习与深度学习理论要点】17. 决策树分类，支持向量机

决策树分类决策树分类和决策树回归思想基本相同，不同的是，决策树分类器输出为离散值。通过决策树进行分支处理，最后落到叶子节点上，使用投票的方式来决定预测结果属于哪个类别。支持向量机1）什么是支持向量机？支持向量机是一种二分类模型，它的目的是寻找一个超平面来对样本进行分割，分割的原则是间隔最大化。所谓“支持向量机”，就是下图中虚线穿过的边缘点。支持向量机就对应着能将数据正确划分并且间隔最大的直线。2）
yegeli·2020-08-12 14:46

【机器学习与深度学习理论要点】15. 什么是决策树？决策树的特点及使用情况

1）什么是决策树？决策树的核心思想是：相似的输入必然产生相似的输出。决策树通过把数据样本分配到树状结构的某个叶子节点来确定数据集中样本所属的分类。决策树可用于回归和分类。当用于回归时，预测结果为叶子节点所有样本的均值。2）决策树的特点①优点简单易懂，容易解释，可视化，适用性广。可用于分类、回归问题。②缺点容易过拟合。数据中的小变化会影响结果，不稳定。每一个节点的选择都是贪婪算法，不能保证全局最优解
yegeli·2020-08-12 14:46

【机器学习与深度学习理论要点】13. 什么是线性回归，线性回归特点及使用情况

1）什么是线性回归线性回归是指：通过数据样本，找到一个最佳拟合数据样本的线性模型，并用于预测。线性方程的一般表达形式为：y=w0+w1xy=w_0+w_1xy=w0+w1x其中，x和y为已知，w0,w1w_0,w_1w0,w1是要经过学习获得的参数。2）什么情况下使用线性回归数据样本呈线性分布。在二维平面中，线性分布的特征是，数据呈一个狭长的条状分布，并且没有明显弯曲。已知模型为线性模型。3）线性
yegeli·2020-08-12 14:15

【机器学习与深度学习理论要点】14. 什么是多项式回归？多项式回归特点及使用情况

1）什么是多项式回归？多项式回归是指：根据样本数据，用高次多项式模型来最佳程度拟合样本的回归方法。多项式回归中，加入了特征的更高次方（例如平方项或立方项），也相当于增加了模型的自由度，用来捕获数据中非线性的变化。多项式回归模型一般表达式为：y=w0+w1x+w2x2+w3x3+...+wnxny=w_0+w_1x+w_2x^2+w_3x^3+...+w_nx^ny=w0+w1x+w2x2+w3x3
yegeli·2020-08-12 14:15

【机器学习与深度学习理论要点】16. 什么是二元分类，朴素贝叶斯分类？

二元分类1）什么是二元分类？二元分类又称逻辑回归，是将一组样本划分到两个不同类别的分类方式。2）如何实现二元分类逻辑回归属于广义线性回归模型，使用线性模型计算函数值，在通过逻辑函数将联系值进行离散化处理。逻辑函数又称sigmoid函数，表达式为：y=11+e−ty=\frac{1}{1+e^{-t}}y=1+e−t1该函数能将(−∞,+∞)(-\infty,+\infty)(−∞,+∞)的值压缩到
yegeli·2020-08-12 14:15

神经网络模型压缩之Knowledge Distillation

神经网络模型压缩之KnowledgeDistillation1.Background随着深度学习理论的普及和PC计算能力的提高,NeuralNetwork也日益趋于复杂化–越来越深和越来越大,比如VGG
rtygbwwwerr·2020-08-10 00:13

Hinton胶囊理论代码开源，上线即受热捧

当前的深度学习理论是由GeoffreyHinton大神在2007年确立起来的，但是如今他却认为，“CNN的特征提取层与次抽样层交叉存取，将相同类型的相邻特征检测器的输出汇集到一起”是大有问题的。
AI科技大本营·2020-08-03 16:30

深度学习理论——基本结构（池化层&激活函数&全连接层）

大家好，继续深度学习理论学习。记录一下自己觉得有用的关于深度学习基本结构的相关知识。1.池化层池化层不包含需要学习的参数，使用时仅需指定池化类型，池化核大小和池化步长。
Miss_yuki·2020-08-03 13:04

胶囊模型的代码在Windows下的测试，99.76%正确率

胶囊模型的代码在Windows下的测试，99.76%正确率当前的深度学习理论是由GeoffreyHinton大神在2007年确立起来的，但是如今他却认为，“CNN的特征提取层与次抽样层交叉存取，将相同类型的相邻特征检测器的输出汇集到一起
caimouse·2020-08-03 10:37

如何优雅地从四个方面加深对深度学习的理解

在今年的ICML上，深度学习理论成为最大的主题之一。
算法与数学之美·2020-08-02 15:14

MNIST与CIFAR10、100数据集比较

在涉及目标分类，深度学习理论的基本验证过程，会接触到两类基本的数据集，MNIST、CIFAR10和CIFAR100，熟悉了解这两类数据集的特性对后续的实验是十分重要的，本文主要介绍它们的区别，基本介绍MNIST
盏茶y·2020-07-30 23:13

专访丨周志华：深度学习理论探讨比应用滞后太多

文章来源：网易科技2017未来科学大奖颁奖盛典网易独家访谈间直播正在进行。南京大学教授周志华在与深鉴科技联合创始人汪玉对话时表示，深度学习的理论探讨比应用滞后了“好几个量级”。周志华在谈及人工智能近期的热潮时表示，这是源于机器学习在过去15年里取得了飞速进展，而机器学习的实质就是人类希望通过计算机来寻找出数据中所包含的规律；周志华认为，目前深度学习的优势在于能更好地发挥出数据的作用，而且目前深度模
人工智能爱好者俱乐部·2020-07-30 19:35

对话 | 汪玉对话周志华：深度学习理论探讨比应用滞后太多

本文系网易新闻-智能工作室出品聚焦AI，读懂下一个大时代！网易年度AI人物评选——2017网易AI英雄风云榜，自荐提名进行中！奖项设置：技术创新人物TOP10，商业创新人物TOP10表彰人物：华人科学家、学者、企业家、创业者评委阵容：资深媒体人、AI投资人、AI专业机构等颁奖：2017年12月，中国乌镇关注网易智能公众号（ID：smartman163），输入关键词“评奖”，随时获取评奖动态！10月
网易智能·2020-07-30 19:25

快速入门——深度学习理论解析与实战应用

1.前言说实话，我也是一个美剧迷，特别是一些烧脑的美剧，更是一追再追。前端时间，《西部世界》第二季也完结了。我一鼓作气，看完之后，大呼过瘾，深深地被其中栩栩如生的人工智能机器人所吸引。不禁感叹：现实世界真的会出现这样厉害的人工智能吗？这虽然是一个看似遥远的事情，但也真的不好说没有可能！纵观这几年，深度学习发展非常迅速，发展势头一直高歌猛进。无论是AlphaGo最终以4：1战胜李世石，还是苹果Sir
红色石头Will·2020-07-30 16:25

深度学习-10：人工智能简史及三剑客

深度学习-10：人工智能简史及三剑客深度学习原理与实践(开源图书)-总目录1人工智能简史深度学习理论的突破和深度学习硬件加速能力的突破，使AI在模式识别、无人驾驶、智力游戏领域取得空前的成功。
MTVideoAI·2020-07-30 00:49

深度学习入门代码，之线性回归

最近在读李理编著的《深度学习理论与实战（基础篇）》一书，想着还是要一边学习理论一边敲代码，所以在blog中记录下来，里面遇到的一些问题也标注下，代码如下：importnumpyasnpimportmatplotlib.pyplotasplt
fantasy21·2020-07-29 18:25

陶大程院士：深度学习“泛化”理论的回顾与前沿

在报告中，陶教授回顾了深度学习理论的发展，并介绍了最近在深度学习理论研究方面的进展，具体包括，为什么深层结构优于浅层结构？为什么随即梯度下降算法对于理解深度学习的泛化能力非常重要？
喜欢打酱油的老鸟·2020-07-15 07:11

深度学习理论——目标函数（损失函数）&正则化&交叉验证

大家好，继续理论学习，网络的设置接近了尾声，本次学习目标函数和正则化。1.目标函数(1)分类问题中的目标函数这类问题中最常用的就是交叉熵函数了，即使用了softmax的损失函数。假设共有N个训练样本，针对网络最后分类层第i个样本的输入特征为xi，其对应的真实标记为yi，hi为其网络对应的最终输出，C为分类任务的类别数。有了如上定义，其形式可写为：其中前面的1/N是一个常数，加不加都一样，后面的累加
Miss_yuki·2020-07-13 00:18

pytorch学习1：如何加载自己的训练数据

学习Pytorch最好有一些深度学习理论基础才更好开，废话不多说，进入主题。1先有个框框，再往里面填东西当训练一个神经网络的时候
MuBaicao·2020-07-12 15:49

Tensorflow2.*教程之使用Auto MPG数据集构建回归模型预测燃油率（4）

学习和理解本文章的要求：有数理统计的知识有矩阵论的知识有图像分析和处理知识有Python编程基础有机器学习和深度学习理论支撑本教程适合有机器学习，深度学习基础的人员学习。
深沉的背影·2020-07-12 14:18

利用高性能计算加速深度学习算法

（由于本人不是深度学习专业人士，对深度学习理论知识不多介绍，说多了就班门弄斧了，后面主要介绍下这些深度学习算法如何进行并行化设计和优化）2.CPU+GPU异构协同计算简介近年来，计算机图形处理器（GPU
天山·2020-07-10 14:01

Day 363：谷歌的创新精神

深度学习理论早就有，但没有谷歌开创的用廉价计算机协同计算的解决方案，恐怕仍然还在黑暗中。早年谷歌还有个鼓励创新的制度，80/20。即80%时间做本职，20%做其他项目。
kafkaliu·2020-07-08 20:53

《EXPLAINING AND HARNESSING ADVERSARIAL EXAMPLES》论文笔记

论文地址：https://arxiv.org/pdf/1412.6572.pdfGoodfellow又一大作，一篇对深度学习理论的文章。
An_chen_·2020-07-07 16:46

算法框架-一文了解深度推荐算法的演进

近些年，随着深度学习理论，GPU和CPU等计算机硬件，TensorFlow、Caffe、PyTorch等算法平台的发展，深度学习算法在个性化推荐、计算机视觉、自然语言处理、语音识别等领域大放光彩。
iFlyAI·2020-07-06 15:54

深度学习入门（1）----用卷积神经网络进行图像识别（一）

在深度学习入门的过程中，卷积神经网络（ConvolutionalNeuralNetwok,CNN）模型的学习是必不可少的，CNN是深度学习理论和方法中的重要组成部分。
以卿妈妈Dpp·2020-07-06 05:51

自动驾驶领域的语义分割数据集有哪些

最近得益于深度学习理论的发展，我们在视觉场景理解的子领域中获得了不少进步。深度学习的缺点是需要大量的标注数据，这里我们整理了一些广泛应用的城市语义分割的数据集希望可以为自动驾驶领域提供借鉴。
weixin_41405870·2020-07-06 03:21

深度学习目录

/*------深度学习理论------------------------**/1.深度学习介绍、全连接神经网络为什么要做深读学习而不是宽度学习？
/home/liupc·2020-07-05 01:08

PaddlePaddle百度7日培训心得

我得过很多的小礼品，《深度学习理论与应用实践》、飞桨的帽子、飞桨定制本（有点薄）、飞桨的笔、飞桨的数据线，这次参加7日打卡营是奔着京东的卡（想买书）和机械键盘去的，结果发现这么多满分500分的。。
God_s_apple·2020-07-04 13:58

从傅里叶分析角度解读深度学习的泛化能力

作者丨许志钦学校丨纽约大学阿布扎比分校博士后，纽约大学库朗研究所访问学者研究方向丨计算神经科学，深度学习理论深度学习成功地应用在很多领域，但对它的理论理解却非常缺乏。
PaperWeekly·2020-07-04 12:32

【完结】12篇文章告诉你深度学习理论应该学到什么水平

消化完这12期文章后，你肯定具备了扎实的深度学习理论基础，接下来就大胆地往前走吧，下面再次回顾提炼一下主要内容。作者&编辑|言有三1、人工智能简史按照中国古代思想家荀子在
言有三·2020-07-04 00:18

深度学习的150多篇文章和10多个专栏推荐

1概述自我介绍“有三AI”创始人网名言有三，本名龙鹏，本科就读于华中科技大学，硕士就读于中国科学院，先后就职于奇虎360AI研究院，陌陌深度学习实验室，6年多计算机视觉从业经验，熟悉传统图像算法和深度学习理论与实践
言有三·2020-07-04 00:18

李理：为什么说人工智能可以实现？

于是，基于他对深度学习多年的理解，自己着整理手写了一本深度学习理论与实战书籍。目前，作者已经将《深度学习理论与实战：提高篇》公开，读者可以免费阅读。
AI科技大本营·2020-07-01 21:21

数学“深度学习”的几点做法（一）

对照崔教授的深度学习理论，发现自己在教学实践中的一点做法，实际上就是在组织孩子们深度学习。做法一：引导学生撰写“研究报告”。这个学年新接了一个六年级的数学教学。从开学第一天开始，就引导学生每天撰写一篇
小树临风刘祥波·2020-07-01 21:54

浅入浅出深度学习理论实践

前言之前在知乎上看到这么一个问题：在实际业务里，在工作中有什么用得到深度学习的例子么？用到GPU了么？，回头看了一下自己写了这么多东西一直围绕着traditionalmachinelearning，所以就有了一个整理出深度学习在我熟悉的风控、推荐、CRM等等这些领域的用法的想法。我想在这边篇文章浅入浅出的谈谈这几个方面，当然深度学习你所要了解必然不仅仅如此，后面如果有机会我会一篇篇的完善：CNN/
slade_sal·2020-06-30 06:51

免费的中文深度学习全书：《深度学习理论与实战：提高篇》

在线阅读：深度学习理论与实战：提高篇序言16年9月的时候我在CSDN发了一些深度学习的文章，主要是面向没有太多经验的开发者。达文读了后觉得我的文章比较通俗易懂，邀请我写一本书，当时头脑一热就答应下来。
布客飞龙·2020-06-29 19:44

深度学习理论解析与实战应用

课程介绍如今，深度学习发展迅速，其影响力也越来越大，在机器视觉、语音识别、机器翻译等领域都取得了前所未有的发展。深度学习的复杂性和难点主要体现在神经网络模型的数学推导、神经网络模型的优化，以及如何构建一个优秀的深度学习模型解决实际问题。针对这些难点，特别推出了本达人课，希望通过课程内容的学习，大家可以扫清学习过程中的障碍，再上新台阶。本课程共包含三大部分。第一部分（第01-04课），主要介绍一些深
GitChat的博客·2020-06-27 11:18

深度学习原理与实践(开源图书)-总目录

深度学习原理与实践(开源图书)-总目录CSDN专栏:深度学习原理与实践(开源图书)CSDN专栏:机器学习原理与实践(开源图书)深度学习理论的突破和深度学习硬件加速能力的突破，使AI在模式识别、无人驾驶、
MTVideoAI·2020-06-26 08:42

深度学习-80:展望深度学习的未来

1深度学习的理论进展深度学习理论的突破和云计算理论的突破，语音识别，图像
MTVideoAI·2020-06-26 08:41

1.深度学习框架——TensorFlow的安装与入门

最近一直在看深度学习理论方面的东西，在跟一个业内前辈交流的时候他说现在主流还是caffe用的多，但Google公司在2015年11月10日开源了他
uestc_杰_ict·2020-06-25 00:06

关于深度学习理论和架构的最新综述(参考文献)

Schmidhuber,J.DeepLearninginNeuralNetworks:AnOverview.NeuralNetw.2015,61,85–117.[CrossRef][PubMed]Bengio,Y.;LeCun,Y.;Hinton,G.DeepLearning.Nature2015,521,436–444.Bengio,Y.;Courville,A.;Vincent,P.Repre
wtuiigu·2020-06-24 23:45

【深度学习理论3】ALexNet模型的详解

1LeNet-51.1局限性早在1989年，YannLeCun(现纽约大学教授)和他的同事们就发表了卷积神经网络（ConvolutionNeuralNetworks，简称CNN）的工作。在很长时间里，CNN虽然在小规模的问题上，如手写数字，取得过当时世界最好结果，但一直没有取得巨大成功。这主要原因是，CNN在大规模图像上效果不好，比如像素很多的自然图片内容理解，所以没有得到计算机视觉领域的足够重视
马卫飞·2020-06-24 13:40
上一页 1 2 3 4 5 6 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他