深度學(xué)習遇上物理學(xué),更好地識別粒子和分析數(shù)據(jù)

一種實現(xiàn)深度學(xué)習的方法是使用卷積神經(jīng)網(wǎng)絡(luò)（CNN）。CNN是模擬人類視覺感知建模的。人類用自身的神經(jīng)元網(wǎng)絡(luò)處理圖像；CNN通過輸入層節(jié)點（node）來處...

2018-05-11 標簽：神經(jīng)網(wǎng)絡(luò)Facebook深度學(xué)習 3.5k 0

深度學(xué)習庫 你只要知道這50個就夠了

Data Science Central網(wǎng)站主編、有多年數(shù)據(jù)科學(xué)和商業(yè)分析模型從業(yè)經(jīng)驗的Bill Vorhies曾撰文指出，過去一年人工智能和深度學(xué)習最...

2018-05-17 標簽：谷歌百度Facebook 3.4k 0

計算機視覺中有哪些經(jīng)典的目標跟蹤算法？

接下來總體介紹下目標跟蹤。這里說的目標跟蹤，是通用單目標跟蹤，第一幀給個矩形框，這個框在數(shù)據(jù)庫里面是人工標注的，在實際情況下大多是檢測算法的結(jié)果，然后需...

2018-05-07 標簽：算法跟蹤算法計算機視覺 6.1k 0

lobe可視化工具能建立、訓(xùn)練并安裝個性化的深度學(xué)習模型

由于在云端訓(xùn)練的速度非?？欤隳茈S時得到模型表現(xiàn)的結(jié)果，計算機的速度也不會減慢。你可以通過交互圖表控制模型的精確度，理解它是如何隨時間進行改進的。最終它...

2018-05-07 標簽：可視化深度學(xué)習 8k 0

深度學(xué)習的典型應(yīng)用是圖像分類問題

再看一張圖。這張圖中，每次在網(wǎng)絡(luò)中插入一個中間分類層，橫軸表示插入的單個中間分類層的位置，縱軸為相應(yīng)的最終分類層的表現(xiàn)。我們看到，在ResNet中，插入...

2018-05-07 標簽：圖像分類深度學(xué)習 9.1k 0

谷歌、百度、英特爾、AMD、哈佛大學(xué)與斯坦福大學(xué)聯(lián)合發(fā)布了新型基準測試工具 MLPerf

我們期待看到 AI 行業(yè)最終會迎來怎樣的基準測試前景——少數(shù)壟斷，還是百家爭鳴。在這樣一個年輕的市場當中，相信會有很多廠商提供基準測試工具與服務(wù)。斯坦福...

2018-05-07 標簽：谷歌機器學(xué)習深度學(xué)習 5.1k 0

我們該如何理解卷積神經(jīng)網(wǎng)絡(luò)？

循環(huán)神經(jīng)網(wǎng)絡(luò)是處理序列數(shù)據(jù)相關(guān)任務(wù)最成功的多層神經(jīng)網(wǎng)絡(luò)模型（RNN）。 RNN，其結(jié)構(gòu)示意圖如下圖所示，它可以看作是神經(jīng)網(wǎng)絡(luò)的一種特殊類型，隱藏單元的輸...

2018-05-07 標簽：神經(jīng)網(wǎng)絡(luò)AI深度學(xué)習 1.0萬 0

人工智能和深度學(xué)習分析已經(jīng)成為實體安防行業(yè)的必然選擇

沒有AI的傳統(tǒng)入侵檢測系統(tǒng)為了提高檢測的準確性，需要使用很多組件進行復(fù)雜的設(shè)置。更多的組件意味著系統(tǒng)中出現(xiàn)故障的可能性更高，包括暴露在外面的更容易損害（...

2018-05-04 標簽：人工智能深度學(xué)習AI技術(shù) 4.5k 0

未來的圖像識別：更大規(guī)模、自我標注

增加訓(xùn)練數(shù)據(jù)量通常對圖像分類模型的表現(xiàn)是有益，但它同樣也有可能會引發(fā)新的問題，如在圖像內(nèi)定位物體的能力明顯下降。除此之外我們還觀察到，實驗中最大的模型仍...

2018-05-04 標簽：圖像識別人工智能深度學(xué)習 4.9k 0

人工智能，你了解多少？

天賜予人類驚人的學(xué)習能力。我們從出生開始就學(xué)習復(fù)雜的任務(wù)，如語言和圖像識別，之后在一生中以這種第一學(xué)習體驗為基礎(chǔ)不斷進行修正。之后，似乎自然而言的是，我...

2018-05-11 標簽：人工智能機器學(xué)習深度學(xué)習 1.8k 0

Udacity公司將推出深度學(xué)習納米級基礎(chǔ)課程

為了補充Udacity公司之前的人工智能課程，在線教育創(chuàng)業(yè)公司與YouTube上的明星Siraj Raval展開了合作，向共同授課的Udacity公司的...

2018-05-17 標簽：深度學(xué)習 1.2k 0

AI+熱成像：不僅看到你，還能看清你

對于給定熱圖像，首先使用全卷積神經(jīng)網(wǎng)絡(luò) g(x) 在全局區(qū)域（紅色）和局部基準區(qū)域（藍色，黃色和綠色）提取特征。然后使用特定區(qū)域的跨光譜映射從提取的熱圖...

2018-05-03 標簽：AI熱成像深度學(xué)習 1.8萬 0

梯度下降算法及其變種：批量梯度下降，小批量梯度下降和隨機梯度下降

現(xiàn)在我們來討論梯度下降算法的三個變種，它們之間的主要區(qū)別在于每個學(xué)習步驟中計算梯度時使用的數(shù)據(jù)量，是對每個參數(shù)更新（學(xué)習步驟）時的梯度準確性與時間復(fù)雜度...

2018-05-03 標簽：機器學(xué)習深度學(xué)習 2.3萬 0