【四旋翼飞行器】76小时吃透四轴算法!史上最强软硬结合实战项目,👉戳此立抢👈

量子计算机的瓶颈在哪里?首要任务是加速机器学习

人工智能头条 2018-02-11 10:58 次阅读

90年代初,当卫奇塔州立大学(Wichita State University)的物理学教授Elizabeth Behrman开始结合量子物理学和人工智能(主要是当时备受争议的神经网络技术)时,大多数人认为这两门学科就像油和水一样,根本没办法结合。“当时我连发表论文都很困难。神经网络学术期刊问我‘量子力学是什么’,而物理学期刊则会问‘神经网络是什么玩意’。”她回忆道。

如今,这两门学科的结合似乎再自然不过了。神经网络和其他机器学习系统成为了21世纪影响最大的技术。这些系统不仅在一些大部分人不擅长的任务(例如:围棋和数据挖掘)上打败了人类,而且还在大脑的某些本职工作(例如:面部识别、语言翻译)上超越了人类。这些系统的实现依赖于庞大的计算能力,因此科技公司要寻找的计算机不仅要更大,而且还要更先进。     

在经历了数十年的研究后,量子计算机现在的计算能力已经超越了其他所有计算机。人们常认为,量子计算机的杀手级应用可以对大数进行因数分解——这对现代加密技术至关重要。但是实现这一点至少还要再等十年。不过,当前基本的量子处理器已经可以满足机器学习的计算需求。量子计算机在一个步骤之内可以处理大量的数据,找出传统计算机无法识别出的微妙模式,在遇到不完整或不确定数据时也不会卡住。“量子计算和机器学习固有的统计学性质之间存在着一种天然的结合。” Rigetti Computing的物理学家Johannes Otterbach表示。(Rigetti Computin是一家位于加州伯克利的量子计算机公司。)

如果有什么不同的话,那就是当前的趋势已经走向另一极端。谷歌、微软、IBM等科技巨头正在往量子机器学习上猛砸钱,多伦多大学还成立了一个量子机器学习创业孵化器。“‘机器学习’现在正成为一个潮词。在 ‘机器学习’加上‘量子’,它就变成了一个超级潮词。”莫斯科斯科尔科沃科技学院(Skolkovo Institute of Science and Technology)的量子物理学家Jacob Biamonte称。

然而,“量子”一词在此处没有任何意义。你可能能会认为量子机器学习系统应该很强大,但是这种系统实际上却像是患有某种闭锁综合症。量子机器学习系统处理的是量子态,而不是人类可以理解的数据,量子态和数据的相互转换会使系统原有的优势消失。就像是,iPhone X原本的参数和性能都很强,但是如果网络信号太差的话,它就会和老式手机一样慢。在一些特殊情况中,物理学家可以克服输入输出障碍,但是这些情况是否存在于现实机器学习任务中?答案仍然是未知的。“我们现在还没有明确的答案。一直以来,人们往往对这些算法是否能提高计算速度并不关心。”德克萨斯州大学奥斯汀分校计算机科学家Scott Aaronson表示。

量子计算机的首要任务是加速机器学习

量子神经元

无论是传统神经网络,还是量子神经网络,它们的主要任务都是识别模式。受人类大脑的启发,神经网络由基本的计算单元(即“神经元”)构成。每个神经元都可以看作为是一个开关设备。一个神经元可以监测多个其他神经元的输出,就像是投票选举一样,如果足够多的神经元处于激活状态,这个神经元就会被激活。通常,神经元的排列呈层状。初始层(initial layer)导入输入(例如图像像素),中间层生成不同组合形式的输入(代表边、几何形状等结构),最后一层生成输出(对图像内容的高级描述)。

量子计算机的首要任务是加速机器学习

需要注意的是,神经元之间的连接需要经过反复试验进行调整,不是预先确定的。例如,给神经网络输入带有“小猫”或“小狗”标签的图像。网络会给每一张图像分配一个标签,检查是否匹配正确,如果不正确就调整神经元连接。刚开始时网络的预测是随机生成的,但是其准确度会越来越高;在经过10000个实例的训练之后,网络将能识别图像中的宠物。正规的神经网络可能拥有10亿个神经元连接,所有连接都需要进行调整。

传统计算机计算单元的所有连接都用庞大的数字矩阵表示,运行神经网络就是在计算矩阵代数。传统的方法是,用一个专门的芯片(例如:图像处理器)来完成这些矩阵运算。而在完成矩阵运算上,量子计算机是不可匹敌的。“量子计算机运算大型矩阵和向量的速度快很多。”麻省理工大学(MIT)物理学家、量子计算先驱Seth Lloyd称。

在进行运算时,量子计算机可以利用量子系统的指数属性。量子系统的大部分信息储存能力并不是靠单个数据单元——qubit(对应于传统计算机中的bit)实现的,而是靠这些qubit的共同属性实现的。两个qubit带有四个连接状态:开/开、关/关、开/关、关/开。每个连接状态都分配有一个特定的权重或“幅值”,代表一个神经元。三个qubit可以代表八个神经元。四个qubit可以代表16个神经元。机器的运算能力呈指数增长。实际上,整个系统处处都分布有神经元。当处理4个qubit的状态时,计算机一步可以处理16个数字,而传统的计算机只能一步只能处理一个。

Lloyd估计,60个qubit的计算机可以编码的数据量相当于人类一年生成的所有数据,300个qubit的计算机可以编码可观测宇宙中的传统信息内容。(IBM、英特尔和谷歌共同研发的量子计算机是当前最大的量子计算机,大约有50个qubit)。不过前提是假设每个幅值(amplitude)对应于一个传统的bit。Aaronson表示:事实上,幅值是连续的数值(复杂的数字)。为获得可信的试验准确度,可以储存15 bit的信息。

但是,量子计算机的信息储存能力并不能加快它的运算速度。如何能够使用qubit才是关键。2008年,Lloyd、MIT物理学家Aram Harrow和以色列巴伊兰大学(Bar-Ilan University)计算机科学家Avinatan Hassidim展示了如何用量子计算机完成矩阵求逆的关键代数运算。他们将整个运算分解为一系列可以在量子计算机上执行的逻辑运算。他们的算法适用于很多种机器学习算法。而且,需要完成的运算步骤少于因数分解一个大数所要完成的步骤。量子计算机可以在受到噪声影响前,迅速完成分类任务。“在完全通用且容错的量子计算机到来之前,量子计算可以提供量子优势。” IBM的 Thomas J. Watson 研究中心的Kristan Temme表示。

让系统本身解决问题

目前为止,我们只在4 qubit的计算机上实现了基于量子矩阵代数的机器学习。量子机器学习在实验上取得的大部分成功都采用了一种不同的方法:量子系统不只是模仿网络,它本身就是网络。每个qubit代表一个神经元。虽然这种方法无法让计算机利用指数属性所带来的优势,但是它可以让计算机利用量子物理学的其他特性。

位于温哥华附近的D-Wave Systems公司制造的量子处理器拥有2000个qubit,是目前最大的量子处理器。它和大多数人观念中的计算机不同:它的主要任务是寻找数据的内部一致性,而不是对输入数据执行一系列的运算,得出输出。每个qubit都是一个超导电回路,其作用相当于一个向上、向下或向上与向下(叠加)的小电磁体。让qubit通过磁力相互作用,这样就可以将它们“连”在一起。

量子计算机的首要任务是加速机器学习

D-Wave Systems公司制造的用于机器学习应用的处理器

在运行系统时,必须先施加一个水平的磁场,这个磁场可以将qubit预置为向上和向下的均等叠加——等同于空白状态。输入数据的方法有好几种。在某些情况中,你可以将某一层qubit固定在预期的输入值;不过多数情况下,应将输入导入到qubit的相互作用的范围内。然后让qubit相互作用。某些qubit朝同一方向排列,某些qubit朝相反方向排列,在水平磁场的作用下,它们会翻转到它们选择的方向。通过这样做,这些qubit可以触发其他qubit进行翻转。由于很多qubit都没对准方向,刚开始时会发生很多翻转。等到翻转停止后,你可以关闭水平磁场,将qubit锁定在固定位置。此时,qubit处于朝上和朝下的叠加状态,这种状态可以确保输出与输入相对应。

关键在于,Qubit最终的排列方式很难预测出来。通过完成自然出现的任务,系统可以解决普通计算机难以解决的问题。“我们不需要使用算法。这种系统与常规的编程完全不同。系统本身可以解决问题。” 东京工业大学的物理学家Hidetoshi Nishimori解释道。D-Wave计算机的工作原理就是由Hidetoshi Nishimori提出的。

qubit的翻转是由量子隧穿效应(quantum tunneling)驱动的。这种效应是一种自然趋势,量子系统必须要选出最佳配置,不能退而求其次。你可以构建一个工作原理相似的传统网络,采用随机晃动,而不是通过隧穿效应来让bit翻转。在某些任务中,这样的网络表现更好。但是有趣的是,在处理机器学习中出现的问题时,量子网络实现最佳结果的速度似乎更快。

D-Wave计算机也有缺陷。在当前的配置下,D-Wave计算机的噪声非常大,它只能执行有限的操作。而机器学习算法本质上是具有容噪能力的,它们可以理解混乱的现实环境,在干扰性背景中从区分小猫和小狗。“神经网络对噪声有很强的鲁棒性。” Behrman称。

Hartmut Neven是谷歌的一名计算机科学家,他开创了增强现实技术,是谷歌Google Glass项目的联合创始人。后来,他领导一个团队开始研究量子信息处理。2009年,这个团队证明了一台初期的D-Wave 计算机可以很好地完成一个机器学习任务。他们将这台计算机用作为一个单层神经网络,在20000张街景图数据库中将图像分类为两个类别:“汽车”和“非汽车”(请记住:这台D-Wave计算机与2018年上线的50-qubit系统属于完全不同的机型。)。Neven的团队结合使用D-Wave 计算机与传统的计算机,他们分析了图像的各种统计参数(quantities),然后计算这些参数对图像中汽车的敏感度——通常不是很敏感,但至少比抛硬币(猜正反面)要好。这些参数的某些组合可以准确地识别出汽车,但是无法识别出具体车型——这是神经网络的任务。

这个团队为每个参数都分配了一个qubit。如果qubit的值稳定在1,则将相应的参数标记为有用;如果qubit的值稳定在0,则不用标记。Qubit的磁力相互作用可以编码问题的要求,例如:只包含区分作用最强的参数,以确保参数的最终选择尽可能简单明了。试验的结论是,D-Wave计算机可以识别出汽车。

去年,加州理工学院粒子物理学家Maria Spiropulu和南加州大学物理学家Daniel Lidar领导的一个团队将算法应用到粒子物理学问题中:将质子碰撞分类为“希格斯玻色子(Higgs boson)”和“非希格斯玻色子”。这个团队将研究对象选择为生成质子的碰撞,他们使用基本的粒子理论来预测哪些粒子属性可能会表征希格斯粒子的短暂存在,例如:超出动量的某些阈值。他们考虑了8种粒子属性和28种属性组合,一共是36种候选信号然后让南加州大学的新型量子计算机找出最佳选择。该计算机识别出16个有用的变量,3个最佳变量。该量子计算机在执行准确的分类任务时比标准流程所需的数据量要少。“在训练集较小的条件下,量子计算方法的准确度要比高能物理学中的传统方法高。”Lidar表示。

量子计算机的首要任务是加速机器学习

加州理工学院物理学家Maria Spiropulu使用量子机器学习寻找希格斯玻色子。

去年12月,Rigetti 证明了一种使用通用19 qubits量子计算机自动分类对象的方法。大致上,研究人员向计算机输入了一系列的城市名称以及它们之间的距离,然后让计算机将这些城市分类为两个地理区域。这个问题的困难之处在于,一座城市属于哪个地理区域取决于系统对其他城市的分类,因此必须一下子解决整个系统。

Rigetti的团队为每个城市分配了一个qubit,表明这个城市属于哪个类别。通过qubit之间的相互作用(在Rigetti的系统中,这种相互作用是电作用力,而不是磁作用力),每一对qubit都尽量要选取相反的值——这样做可以将它们的能量降到最小。显然,对于任何qubit数超过2个的系统而言,某些qubit对只能被分配到相同的类别中。靠近的城市更容易被分配到同一类别中,因为相比距离较远的城市,邻近城市被分配到同一类别中的能量损耗要小。

为了将系统的能量降至最低,Rigetti的团队采用了一种在某些方面类似于D-Wave量子退火的方法。他们先将qubit预置为所有可能簇分配(cluster assignment)的叠加状态。然后让qubit进行短暂的相互作用,使qubit偏向于假设相同或相反的值。接着他们应用了一种模拟水平磁场的机制,在qubit倾斜时使它们可以翻转,以使系统更接近于最低能量状态。最后,他们重复执行了这个两步骤流程——相互作用与翻转,直到系统的能量降至最低,这样城市就被分类为两个不同的区域。

这些分类任务是有用的,但很直接。机器学习的尖端是生成模型,这种模型不仅可以识别小猫小狗,还可以生成新的原始模型——从来不存在的动物,但它们和真实动物一样可爱。这种模型甚至还可以自己分辨“小猫”和“小狗”的类别,或者修复缺少尾巴或爪子的图像。“在机器学习中,这些方法非常强大且有用,但是应用起来十分困难。” D-Wave的首席科学家Mohammad Amin表示。量子计算如果能被应用到生成式模型中,一定会大受欢迎。

D-Wave和其他研究团队已经开始着手解决这个难题。训练生成式模型,也就是调整qubit之间的(磁或电)相互作用,以使网络能复制某些实例数据。为了实现这一点,我们可以结合使用神经网络和普通的计算机。神经网络负责困难的任务——理解选定的相互作用对最终的网络配置有什么意义,然后计算机使用这个信息来调整qubit之间的相互作用。去年,NASA量子人工智能实验室(NASA’s Quantum Artificial Intelligence Lab)的研究人员Alejandro Perdomo-Ortiz和他的团队在一篇论文中,用一个D-Wave系统处理手写数字的图像。结果,该系统识别出10个类别,并为0至9这10个数字各分配了一个类别,而且还生成了自己的手写体数字。

量子计算机的瓶颈

令人失望的是,如果你无法将数据载入到处理器中,你的处理器再强大也无济于事。在矩阵代数算法中,一个简单的运算就可以处理一个由16个数字构成的矩阵,但是载入这个矩阵却需要进行16个运算。“人们完全没有重视量子态制备——将传统的数据载入到量子状态中我认为这一步是最重要的一步。”量子计算初创公司Xanadu的研究人员Maria Schuld表示。她是最早获得量子机器学习博士学位的人员之一。当我们把机器学习系统布置到实体机器中时,常常陷入两难的境地:如何将一个问题嵌入到qubit网络中;让qubit以正确的方式相互作用。

当载入数据之后,你需要将数据存储起来,并确保量子系统在与数据相互交互时不影响正在进行的计算。Lloyd和他的团队提出了一个使用光子的量子RAM,但是目前还没有超传导qubit或囚禁离子(trapped ions)的类似装置——用在先进量子计算机中的技术。“除了构建量子计算机本身之外,这是一个额外的技术难题。从我和一些实验主义者的谈话中,我发现他们对待这些难题的态度是畏惧的。因为他们不知道如果开始构建这样的量子计算机。” Aaronson表示。

最后还有一个问题:如何导出数据?这意味着检测计算机的量子状态,一次检测不仅只能一次返回一个随机抽取的数字,而且还会使整个状态崩溃,在你还没来得及收回数据之前,其他的数据就已被清除。你只能再次一遍又一遍地执行算法,以收回所有信息。

不过并不是没有希望。在某些问题中,你可以利用量子干涉(quantum interference)。也就是说,你可以设计运算过程,使错误的答案自行消除,并巩固正确的答案。这样,当检测量子状态时,计算机就会给出你想要的数值,而不是随机数值。但是只有少数算法(例如蛮力搜索算法brute-force search)可以很好地利用量子干涉,而且速度是适中的。

在某些任务中,研究人员发现了输入和输出数据的快捷方法。2015年,Lloyd、加拿大滑铁卢大学的Silvano Garnerone和南加州大学的Paolo Zanardi证明了:在某些类别的统计分析中,不需要输入或存储整个数据集。同样,当几个关键数值就可以满足需求时,不需要读取所有数据。例如,科技公司根据庞大的消费者习惯数据,利用机器学习来矩阵为用户建议节目或者商品。“Netflix或亚马逊(Amazon)并不需要获取到处生成的矩阵,它们要做的只是为用户生成建议。” Aaronson称。

所有这些引出了这样一个问题:如果量子计算机只在某些特殊任务中表现优秀,传统的计算机是否也能胜任这些任务?这是量子计算领域的一个还未解决的大问题。毕竟普通的计算机也十分强大。处理大型数据集的常用方法——随机采用,在本质上与量子计算机十分类似,即:无论系统内部进行何种运算,最终返回的结果都是随机的。Schuld称:“我研究出来的很多算法常常让我感到‘它们太棒了,我们这下可以提升运算速度了’。不过我为了好玩又编写了一个在传统计算机上运行的抽样算法,我发现用抽样算法也可以实现相同的效果。”

如果回顾量子机器学习目前为止的成果,你会发现它们都带有星号。以D-Wave计算机为例:当分类汽车图像和希格斯粒子时,D-Wave计算机的速度并不比传统的计算机快。“我们在这篇论文中没有谈到的一个问题是量子加速。” Google DeepMind团队的计算机科学家Alex Mott表示。他曾经是Higgs研究团队的一员。矩阵代数方法(例如Harrow-Hassidim-Lloyd算法)只有在矩阵为稀疏矩阵(多数元素为零)时才会实现量子加速。“在机器学习中稀疏数据集是否真的有趣?从没有人问过这个问题。” Schuld表示。

量子智能

话说回来,现有的方法偶尔有什么进展,科技公司们就会感到十分高兴。“我们看到的这些优势都不算大;它们虽然不是指数性的,但是至少是二次的”微软研究院(Microsoft Research)的量子计算研究院Nathan Wiebe称。“如果量子计算机足够大、足够快,我们就可以彻底改变机器学习的许多领域。”在应用这些系统的过程中,计算机科学家可以解决一些理论性难题——这些系统是否在本质上更快,原因是什么。

Schuld还看到了量子计算在软件方面的创新空间。机器学习不仅仅是计算问题,而且还是很多问题交缠在一起,每个问题都有自己特殊的结构。“人们编写的算法被从使机器学习变得有趣和美丽的事物中移除。这就是为什么我开始探索其他方法和思考的原因:如果有了量子计算机(小型的),它可以运行什么机器学习模型?也许这样的模型还没有发明出来。” Schuld说。如果物理学家想要让机器学习专家刮目相看,除了构建现有模型的量子版模型外,他们要探索别的突破。

许多神经科学家现在认为人类思维的结构反映了身体的要求,实际上机器学习系统也囊括万千。这些系统所处理的图像、语言和大多数其他数据都来自于真实世界,这些数据反映了世界的种种特征。同样,量子机器学习系统也是包罗万象的,它所反映的世界要远远大于我们的世界。毫无疑问,量子机器学习系统将在处理量子数据上大放光彩。当数据不是图像,而是物理学或化学实验的产物时,量子计算机将会大显神通。如果解决了数据输入问题,传统的计算机就将会被完全淘汰。

第一批量子机器学习系统可以为后来的系统的设计提供帮助,这就形成了一个很好的自我参考循环。“我们可以使用这样系统来构建量子计算机。在某些调试任务中,这是我们唯一的方法。” Wiebe说。也许这些系统甚至可以纠正我们的错误。且不谈人类大脑是否是量子计算机——这是一个备受争议的问题,大脑有时候的行为让人感觉它就是量子计算机。众所周知,人类的行为离不开情境;现有的选择决定了我们的偏好,这其实和我们的逻辑相悖。从这个角度看,我们确实像是量子粒子。“人类问问题的方式以及对顺序的重视,都是量子数据集中非常典型的特性。” Perdomo-Ortiz说。这样看来,量子机器学习系统可以帮助我们研究人类认知偏见。

神经网络和量子处理器有一个共同点:那就是它们竟然能实现。训练神经网络绝不是想当然能做到的,过去几十年间,大多数人都对是否能做到持质疑态度。同样,量子物理学是否能被用在计算上也不好说,因为我们对量子物理学独特的能力还知之甚少。但是神经网络和量子处理器都已实现,虽然并不是总能实现,但是还是超出了我们的预期。考虑到这一点,量子物理学和神经网络的结合也很可能会在未来大放异彩。

原文标题:量子计算机的首要任务是加速机器学习

文章出处:【微信号:AI_Thinker,微信公众号:人工智能头条】欢迎添加关注!文章转载请注明出处。

收藏 人收藏
分享:

评论

相关推荐

物联网平台重组迫在眉睫 垂直是新的发展机会

物联网(IOT)比以往任何时候都更加火爆,在2019年,市场领导者之间将进行更多合作,数百个物联网平....
的头像 物联之家网 发表于 01-18 17:12 104次 阅读
物联网平台重组迫在眉睫 垂直是新的发展机会

一朵乌云出人意料地降临到了机器学习界,或将“颠覆”机器学习理论

近日,几位研究机器学习问题的数学家表示,“可学习性”问题——即算法能否从有限的数据中提取模式——与被....
的头像 电子发烧友网工程师 发表于 01-18 16:19 57次 阅读
一朵乌云出人意料地降临到了机器学习界,或将“颠覆”机器学习理论

全球工业机器人部署引发人类就业担忧

2018年至2021年期间,预计全球工厂将安装近210万台新型工业机器人。
的头像 传感物联网 发表于 01-18 15:40 47次 阅读
全球工业机器人部署引发人类就业担忧

人工智能知识体系有哪些内容

人工智能是目前最火热的技术领域,也是一门极富挑战性的科学,从事这项工作的人必须懂得计算机知识,数学、....
的头像 物联网技术 发表于 01-18 14:55 108次 阅读
人工智能知识体系有哪些内容

探析机器学习构建人工智能的艰难历程

不久之前,人们还常说,计算机视觉的辨别能力尚不如一岁大的孩子。如今看来,这句话要改写了。计算机不仅能....
发表于 01-18 13:36 13次 阅读
探析机器学习构建人工智能的艰难历程

人工智能和机器学习正在越来越多的为工作平台和工具提供动力

金融行业正在以各种方式使用这些技术,从回答基本客户问题的聊天机器人,到帮助防止欺诈和洗钱的人工智能平....
发表于 01-18 11:14 13次 阅读
人工智能和机器学习正在越来越多的为工作平台和工具提供动力

人工智能究竟会不会迎来第三个冬天?

企业变精明了。想要卖出大型人工智能项目越来越难,不少咨询公司也从卖人工智能咨询退回到了卖廉价的Das....
的头像 电子发烧友网工程师 发表于 01-18 10:52 134次 阅读
人工智能究竟会不会迎来第三个冬天?

TensorFlow 2.0将专注于简单性和易用性

使用 tf.data 加载数据。使用输入管道读取训练数据,用 tf.data 创建的输入线程读取训练....
的头像 电子发烧友网工程师 发表于 01-18 10:44 93次 阅读
TensorFlow 2.0将专注于简单性和易用性

论文一作曾联名抵制Nature子刊,而今却发论文

他在Saharon Shelah和Menachem Magidor的监督下获得了博士学位论文。 Be....
的头像 新智元 发表于 01-18 10:11 114次 阅读
论文一作曾联名抵制Nature子刊,而今却发论文

八大机器学习数据集

网页中也有一个搜索框来帮助用户寻找想要的数据集,还有所有数据集的描述和使用示例,这些数据集信息丰富且....
的头像 新智元 发表于 01-18 09:52 108次 阅读
八大机器学习数据集

Chronolife推出可预知心脏病的特制背心

根据美国疾控中心(CDC)发布的数据,该国有超过570万成年人患有充血性心力衰竭(CHF)疾病。 相....
的头像 MEMS 发表于 01-17 18:01 336次 阅读
Chronolife推出可预知心脏病的特制背心

如何使用机器学习方法进行乳腺癌的辅助诊断

本文利用核主成分分析法对乳腺癌的影响因子进行特征提取,以获取的主成分作为支持向量机的特征向量建立支持....
发表于 01-17 16:58 14次 阅读
如何使用机器学习方法进行乳腺癌的辅助诊断

通用人工智能面临的挑战,人工智能和算法偏见

如今大多数的人工智能系统都不具备很好的扩展能力。AlphaZero、AlphaGo、OpenAI F....
的头像 人工智能学家 发表于 01-17 16:53 235次 阅读
通用人工智能面临的挑战,人工智能和算法偏见

人工智能在供应链管理中的应用

机器学习在有大数据的情况下学习效果最好。这些系统学习的速度就越快。在很多情况下,供应链应用程序将需要....
的头像 AI人工智能D1net 发表于 01-17 15:04 201次 阅读
人工智能在供应链管理中的应用

“互联网+医学影像”AI助推实现医疗资源均衡化

NGC容器旨在提供一个软件平台,该平台基于最小的操作系统要求、安装在服务器或工作站上Docker和驱....
的头像 英伟达NVIDIA企业解决方案 发表于 01-17 13:47 189次 阅读
“互联网+医学影像”AI助推实现医疗资源均衡化

全年开源项目的盘点和总结

如果你们这些.NET 开发者们想要学一点机器学习知识来补充现有的技能,你会怎么做?现在就有一个完美的....
的头像 人工智能 发表于 01-17 11:18 207次 阅读
全年开源项目的盘点和总结

机器学习对于解决无人驾驶的问题非常重要

1月10日,在青岛举行的2019国家智能产业峰会智能驾驶平行论坛上,孙振平研究员结合国内外机器学习相....
发表于 01-17 11:09 36次 阅读
机器学习对于解决无人驾驶的问题非常重要

我就是这样入门「机器学习」的

随着近几年计算机领域的不断发展,云服务与并行计算促进了计算力的提升,互联网的发展提供了海量的数据,这....
的头像 人工智能头条 发表于 01-17 11:08 420次 阅读
我就是这样入门「机器学习」的

机器学习如何运作 下一步是什么

今天的机器学习是以统计学为基础的,那么人工智能=统计学吗?
的头像 联动原素 发表于 01-17 10:36 275次 阅读
机器学习如何运作 下一步是什么

潘建伟:探讨他的研究成果以及量子信息科技的发展前景

量子互联网涉及许多理论和技术。对于为全球安全通信建立量子互联网的短期目标,我们将不得不考虑现实设备的....
的头像 C114通信网 发表于 01-17 10:03 127次 阅读
潘建伟:探讨他的研究成果以及量子信息科技的发展前景

探析常见的几种最优化方法

最优化方法是一种数学方法,它是研究在给定约束之下如何寻求某些因素(的量),以使某一(或某些)指标达到....
的头像 人工智能爱好者社区 发表于 01-17 09:25 177次 阅读
探析常见的几种最优化方法

如何在Raspberry Pi 3上构建机器学习应用程序

希望评估机器学习方法的开发人员发现了越来越多的专业硬件和开发平台,这些平台通常针对特定类别的机器学习....
的头像 电子设计 发表于 01-17 08:24 173次 阅读
如何在Raspberry Pi 3上构建机器学习应用程序

2018年的联络中心:嵌入式支持B2B应用程序

Jamison将机器人比作交互式语音应答(IVR)系统。"我们已经使用IVR 30年或更长时间了,我....
的头像 CTI论坛 发表于 01-16 17:25 372次 阅读
2018年的联络中心:嵌入式支持B2B应用程序

大牛预测2019人工智能发展趋势

在AlphaGo等吸引大众眼球的事件推动下,AI仍然是技术的热点之一,图像识别等一些成熟的人工智能应....
的头像 人工智能 发表于 01-16 17:08 498次 阅读
大牛预测2019人工智能发展趋势

嵌入式工程师到底有没有前途应该如何规划就业之路

嵌入式一直冠以高门槛的名号,相较于软件开发逊色的起步薪资也被网友调侃“饿肚子”。热情投入嵌入式的人比....
发表于 01-16 16:53 52次 阅读
嵌入式工程师到底有没有前途应该如何规划就业之路

近十年人工智能21个子领域高引学者

在推荐系统领域(Recommender System),高引学者排名前三的学者依次是:纽约大学教授A....
的头像 电子发烧友网工程师 发表于 01-16 11:34 370次 阅读
近十年人工智能21个子领域高引学者

TensorFlow 2.0马上要来了,还不速来了解下新架构?

TensorFlow始终为生产提供了直接部署方式。无论是部署在服务器、边缘设备还是Web上,Tens....
的头像 新智元 发表于 01-16 08:45 187次 阅读
TensorFlow 2.0马上要来了,还不速来了解下新架构?

数据科学能力是否能够靠培训课程培养?

探索数据,尝试不同的特征工程和构建模型的方法是一项持久战。花费大量时间在这上面也可能会让你在Kagg....
的头像 电子发烧友网工程师 发表于 01-15 16:23 317次 阅读
数据科学能力是否能够靠培训课程培养?

无人配送产品今年的目标:适应不同场景,处理异常流程

回到上述一个关键问题,就是场景,现在美团外卖日订单量高达 2400 万单,“可能占到全世界外卖市场的....
的头像 电子发烧友网工程师 发表于 01-15 16:02 501次 阅读
无人配送产品今年的目标:适应不同场景,处理异常流程

Cornami构建了一个革命性的脉动阵列架构

Cornami构建了一个可以根据需要构建任何尺寸,任何形状的收缩阵列的架构。
的头像 ssdfans 发表于 01-15 16:01 221次 阅读
Cornami构建了一个革命性的脉动阵列架构

机器学习算法基本概念及选用指南

本文对机器学习的一些基本概念给出了简要的介绍,并对不同任务中使用不同类型的机器学习算法给出一点建议。
的头像 Imagination Tech 发表于 01-15 15:55 189次 阅读
机器学习算法基本概念及选用指南

剖析一下现代高科技企业尤其是互联网公司如何设置一个成功的研究院

我们先来说说为什么「比较成熟的产品」适合搭配研究院。成熟的产品,已经有了比较成熟的数据链条(Data....
的头像 电子发烧友网工程师 发表于 01-15 10:08 431次 阅读
剖析一下现代高科技企业尤其是互联网公司如何设置一个成功的研究院

腾讯鹅漫U品如何基于LSTM模型进行中文文本情感分析?

我们基于 40 多万条真实的鹅漫用户评论数据建立了语料库,为了让正面和负面的学习样本尽可能均衡,我们....
的头像 电子发烧友网工程师 发表于 01-15 09:58 326次 阅读
腾讯鹅漫U品如何基于LSTM模型进行中文文本情感分析?

Nature Medicine连发9篇论文聚焦人工智能在医学领域的应用

大数据已成为医学创新无处不在的观察词。特别是机器学习技术和人工智能的快速发展已经将医疗实践从资源分配....
的头像 新智元 发表于 01-15 09:15 473次 阅读
Nature Medicine连发9篇论文聚焦人工智能在医学领域的应用

IDC:2018年中国智能家居出货预计1.5亿台 同比增长35.9%

回顾2018年智能家居市场,爆款产品争相涌现,如智能音箱,智能灯泡,智能插座等。《IDC中国智能家居....
发表于 01-15 08:43 167次 阅读
IDC:2018年中国智能家居出货预计1.5亿台 同比增长35.9%

目光锁定2019CES,看看今年会有什么不一样

LG 在去年的 CES 展示了一个采用柔性 OLED 屏技术的可卷曲(rollable)电视概念机,....
的头像 机器人大讲堂 发表于 01-14 15:45 469次 阅读
目光锁定2019CES,看看今年会有什么不一样

一些关于机器学习工具在学习过程中所犯错误的问题

咨询公司Cambridge Consultants的专家级机器学习工程师Sally Epstein说....
的头像 嵌入式资讯精选 发表于 01-14 14:56 219次 阅读
一些关于机器学习工具在学习过程中所犯错误的问题

机器学习算法概念介绍及选用建议

在从事数据科学工作的时候,经常会遇到为具体问题选择最合适算法的问题。虽然有很多有关机器学习算法的文章....
的头像 通信信号处理研究所 发表于 01-14 13:49 572次 阅读
机器学习算法概念介绍及选用建议

从CES 2019看人工智能的下个风口

近几年来人们对人工智能和机器学习的热度不断上升,本次CES展会的11个场馆均从不同方面展示了AI的各....
的头像 人工智能 发表于 01-14 10:34 438次 阅读
从CES 2019看人工智能的下个风口

美国14项关键技术出口管制,征求意见结束

支持者认为,在美国之外,现在一些技术已经开始迅速发展,比如中国的科学家正在开发基因工程技术,对双胞胎....
的头像 新智元 发表于 01-14 09:06 542次 阅读
美国14项关键技术出口管制,征求意见结束

拥抱机器学习 数码化企业未来可期

随著过去10年数码化和大数据的兴起,企业正在实施机器学习策略,并雇用更多资料科学家。然而单单作用资料....
发表于 01-13 11:22 41次 阅读
拥抱机器学习 数码化企业未来可期

随着人们对人工智能的热度不断上升 AI+逐渐成为全球关注的热点

2019年的美国消费电子展(CES)在1月8日开幕,超过18万名人齐聚拉斯维加斯参加,全球科技再次进....
发表于 01-13 08:51 165次 阅读
随着人们对人工智能的热度不断上升 AI+逐渐成为全球关注的热点

IBM展示了其最新的量子计算机IBMQ SystemOne的模型

漫步者TWS5真无线蓝牙耳机采用了分离式设计,首次采用高通QCC3026芯片组,能带来良好的射频表现....
的头像 科技美学 发表于 01-12 11:31 739次 阅读
IBM展示了其最新的量子计算机IBMQ SystemOne的模型

什么是机器学习?机器学习是如何工作的呢?

为了更清楚地理解机器学习的过程,我们将以开发能够识别手写数字的机器为具体例子来考虑模式识别的问题。这....
的头像 IEEE电气电子工程师学会 发表于 01-12 10:05 289次 阅读
什么是机器学习?机器学习是如何工作的呢?

通过机器学习和深度学习的手段,成功的从老鼠的“吱吱”声中解读出20多种不同的含义

最近研究人员们通过机器学习和深度学习的手段,成功的从老鼠的“吱吱”声中解读出20多种不同的含义,包括....
的头像 将门创投 发表于 01-12 09:48 302次 阅读
通过机器学习和深度学习的手段,成功的从老鼠的“吱吱”声中解读出20多种不同的含义

2018年国际顶尖学术会议上发表的机器学习和NLP相关论文的数据统计

先来看看2012-2018年间统计收录的会议上的会议论文。大多数机器学习会议上发表的论文数量都呈现持....
的头像 新智元 发表于 01-12 09:42 441次 阅读
2018年国际顶尖学术会议上发表的机器学习和NLP相关论文的数据统计

10本让你成为机器学习领域的专家的好书!

机器学习原理:预测数据分析向我们展示了基于关系和自定义算法的分析和数据选择过程。这包括能从其他相关资....
的头像 Imagination Tech 发表于 01-11 16:01 484次 阅读
10本让你成为机器学习领域的专家的好书!

北大语言计算与机器学习研究组推出一套全新中文分词工具包pkuseg

多领域分词。不同于以往的通用中文分词工具,此工具包同时致力于为不同领域的数据提供个性化的预训练模型。....
的头像 中国人工智能学会 发表于 01-11 15:55 459次 阅读
北大语言计算与机器学习研究组推出一套全新中文分词工具包pkuseg

遇见未来的先导活动 量子计算机问世

每年1月份在拉斯维加斯举行的CES消费电子产品展,是令全球所有科技迷都向往的盛会。1月6日-16日,....
的头像 吴晓波频道 发表于 01-11 14:33 647次 阅读
遇见未来的先导活动 量子计算机问世

这就是芬兰:先让全国1%的人学起AI!

芬兰经济部负责人兼赫尔辛基 AI 计划的主要设计者 Ilona Lundström 称,赫尔辛基的下....
的头像 电子发烧友网工程师 发表于 01-11 09:29 356次 阅读
这就是芬兰:先让全国1%的人学起AI!

机器学习实验中图像增强的库imgaug详解

Py之imgaug:Python库之imgaug简介、安装、使用方法之详细攻略...
发表于 12-28 14:30 191次 阅读
机器学习实验中图像增强的库imgaug详解

大数据hadoop入门之hadoop家族产品详解

大数据这个词也许几年前你听着还会觉得陌生,但我相信你现在听到hadoop这个词的时候你应该都会觉得“熟悉”!越来越发现身边从...
发表于 12-26 15:02 322次 阅读
大数据hadoop入门之hadoop家族产品详解

ML之预测:采用机器学习预测小组赛、十六比赛、四决赛、半决赛、决赛以及世界杯总冠军的各个队伍

ML之预测:玩转2018世界杯—采用机器学习预测小组赛、十六比赛、四决赛、半决赛、决赛以及世界杯总冠军的各个队伍...
发表于 12-24 11:51 95次 阅读
ML之预测:采用机器学习预测小组赛、十六比赛、四决赛、半决赛、决赛以及世界杯总冠军的各个队伍

Pytorch模型训练实用PDF教程【中文】

本教程以实际应用、工程开发为目的,着重介绍模型训练过程中遇到的实际问题和方法。在机器学习模型开发中,主要涉及三大部分,分...
发表于 12-21 09:18 159次 阅读
Pytorch模型训练实用PDF教程【中文】

ML之ECS:利用ECS的PAI进行傻瓜式操作机器学习的算法

ML之ECS:利用ECS的PAI进行傻瓜式操作机器学习的算法...
发表于 12-20 10:42 71次 阅读
ML之ECS:利用ECS的PAI进行傻瓜式操作机器学习的算法

清洗误标注的开发集和测试集样本

在进行误差分析时,你可能会注意到一些开发集的样本被误标注(mislabeled )了。此处的“误标注”指的是图像在使用算法处理前,已...
发表于 12-19 09:48 134次 阅读
清洗误标注的开发集和测试集样本

在误差分析时并行评估多个想法

对于改进猫检测器,你的团队有一些想法 • 修正算法将狗误分类为猫的问题。 • 修正算法将大型猫科动物(比如狮子、黑豹等等,下...
发表于 12-19 09:43 128次 阅读
在误差分析时并行评估多个想法

误差分析:根据开发集样本评估想法

在使用猫咪 app 时,你注意到它将一些狗的图片误分类为猫了,因为有些狗的样子的确很像猫。 团队中有人建议,加入第三方软件来...
发表于 12-18 09:16 134次 阅读
误差分析:根据开发集样本评估想法

快速构建并迭代你的第一个系统

当你想要构建一个新的垃圾邮件过滤系统时,团队可能会有各式各样不同的想法: • 收集海量的垃圾邮件作为训练集。例如,设置一个...
发表于 12-18 09:11 207次 阅读
快速构建并迭代你的第一个系统

建立开发集和测试集(总结)

• 被选择作为开发集和测试集的数据,应当与你未来计划获取并对其进行良好处理的数据有着相同的分布,而不一定和训练集的数据分布...
发表于 12-14 10:56 157次 阅读
建立开发集和测试集(总结)