人工智能的重要算法之一--LSTM算法

2015 年谷歌通過基于CTC 訓(xùn)練的 LSTM 程序大幅提升了安卓手機(jī)和其他設(shè)備中語音識別的能力。百度也使用了 CTC；蘋果的 iPhone 在 Qu...

2018-06-26 標(biāo)簽：神經(jīng)網(wǎng)絡(luò)人工智能機(jī)器學(xué)習(xí) 2.0萬 0

深度神經(jīng)網(wǎng)絡(luò)會和人腦神經(jīng)網(wǎng)絡(luò)一樣產(chǎn)生人的智能么？

首先，人腦不僅僅是個(gè)對電信號進(jìn)行處理的神經(jīng)網(wǎng)絡(luò)。比如說神經(jīng)遞質(zhì)在神經(jīng)元之間擔(dān)當(dāng)了“信使”的作用，而其中的活動是化學(xué)過程。甚至人腦中的生物過程和物理過程都...

2018-06-29 標(biāo)簽：神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí) 6062 0

簡單快捷地用小型Xiliinx FPGA加速卷積神經(jīng)網(wǎng)絡(luò)CNN

剛好在知乎上看到這個(gè)問題?如何用FPGA加速卷積神經(jīng)網(wǎng)絡(luò)CNN，恰巧我的碩士畢業(yè)設(shè)計(jì)做的就是在FPGA上實(shí)現(xiàn)CNN的架構(gòu)，在此和大家分享。 先說一下背景...

2018-06-29 標(biāo)簽：fpga神經(jīng)網(wǎng)絡(luò) 5000 0

基于FPGA的神經(jīng)網(wǎng)絡(luò)算法的設(shè)計(jì)

單神經(jīng)元PID 控制器是一種具有自學(xué)習(xí)能力和自適應(yīng)能力的良好控制器，它不但結(jié)構(gòu)簡單、學(xué)習(xí)算法物理意義明確、計(jì)算量小，參數(shù)調(diào)整容易，且能適應(yīng)環(huán)境變化，具有...

2017-11-23 標(biāo)簽：神經(jīng)網(wǎng)絡(luò)pid控制器 5789 0

理解神經(jīng)網(wǎng)絡(luò)中的Dropout

dropout是指在深度學(xué)習(xí)網(wǎng)絡(luò)的訓(xùn)練過程中，對于神經(jīng)網(wǎng)絡(luò)單元，按照一定的概率將其暫時(shí)從網(wǎng)絡(luò)中丟棄。注意是暫時(shí)，對于隨機(jī)梯度下降來說，由于是隨機(jī)丟棄，故...

2017-11-16 標(biāo)簽：神經(jīng)網(wǎng)絡(luò)dropout 3916 0

了解神經(jīng)網(wǎng)絡(luò)，你需要知道的名詞都在這里

近日，Mate Labs 聯(lián)合創(chuàng)始人兼 CTO 在 Medium 上撰文《Everything you need to know about Neura...

2017-11-16 標(biāo)簽：神經(jīng)網(wǎng)絡(luò) 2096 0

深度神經(jīng)網(wǎng)絡(luò)（DNN）=人類大腦皮層結(jié)構(gòu)？

深度神經(jīng)網(wǎng)絡(luò)里面門的權(quán)重也是 反向傳播訓(xùn)練出來的，也有漸變的這個(gè)性質(zhì)，當(dāng)對于快速變化的刺激，有一定的滯后。從這個(gè)角度來說，人類神經(jīng)系統(tǒng)要更靈活一些，可以...

2017-10-19 標(biāo)簽：神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí) 6021 0

TensorFlow、MXNet、CNTK、Theano四個(gè)框架對比分析

目前，Keras 官方版已經(jīng)支持谷歌的 TensorFlow、微軟的 CNTK、蒙特利爾大學(xué)的 Theano，此外，AWS 去年就宣布 Keras 將支...

2017-10-19 標(biāo)簽：神經(jīng)網(wǎng)絡(luò)tensorflowmxnet 3560 0

　一文看懂神經(jīng)網(wǎng)絡(luò)之Epoch、Batch Size和迭代

理解迭代，只需要知道乘法表或者一個(gè)計(jì)算器就可以了。迭代是 batch 需要完成一個(gè) epoch 的次數(shù)。記?。涸谝粋€(gè) epoch 中，batch 數(shù)和迭...

2017-10-19 標(biāo)簽：神經(jīng)網(wǎng)絡(luò)人工智能 3.1萬 0

解讀多層神經(jīng)網(wǎng)絡(luò)反向傳播原理

要訓(xùn)練神經(jīng)網(wǎng)絡(luò)，我們需要“訓(xùn)練數(shù)據(jù)集”。訓(xùn)練數(shù)據(jù)集是由對應(yīng)目標(biāo)z（期望輸出）的輸入信號（x_1和 x_2）組成。神經(jīng)網(wǎng)絡(luò)的訓(xùn)練是一個(gè)迭代過程。在每個(gè)迭代...

2017-10-18 標(biāo)簽：神經(jīng)網(wǎng)絡(luò)人工智能 8788 0

人工智能之神經(jīng)網(wǎng)絡(luò)新思路：OpenAI用線性非線性問題

深度線性網(wǎng)絡(luò)通過反向傳播在 MNIST 數(shù)據(jù)集上訓(xùn)練時(shí)，可獲取 94% 的訓(xùn)練準(zhǔn)確率和 92% 的測試準(zhǔn)確率（機(jī)器之心使用三層全連接網(wǎng)絡(luò)可獲得 98.5...

2017-10-18 標(biāo)簽：神經(jīng)網(wǎng)絡(luò)非線性人工智能 2318 0

人工神經(jīng)網(wǎng)絡(luò)中語音分析與圖像識別的研究

我們對整個(gè)原圖進(jìn)行一次卷積，得到的結(jié)果中，在那個(gè)特定曲線和周邊區(qū)域，值就很高，在其他區(qū)域，值相對低。這就是一張激活圖。對應(yīng)的高值區(qū)域就是我們所要檢測曲線的位置。

2017-09-27 標(biāo)簽：神經(jīng)網(wǎng)絡(luò)圖像識別人工智能 7767 0