• 相关博文
  • 最新资讯
加载中...
  • 如何用Neo4j和Scikit-Learn做机器学习任务?| 附超详细分步教程

    图算法不是一个新兴技术领域,在开源库中已经有很多功能强大的算法实现。近两年,业内的学者与科学家都在积极探索可以弥补深度学习不可解释性,无法进行因果推断的这个缺陷,而图神经网络(GNN)成为备受关注和期待的“宠儿”。随着学界和业界越来越关注GNN,各种新工作不断被提出,基于图神经网络的框架随之产生,如大家现在都已经熟悉的DGL,两大深度学习框架PyTorch和TensorFlow中也开始支持相应的功能,大家对图(Graph)、图计算、图数据库、图机器学习等研究的关注度越发高涨。

    2019.12.04 0
  • 只服这篇“神文”:基于老子哲学、相对论的超级人工智能模型

    在作者从广义相对论、达尔文主义、哲学各论观点到基因与环境的交互等多角度阐述后,提出了他们的观点:人类智能和其他自然智能由先天的基因设计,然后通过学习,与环境的交互得到发展,因此 ASI 也应该通过 Multi-Agent 来完成设计与学习,将上面这些深奥思想集于一身提出一种智能设计方法:扩展广义相对论和达尔文主义来建模 Multi-Agent RL的 ASI 模型。

    2019.12.04 0
  • 无需标注数据,利用辅助性旋转损失的自监督GANs,效果堪比现有最好方法

    本文作者提出了一种自检督方式的生成对抗网络,通过辅助性的旋转损失来达到目的。因为通常主流方法来生成自然图像都是通过条件GAN来完成,但是这就需要很多的标签数据。这些标签数据会需要耗费大量时间和精力。因此无监督方法的提出,能有效提升效率节省大量时间和精力。作者探索了两个主流的无监督的学习方法,分别是对抗训练和自监督。进一步的,这两种方法会拉近无监督学习和监督学习的距离。

  • 不止Markov决策过程,全景式分析强化学习研究内容

    强化学习作为通用人工智能的希望,吸引了很多人工智能爱好者学习和研究。Markov决策过程是最知名的强化学习模型,强化学习教程也常以Markov决策过程作为起点。但是,强化学习并不只有Markov决策过程这一种模型。本文全景式地分析强化学习的研究内容,展示Markov决策过程以外的广阔天地。

    2019.12.03 0
  • 陆首群:评人工智能如何走向新阶段?

    近来,业内关于深度学习算法的潜力是否已达天花板的争论陆续发出。有人认为,基于深度学习算法的应用还有深度开拓空间,也有人认为,当前的关键在于挖掘人工智能推理、决策的能力,需要从感知阶段向认知阶段过渡。专家观点百家争鸣,但这也说明,现在是探索人工智能发展走向新阶段的时候了。

    2019.12.03 0
  • 从YARN迁移到k8s,滴滴机器学习平台二次开发是这样做的

    本次演讲从滴滴机器学习平台的特点开始探讨,分享了滴滴机器学习场景下的 k8s 落地实践与二次开发的技术实践与经验,包括平台稳定性、易用性、利用率、平台 k8s 版本升级与二次开发等内容。此外,唐博还介绍了滴滴机器学习平台是如何从 YARN 迁移到 k8s,以及 YARN 的二次开发与 k8s 的对比等。最后,唐博还分享了滴滴机器学习平台正在研发中的功能以及对未来的展望。

    2019.12.02 0
  • Instagram个性化推荐工程中三个关键技术是什么?

    近期,Facebook 在博客上分享了第一篇详细介绍 Explore 系统关键技术,以及 Instagram 是如何为用户提供个性化内容的文章。本文就这些关键技术进行介绍,给从事或对相关工作感兴趣的开发者们分享一些想法或经验。

    2019.12.02 0
  • 准备面试题就够了吗?这些内容对考核更重要 | ML面试宝典

    首先来看一下这本书的目录,主要包括了绪论、设计一个机器学习系统、案例学习、面试题练习四个板块,共22页。相对于动辄几百页的书籍,这本小册子内容简洁,但针针见血,不浪费每一页的篇幅。教会你如何轻松应对面试中的场景题。

    2019.12.02 0
  • 一张图生成定制版二次元人脸头像,还能“模仿”你的表情

    最近,日本一位酷爱 Vtubers的粉丝结合了此前发表的多项 GAN 工作制作了两个动漫人物生成器的工具,这两个工具一个可以帮助广大动漫迷们快速、轻松的生成带有不同姿态的动漫人物形象,另一个可以帮助大家把真人脸表情移植到动漫人物上,以后你也可以定制你的“动漫Twins姐妹 / 兄弟”了。

    GAN
    2019.12.02 0
  • 个推CTO安森:我所理解的数据中台

    “数据中台”与这个系列的核心“数据智能的技术体系”有什么区别?你们是怎么理解“数据中台”这个概念的呢?

    2019.11.29 0
  • 贾扬清:为什么说数据智能和云原生之间是“天作之合”?

    他回忆到在硅谷时一位投资人的一句话:“如果有一天你能够让技术落地,并产生社会影响,你应该做一件事情,把技术忘掉,去关注用户场景,关注产业”。但他认为,今天的他没能完全忘掉技术,这从他今天的装束上就可以看出来,就像用技术的底座来支持上面的产业和业务。

    2019.11.29 0
  • IEEE Fellow 2020名单揭晓!BDTC 2019重磅嘉宾周伯文、叶杰平、陈宝权上榜

    IEEE Fellow 2020一共入选282人,其中华人近80人,来自中国大陆的入选者有23人。

    2019.11.28
  • Google是如何做Code Review的?| CSDN原力计划

    Code Review的主要目的是始终保证随着时间的推移,谷歌代码越来越健康,所有Code Review的工具和流程也是针对于此设计的。

    2019.11.28
  • 用了这个方法,两周没变过的模型精度居然提升了(附资源)

    知识蒸馏是一种模型压缩技术,它利用训练好的大网络(教师网络)去教小网络(学生网络)。较小的网络经过训练后,可有类似于大网络的性能。这样就可以在诸如手机或其他移动端设备等小型设备上部署此类模型。在今天的文章中,将为大家介绍关于几个重要的知识蒸馏的工作进展。

    2019.11.27 0
  • 量子算命,在线掷筊:一个IBM量子云计算机的应用实践,代码都有了

    现在,日本一位华人工程师在其个人网站和Github主页上上线了两个新项目:《量子算命,在线掷筊:IBM 量子云计算机使用入门》、《量子算命:爻 System》,希望通过量子力学让你足不出户,和神明通个电话。 前有“AI面相学”,今有“量子神明”出世了,没准两者合计一下兴许可以找风投要钱办公司打开新(圈)市(钱)场了?

    2019.11.27 0
  • 通俗易懂:8大步骤图解注意力机制

    本文的目的不是要解释自注意力模块中的不同数字表示形式和数学运算,也不是为了证明Transfomer 中自注意的原因和精确程度(我相信已经有很多相关资料了)。请注意,本文也没有详细介绍注意力和自注意力之间的区别。

    2019.11.26 0
  • 神龙飞天,国士王坚

    飞天的每一行代码都是阿里团队自行编写的,没有借鉴Open Stack等开源云调度OS,据说在2013年底,飞天进行上线前的最后测试时,王坚直接拍板使用暴力拨电源的方式测试其系统稳定性,其决心可见一般。虽然没有开源,但是从目前飞天调度10万台级别以上的服务器就能看出他是世界领先的云OS。

    2019.11.25 0
  • 高三学生发表AI论文,提出针对网络暴力问题的新模型AdaGCN

    近日,在清华大学举行的丘成桐中学科学奖半决赛落下帷幕,来自海内外的 72 支队伍获得了总决赛的入场券,北京师范大学附属实验中学的高三学生白行健,也在其中。他凭借一篇利用图卷积神经网络检测网络暴力的论文,在比赛中脱颖而出。长江后浪推前浪,瞧,00 后也要出道了。

每页显示 共501条数据 < 1 2 3 4 5 6 7 8 9 10 ...26 >      到第 GO

关于我们

关注「AI科技大本营」​

转载 & 投稿(微信):1092722531

商务合作(微信):15222814505