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

    阿里巴巴推出DeepInsight平台:可视化理解深度神经网络CTR预估模型

    作者 郭霖等 关注 0 他的粉丝 发布于  2018年7月11日

    由于人类对于世界的认知和感受主要来自于视觉,良好的可视化可以有效的帮助人们理解深度神经网络,并进行有效的评估、优化和调节。而可视化的前提是对模型进行相关数据透出,从而进行可视化分析评估,最终使得神经网络从“黑盒”向“白盒”过渡。针对这些挑战,阿里巴巴团队搭建了一个面向工业级大规模深度学习应用的可视化分析平台—DeepInsight。

  • 他的粉丝

    阿里巴巴提出RNN多比特量化方法,推断提速3倍并减少10.5倍内存消耗

    作者 许晨等 关注 0 他的粉丝 发布于  2018年5月8日

    在这个工作中,我们主要考虑神经网络的多比特量化压缩加速问题。我们发现,如果编码的实系数固定,那么离散的二值编码{-1,+1}可以通过二叉搜索树高效的求解。基于这个发现,我们相应地提出交替方向法。

  • 他的粉丝

    ICASSP Poster论文:阿里提出深层前馈序列记忆神经网络,语音识别性能提升20%

    作者 张仕良等 关注 0 他的粉丝 发布于  2018年3月16日

    本研究提出了一种改进的前馈序列记忆神经网络结构,称之为深层前馈序列记忆神经网络(DFSMN)。进一步的我们将深层前馈序列记忆神经网络和低帧率(LFR)技术相结合构建了LFR-DFSMN语音识别声学模型。该模型在大词汇量的英文识别和中文识别任务上都可以取得相比于目前最流行的基于长短时记忆单元的双向循环神经网络(BLSTM)的识别系统显著的性能提升。而且LFR-DFSMN在训练速度,模型参数量,解码速度,而且模型的延时上相比于BLSTM都具有明显的优势。

他的粉丝

deeplearn.js:在浏览器上训练神经网络

作者 Robin Wieruch 关注 2 他的粉丝 ,译者 薛命灯 关注 24 他的粉丝   发布于  2018年1月19日

来自德国的软件工程师Robin Wieruch将带我们一起体验如何使用deeplearn.js在浏览器上训练神经网络。

他的粉丝

阿里巴巴AAAI 2018录用论文:将句法信息加入实体表示模型

作者 阿里巴巴业务平台事业部 关注 1 他的粉丝 发布于  2018年1月10日

这篇论文的创新在于把句法信息加入到实体的表示模型里。首先,基于Tree-GRU,把实体上下文的依存树放入句子级别的表示。其次,利用句子间和句子内部的注意力,来获得含有目标实体的句子集合的表示。

他的粉丝

基于学习的计算机视觉 (二) :卷积神经网络

作者 董健 关注 1 他的粉丝 发布于  2017年12月15日

本文为系列的第二篇文章,将会介绍卷积神经网络。重点介绍经典的卷积神经网络,全卷积网络的基本概念和基本单元,以及卷积神经网络与神经网络的异同。最后通过实现一个在实际中有广泛应用的人脸关键点检测算法,介绍如何用TensorFlow构建卷积神经网络。

他的粉丝

基于学习的计算机视觉 (一):监督学习和神经网络

作者 董健 关注 1 他的粉丝 发布于  2017年11月8日

本文是整个系列的第一篇文章,将会简单介绍一下计算机视觉的发展,以及监督学习、神经网络的基本原理。最后的实践部分,会用TensorFlow给出之前介绍算法的一个简单实现。

他的粉丝

带你跨过神经网络训练常见的37个坑

作者 Slav Ivanov 关注 0 他的粉丝 ,译者 马卓奇 关注 5 他的粉丝   发布于  2017年9月18日

近日,Slav Ivanov发表了一篇题为《37 reasons why your neural network is not working》的文章,从数据集、数据归一化/增强、实现以及训练四个方面,总结了37条自己对神经网络的调试经验,希望能帮助读者解决神经网络训练中经常遇到的问题。

他的粉丝

基于MXNet的交通标志识别深度神经网络构建

作者 马卓奇 关注 5 他的粉丝 发布于  2017年9月13日

在这篇文章中,我们将介绍如何使用MXNet来解决一个经典计算机视觉问题:使用卷积神经网络对交通标志进行分类.

他的粉丝

卷积神经网络如何进行图像识别

作者 Savaram Ravindra 关注 1 他的粉丝 ,译者 马卓奇 关注 5 他的粉丝   发布于  2017年9月7日

图像识别是计算机科学中十分有趣又富有挑战性的一个领域。在这篇文章中,我们将详细讲解使用卷积神经网络进行图像识别的概念、应用和技术。 12

他的粉丝

教你看懂各种神经网络

作者 马卓奇 关注 5 他的粉丝 发布于  2017年8月28日

近日,ASIMOV Institute绘制了一张信息图,汇集了当前最流行的27种神经网络节点图,本文将结合该图,简要介绍每种神经网络的结构以及内部工作原理。

他的粉丝

深度学习利器:TensorFlow与深度卷积神经网络

作者 武维 关注 5 他的粉丝 发布于  2017年7月10日

本文作者将回顾深度神经网络的基础概念,并通过实例解析,详解卷积神经网络的构建;同时从多方面对TensorFlow在图片识别方面的几大模型进行深度解析。

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