BT

如何利用碎片时间提升技术认知与能力? 点击获取答案

  • 他的粉丝

    深度学习的关键:无监督深度学习简介(附Python代码)

    作者 Faizan Shaikh 关注 0 他的粉丝 ,译者 马卓奇 关注 5 他的粉丝   发布于  2018年7月27日

    在这篇文章中,我们用一个直观的案例研究概述了无监督深度学习的概念。并且详解了在MNIST数据集上进行无监督学习的代码,包括K-Means、自编码器以及DEC算法。

  • 他的粉丝

    VTA:一个开放、高度可定制化的深度学习加速器平台

    作者 VTA团队 关注 0 他的粉丝 ,译者 无明 关注 3 他的粉丝   发布于  2018年7月19日

    Versatile Tensor Accelerator(VTA,发音为vita)是一种开放、通用、可定制的深度学习加速器。VTA是一种可编程加速器,提供了RISC风格的编程抽象来描述张量级的操作。VTA的设计体现了主流深度学习加速器最突出和最常见的一些特征,比如张量操作、DMA加载/存储和显式的计算/内存调节。

  • 他的粉丝

    满帮如何将机器学习应用于车货匹配和公路干线价格预测?

    作者 罗竞佳 关注 1 他的粉丝 发布于  2018年7月16日

    作为全国最大的公路物流平台,运满满如何在国内庞大的物流市场,应对不同空间和时间的需求?

他的粉丝

央视在世界杯高清直播中占了C位 它是怎么做到的?

作者 李海琦 关注 1 他的粉丝 发布于  2018年6月28日

本文从极速高清的工作原理出发,详细介绍腾讯云的深度学习技术如何对世界杯直播场景进行优化,其中还有腾讯云如何在PK中胜出、如何在一周内完成央视网极速高清服务私有化部署等不为人知的故事。 2

他的粉丝

如何训练智能体Agent玩毁灭战士ViZDoom?

作者 武维 关注 6 他的粉丝 发布于  2018年6月26日

本文主要基于 ViZDoom 中的两个场景,讲解强化学习的基本思想,Q-Learning 算法,Deep Q-Learning 算法如何应用于射击场景及 Policy Gradient 算法如何应用于收集医药箱场景。

他的粉丝

阿里盖坤:用深度学习打造真正的智能化广告系统

作者 唐静婷 关注 0 他的粉丝 发布于  2018年6月11日

盖坤专访 1

他的粉丝

如何使用Mask RCNN模型进行图像实体分割?

作者 武维 关注 6 他的粉丝 发布于  2018年5月7日

本文章主要讲解,应用 MaskRCNN 模型实现 Color Splash(色彩大师)的效果以及 Mask RCNN 模型的技术要点包括训练数据,主干网络,Region Proposal 生成,ROIAlign,基于 FCN 网络的 mask 特征,以及 Mask 的 Loss 函数计算。

他的粉丝

Jeff Dean在SystemML会议上的论文解读:学习索引结构的一些案例

作者 难易 关注 0 他的粉丝 发布于  2018年4月11日

本文是Google的Fellow,Jeff Dean,把机器学习应用到系统设计的论文,原文发布在SystemML会议上,作者进行了翻译。 1

他的粉丝

用深度学习解决冯-诺依曼结构内存性能瓶颈

作者 Milad Hashem等 关注 0 他的粉丝 ,译者 盖磊 关注 2 他的粉丝   发布于  2018年3月30日

这篇论文展示了深度学习在解决冯·诺依曼架构计算机内存性能瓶颈问题中的应用。论文关注的是学习内存访问模式这一关键问题,意在构建一种准确高效的内存预期器。研究提出将预期策略视为NLP中的n-gram模型,并使用RNN模型完全替代基于表的传统预取。在基准测试集上的实验表明,基于神经网络的模型在预测内存访问模式上可稳定地给出更优的准确率和召回率。该论文是将神经网络应用于计算机结构设计中的一篇开创性工作。

他的粉丝

了解学习率及其如何提高深度学习的性能

作者 刘志勇 关注 3 他的粉丝 发布于  2018年3月19日

深度学习的终极目标,是找到一个能够很好进行泛化的最小值。目前主要的方法是随机梯度下降法(SGD)。而学习率是深度学习中的一个重要的超参数。不久前,SEEK数据科学家Hafidz Zulkifli撰写了一篇文章《Understanding Learning Rates and How It Improves Performance in Deep Learning》,带来了他对学习率的思考和心得。 2

他的粉丝

深度解读:深度学习在IoT大数据和流分析中的应用

作者 马卓奇 关注 5 他的粉丝 发布于  2018年2月26日

这篇论文对于使用深度学习来改进IoT领域的数据分析和学习方法进行了详细的综述。从机器学习视角,作者将处理IoT数据的方法分为IoT大数据分析和IoT流数据分析。论文对目前不同的深度学习方法进行了总结,并详细讨论了使用深度学习方法对IoT数据进行分析的优势,以及未来面临的挑战。 1

他的粉丝

深入浅出谈人脸识别技术

作者 陶辉 关注 0 他的粉丝 发布于  2018年1月24日

在深度学习出现后,人脸识别技术才真正有了可用性。这是因为之前的机器学习技术中,难以从图片中取出合适的特征值。 2

登陆InfoQ,与你最关心的话题互动。


找回密码....

Follow

关注你最喜爱的话题和作者

快速浏览网站内你所感兴趣话题的精选内容。

Like

内容自由定制

选择想要阅读的主题和喜爱的作者定制自己的新闻源。

Notifications

获取更新

设置通知机制以获取内容更新对您而言是否重要

BT