未來的SLAM會是什么樣？

隨著技術(shù)工藝的進(jìn)步，摩爾定律的瓶頸似乎開始出現(xiàn)，追求單核更大功率的處理器還是比較困難的，而在SLAM中， 單指令，多線程GPU提供的并行性，也非常適合實(shí)...

2018-04-09 標(biāo)簽：神經(jīng)網(wǎng)絡(luò)人工智能SLAM 5397 0

Deep Learning如何能在NLP中發(fā)揮出應(yīng)有的real power呢？

每個(gè)詞都是茫茫 0 海中的一個(gè) 1。這種 One-hot Representation 如果采用稀疏方式存儲，會是非常的簡潔：也就是給每個(gè)詞分配一個(gè)數(shù)字...

2018-04-08 標(biāo)簽：神經(jīng)網(wǎng)絡(luò)NLP 3125 0

基于最近將深度強(qiáng)化學(xué)習(xí)應(yīng)用于迷宮導(dǎo)航的研究

我們不使用傳統(tǒng)的依賴外部映射和探索的傳統(tǒng)方法，而是讓智能體學(xué)習(xí)像人類一樣導(dǎo)航，不用地圖、GPS定位或其他輔助工具，只用視覺觀察。我們創(chuàng)建了一個(gè)神經(jīng)網(wǎng)絡(luò)智...

2018-04-08 標(biāo)簽：神經(jīng)網(wǎng)絡(luò)導(dǎo)航人工智能 4.1萬 0

利用計(jì)算機(jī)視覺領(lǐng)域卷積神經(jīng)網(wǎng)絡(luò)技術(shù)來解決肺結(jié)節(jié)檢測

結(jié)節(jié)精檢測采用三種模型分別預(yù)測候選結(jié)節(jié)概率，并根據(jù)模型間權(quán)重比例給出最終概率的方法。主要優(yōu)勢在于，負(fù)樣本經(jīng)歷由易至難的學(xué)習(xí)過程，分割網(wǎng)絡(luò)和后續(xù)假陽性衰減...

2018-04-04 標(biāo)簽：神經(jīng)網(wǎng)絡(luò)AI 6360 0

感知機(jī)能做什么？

上面這個(gè) fit 函數(shù)中有個(gè) lr 和 epoch，它們分別代表了梯度下降法中的學(xué)習(xí)速率和迭代上限（p.s. 由后文的推導(dǎo)我們可以證明，對感知機(jī)模型來說...

2018-04-04 標(biāo)簽：神經(jīng)網(wǎng)絡(luò)人工智能 8662 0

神經(jīng)科學(xué)新突破！新算法助力超算進(jìn)行人類大腦模擬

使用NEST，網(wǎng)絡(luò)中每個(gè)神經(jīng)元的行為都由一些數(shù)學(xué)方程來表示。未來的E級計(jì)算機(jī)，比如計(jì)劃在神戶建設(shè)的Post-K計(jì)算機(jī)和于利希建設(shè)的JUWELS計(jì)算機(jī)，它...

2018-04-03 標(biāo)簽：神經(jīng)網(wǎng)絡(luò)神經(jīng)元 3902 0

吳恩達(dá)深度學(xué)習(xí)專項(xiàng)課程的信息圖deeplearning.ai課程總結(jié)

深度學(xué)習(xí)能發(fā)展起來主要是由于大數(shù)據(jù)的出現(xiàn)，神經(jīng)網(wǎng)絡(luò)的訓(xùn)練需要大量的數(shù)據(jù)；而大數(shù)據(jù)本身也反過來促進(jìn)了更大型網(wǎng)絡(luò)的出現(xiàn)。深度學(xué)習(xí)研究的一大突破是新型激活函數(shù)...

2018-04-03 標(biāo)簽：神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí) 4591 0

結(jié)合DNN API驅(qū)動未來神經(jīng)網(wǎng)絡(luò)應(yīng)用的解決方案

毫無疑問，神經(jīng)網(wǎng)絡(luò)變得越來越流行，在各式各樣的產(chǎn)品中都可以找到它的相關(guān)應(yīng)用。它們會根據(jù)你的興趣自動調(diào)整社交多媒體內(nèi)容、讓照片顯示更加好看、在AR/VR頭...

2018-04-03 標(biāo)簽：神經(jīng)網(wǎng)絡(luò)面部識別powervr 1.1萬 0

帶你了解深入深度學(xué)習(xí)的核心:神經(jīng)網(wǎng)絡(luò)

深度學(xué)習(xí)和人工智能是 2017 年的熱詞；2018 年，這兩個(gè)詞愈發(fā)火熱，但也更加容易混淆。我們將深入深度學(xué)習(xí)的核心，也就是神經(jīng)網(wǎng)絡(luò)。

2018-04-02 標(biāo)簽：神經(jīng)網(wǎng)絡(luò)人工智能深度學(xué)習(xí) 1.0萬 0

TensorFlow學(xué)習(xí)之建立一個(gè)神經(jīng)網(wǎng)絡(luò)添加層

x_data = np.linspace(-1,1,300,dtype=np.float32)[:,np.newaxis]#創(chuàng)建-1,1的300個(gè)數(shù)，此...

2018-03-31 標(biāo)簽：神經(jīng)網(wǎng)絡(luò)TensorFlow 4738 0

利用Tensorlow及其API為例來進(jìn)行討論，理解深度學(xué)習(xí)背后的魅力

我們能做的僅僅是在理解和抽象的層面上進(jìn)行操作。每一個(gè)層級接收低下傳上來的描述、丟棄它認(rèn)為不相關(guān)的部分并將它們自己對于信息的表示向上傳遞，直到到達(dá)真正知道...

2018-03-31 標(biāo)簽：神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí) 4324 0

揭秘谷歌AutoML背后的漸進(jìn)式搜索技術(shù)

Neural Architecture Search基本遵循這樣一個(gè)循環(huán)：首先，基于一些策略規(guī)則創(chuàng)造簡單的網(wǎng)絡(luò)，然后對它訓(xùn)練并在一些驗(yàn)證集上進(jìn)行測試，最...

2018-03-30 標(biāo)簽：谷歌神經(jīng)網(wǎng)絡(luò) 7695 0