• 相关博文
  • 最新资讯
加载中...
  • “篡改”视频脚本,让特朗普轻松“变脸”?AI Deepfake再升级

    在最新的深度技术突破中,研究人员展示了一种新方法,该方法使用机器学习技术让用户编辑视频文本内容,来添加、删除或更改视频人物中的话语。

    2019.06.12 0
  • Python手写机器学习最简单的KNN算法

    目前网上大多这类教程对新手都不友好,要么直接调用Sklearn包,要么满篇抽象枯燥的算法公式文字,看这些教程你很难入门,而真正适合入门的手写 Python 代码教程寥寥无几。最近看了慕课网 bobo 老师的机器学习课程后,大呼过瘾,最好的机器学习教程没有之一。我打算以他的教程为基础并结合自己的理解,从零开始更新机器学习系列推文。

  • Python 3.8首个预览版发布,新功能抢先看

    Python官网信息显示,目前Python 3.8仍处于开发阶段,该版本将会发布4个预览版,此次发布的是首个预览版。为了更快地进行优化和bug修复,Python官网建议第三方Python项目维护者使用Python 3.8进行测试。不过由于目前尚处于开发阶段,到正式版发布之前仍会对功能进行调整,所以官方不建议开发者在生产环境中使用测试版,以免给工作造成不便。

    2019.06.11 0
  • 李理:为什么说人工智能可以实现?

    尽管市面上关于深度学习的书籍很多,环信 AI 负责人李理认为大部分只关注理论或只关注实践。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。这本开源书籍最大的特点是理论结合实战和内容的广度与深度,目标是使用通俗易懂的语言来介绍基础理论和最新的进展,同时也介绍代码实现,将理论知识用于指导实践。

    2019.06.10 0
  • 入门学习 | 什么是图卷积网络?行为识别领域新星

    图卷积网络是近年来逐渐流行的一种神经网络结构。不同于只能用于网格结构(grid-based)数据的传统网络模型 LSTM 和 CNN,图卷积网络能够处理具有广义拓扑图结构的数据,并深入发掘其特征和规律,例如 PageRank 引用网络、社交网络、通信网络、蛋白质分子结构等一系列具有空间拓扑图结构的不规则数据。相比于一般的拓扑图而言,人体骨骼拓扑图具有更加良好的稳定性和不变性,因此从2018年开始,就有许多学者尝试将图卷积网络应用到基于人体骨骼的行为识别领域来,也取得了不错的成果。下面就让我们来深入了解一下什么是图卷积网络,以及它在行为识别领域的最新工作进展吧!

    2019.06.10 0
  • 华为被禁美国芯片商很受伤,多家厂商股价持续跌落

    据CNBC报道,过去一个月,许多跟踪半导体的交易所交易基金(etf)的表现逊于纳斯达克综合指数。Direxion Semiconductor Bull 3X ETF在过去一个月中下跌超过34%,该公司将高通和德州仪器列为其最大个股持股。以英特尔为首的ProShares Ultra Semiconductors下跌近25%。

    2019.06.10 0
  • 谷歌开源张量网络库TensorNetwork,GPU处理提升100倍!

    谷歌 X 实验室与加拿大 Perimeter 理论物理研究所(Perimeter Institute for Theoretical Physics )的研究人员合作开发了张量网络 TensorNetwork,以 TensorFlow 作为后端,针对 GPU 处理进行了优化。与在 CPU 上计算工作相比,可以实现高达 100 倍的加速。这是一个全新的开源库,旨在提高张量计算的效率。

    2019.06.10 0
  • 速度提升270倍!微软和浙大联合推出全新语音合成系统FastSpeech

    目前,基于神经网络的端到端文本到语音合成技术发展迅速,但仍面临不少问题——合成速度慢、稳定性差、可控性缺乏等。为此,微软亚洲研究院机器学习组和微软(亚洲)互联网工程院语音团队联合浙江大学提出了一种基于Transformer的新型前馈网络FastSpeech,兼具快速、鲁棒、可控等特点。与自回归的Transformer TTS相比,FastSpeech将梅尔谱的生成速度提高了近270倍,将端到端语音合成速度提高了38倍,单GPU上的语音合成速度达到了实时语音速度的30倍。

    2019.06.05 0
  • 基础必备 | Python处理文件系统的10种方法

    通过一个能够实现与文件系统进行交互的Python程序,我们可以实现很多有趣的应用,但是大部分人并不知道如何实现这种交互。本文为相关研发人员和数据科学家提供了一个实现指南,并重点介绍10个基本的os和shutil命令,以便通过脚本实现Python程序与文件系统的自动交互。

    2019.06.05 0
  • 推荐系统遇上深度学习,9篇阿里推荐论文汇总!

    本文主要简单介绍一下论文中提出的模型的内容,以及为什么要这么做。至于详细的内容,可以通过给出的文章链接以及论文进行进一步的学习。

  • B站超全分享!2万人收藏的免费计算机科学速成课

    共40个热门计算机课程,内容包含计算机早期历史、中央处理器、编程原理、计算机安全还有机器学习与人工智能技术等分类。这个课程讲解了计算机技术的发展沿革,涵盖的知识点非常广,内容也非常精简干练,循序渐进,深入浅出。

  • MNIST重生,测试集增加至60000张!

    本文研究的目的是重建MNIST预处理算法,以便将每个MNIST数字图追溯到NIST中原始的手写体。这种重建是基于可用信息,之后通过迭代细化来提升它的水平。第2节描述了这个过程,并计算了重建样本与官方MNIST样本的匹配程度。重建的训练集包含了与原有MNIST训练集相匹配的60000张图片。类似的,重建的10000张测试图片也与MNIST测试集里面的每张图片相匹配。剩下的50000张是对在MNIST中丢失的50000张图像的重建。

  • 一根烟上热搜,先让AI看看你的肺

    对肺结节的诊断属于一种特殊的分类/检测任务,基于深度学习的图像分类和目标检测算法被广泛地应用在肺结节检测中。当前业界比较常用的是采用预检测+精检测的诊断方式来进行肺结节的检测。

    2019.06.03 0
  • “爱装X”开源组织:“教科书级”AI知识树究竟长什么样?

    这份人工智能知识树 v1.0 是整理了从零到一的学习内容,主要包括统计机器学习、深度学习、时间序列、机器视觉、图嵌入/图的表示学习、自然语言处理、强化学习、推荐系统、处理/特征工程、模型评估/模型调优、最优化以及其它学习笔记十二部分内容。

  • 调侃吴恩达,Diss特斯拉,吐槽OpenAI…《AI寒冬将至》作者点评2019“AI小丑秀”...

    去年,一篇《AI寒冬将至》的文章在AI圈爆红,作者观点鲜明地指出AI领域出现泡沫,并预言AI寒冬将会到来,引起巨大争议。一年之后,这位作者又火力全开,针锋相对。这次他将AI圈比作一个“马戏团”,除了调侃吴恩达,吐槽OpenAI,Diss特斯拉,还通过各种隐喻、反讽评选出了他心中的2019年最大“小丑”的年度候选人之一:麻省理工学院的网红研究员 Lex Fridman。

    2019.06.03 0
  • 如何构建可解释的推荐系统?| 深度

    本文会从可解释性推荐系统简介、构建可解释性推荐系统的方法、常用工业级推荐产品的推荐解释、更好的理解和落地推荐解释需要思考的问题、构建可解释性推荐系统面临的挑战与机遇等5个部分来讲解。

  • 各方最新回应!如何看待IEEE官方声明“学术禁令”?

    近日,一则 “IEEE 下令清理华为系审稿人” 的消息在中国网友中引起广泛关注。IEEE 要求其期刊主编不能让有华为背景的的评审人员或编辑作为杂志同行评议的一员。对此,北大教授张海霞发公开信,申请退出自己所在的两份 IEEE 期刊的编委会以示抗议,同时她公布了自己致 IEEE 候任主席福田俊夫的邮件。

    2019.05.31 0
  • 亮风台新提端到端AR投影光学补偿算法 | CVPR 2019 Oral

    作为计算机视觉领域里的顶级会议,CVPR 2019 录取论文代表了计算机视觉领域在2019年最新的科技水平以及未来发展潮流。今年有超过 5165 篇大会论文投稿,最终录取 1299 篇。这些录取的最新科研成果,涵盖了计算机视觉领域各项前沿工作。而此次介绍的来自美国天普大学(Temple University)和美图-亮风台联合实验室的黄兵姚和凌海滨提出了端到端的投影广度补偿的策略。

    2019.05.31 0
  • 为什么说深耕AI领域绕不开知识图谱?

    “所有在 AI 领域深耕的人,最终都会发现语义鸿沟仍是一个非常具有挑战性的问题,这最终还需要借助知识图谱等技术,来帮助将整体的 AI 认知取得新进展。”

    2019.05.28 0
  • 一个让Python代码运行更快的最佳方式!

    多年来,开发人员已经为Python的速度限制提出了各种变通方法。例如你可以在C中编写性能密集型任务并使用Python封装它,许多机器学习库正是这样做的。或者你可以使用Cython,这个项目可以将Python种加上运行时类型信息以便编译为C,通过这种方式来允许你使用Python代码。

    2019.05.27 0
每页显示 共330条数据 < 1 2 3 4 5 6 7 8 9 10 ...17 >      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