张飞软硬开源基于STM32 BLDC直流无刷电机驱动器开发视频套件,👉戳此立抢👈

ICLR 2019论文解读:深度学习应用于复杂系统控制

2019-01-10 14:53 次阅读

引言

20世纪,控制论、系统论、信息论,对工业产生了颠覆性的影响。继2011年深度学习在物体检测上超越传统方法以来,深度学习在识别传感(包含语音识别、物体识别),自然语言处理领域里产生了颠覆性的影响。最近在信息论里,深度学习也产生了重要影响。使用深度学习可以对不同形式编码的信息进行自动解码。如今,深度学习再次影响控制论,传统控制论往往是模型驱动算法,需要设计复杂的模型和控制方案,而以数据驱动为核心的深度学习用作控制领域的春天即将到来,这将推动数十万亿的工业、服务业的进一步升级。通过深度学习控制,可以让机器人,能源,交通等行业效率显著提升。例如,使用深度学习进行智能楼宇控制,可以节约大楼20%的能耗,传统的控制需要多名专家2年的时间建立一个楼宇模型,深度学习可以利用楼宇历史数据在一天内得到超越传统方法的模型;在机器人控制和强化学习领域里,相比传统控制方法,本文提出的方法可以节约80%以上的运算时间并且提升10%以上的控制准确度。

深度学习控制行业刚刚兴起,还有很多的问题没有解决,还需要很多的理论突破。近期,华盛顿大学研究组在ICLR2019发表了一篇深度学习控制的最新成果[1],这是第一次将深度学习与凸优化理论结合应用到最优控制理论中,在从理论层面保证模型达到全局最优解的同时,大幅提升了复杂系统控制的效率和准确度。该论文在公开评审中获得了6/7/8的评分,在所有1449submissions中得分位列前90位(top6%)。在这里,论文的两位作者将亲自为我们解读其中的核心思想。

论文地址:https://openreview.net/forum?id=H1MW72AcK7¬eId=HylsgDCzeV

机器学习/强化学习与控制

自动控制与机器学习作为两个拥有深厚历史的学科,已经发展了数十年,并建立了各自较为完善的学科体系。在自动控制中的重要一环,是首先根据历史数据对控制系统进行输入-输出的端到端建模。目前广泛使用的系统辨识(systemidentification)方法主要有两种:一是使用线性/或分段线性模型来预测系统的(状态,控制变量)->(状态)关系。这样做的好处是后续的优化问题是线性优化问题(linearprogramming)并可结合控制论中的线性二次型调节器LQR(LinearQuadraticRegulator)等控制模型,易于求解并实现闭环最优控制。同时控制论较为注重系统的理论性质研究,如系统的李雅普诺夫稳定性,以及基于卡尔曼滤波等的最优状态估计等。但是线性模型很难准确地描述复杂系统的动态,且建模过程需要大量专家知识和调试。因为存在对物理对象的建模,这类方法也被称为基于模型的控制和强化学习model-basedcontrol/reinforcementlearning。第二种方法是使用一些较为复杂的机器学习模型,比如深度神经网络,支持向量机(SVM)等对物理系统进行建模。相比线性模型,这些模型能够更为准确地捕捉系统输入-输出的动态关系。而在一般的(深度)强化学习算法中,通常研究者也会训练一个端到端的算法,由状态直接输出控制。由于不存在物理建模过程,这类方法也一般被称为model-freecontrol/reinforcementlearning。但是这些复杂模型给后续的优化控制问题求解带来了困难。我们都知道深度神经网络,一般来说输出对于输入都是非凸的,包含很多局部最优点,所以在优化过程中很容易陷入局部最优情况。在对稳定性要求很高的系统控制情境下(比如电力系统控制,航天系统以及工业控制),这种多个局部最优解并且没有全局最优收敛性保证的情况是我们非常不愿看到的,也一定程度限制了目前深度模型在这些行业中的应用。同时,在当前的深度强化学习研究中,尽管在多个应用和领域中已经取得行业领先的控制和优化效果,但对模型的理论性质尚缺乏研究,同时需要大量标注的状态和决策数据以泛化模型的表征能力和应用场景[2](ICML2018tutorialandAnnualReviewofControl,RoboticsandAutonomousSystems,Recht,Berkeley)。

图一:本文提出的输入凸的神经网络的(a)动态系统学习与(b)闭环控制过程。

在「Optimalcontrolvianeuralnetwork:aconvexapproach」一文中,作者提出了一种新的数据驱动的控制方法。该篇文章作出了结合model-freecontrol与model-basedcontrol的一步重要尝试。在训练过程中,我们用一个输入凸(inputconvex)的神经网络来表达系统表达复杂的动态特性;在控制与优化过程中,我们就可以将训练好的神经网络作为动态系统的模型,求解凸优化问题从而得到有最优保证的控制输入。算法思路详见图一

基于输入凸神经网络的最优控制框架

为了解决现有模型的不足,本文作者提出了一种新的系统辨识方法:基于输入凸的神经网络的系统辨识。建立在之前InputConvexNeuralNetwork(ICNN)[3](ICML2017,Amosetal.,2017,CMU)的基础上,本文作者提出一种新型的InputConvexRecurrentNeuralNetwork(ICRNN)用于具有时间关联的动态系统建模。不同于通用的神经网络结构,输入凸的神经网络要求所有隐藏层之间的权重矩阵非负,同时加入了对输入向量的负映射以及输入到隐藏层的直连层增加ICNN和ICRNN的表达能力。

作者在文章中理论证明了,输入凸神经网络ICNN和ICRNN可以表示所有凸函数(Theorem1),并且其表达的效率比分段线性函数高指数级(Theorem2)。两条性质保证所提出的网络架构能够很好地应用于优化与控制问题中用于对象建模与求解。

在使用输入凸神经网络进行系统建模后,作者将系统模型嵌入到模型预测控制(ModelPredictiveControl)框架中,用于求解最优的系统控制值。因为使用了输入凸神经网络,这里的MPC问题是一个凸优化问题,使用经典的梯度下降方法就可以保证我们找到最优的控制策略。如果系统的状态或者控制输入包含约束条件(constraints),我们也可以使用投影梯度下降(ProjectedGradientMethod)或者内点法进行求解。这样,使用ICNN对瞬态特性建模或使用ICRNN对时序过程建模并用于控制对输入优化求解,我们不仅能够满足控制论中对于最优解的性质的保证,同时也可以充分发挥深度模型的表征能力,即可作为一种适用于各领域的建模与控制方法。

图3.基于ICNN的MuJoColocomotiontasks的控制结果。K=100,300,1000对应[4]中基于模型的强化学习的算法设定,我们测试了在模型预测控制中,不同未来预测区间长度下各任务的回报。

应用一:机器人运动控制

作者首先将提出的深度学习控制框架应用于机器人的控制,使用的是OpenAI中的MuJuCo机器人仿真平台的四个前向运动任务。我们首先使用随机采样的机器人动作和状态的数据作为初始样本训练一个ICNN网络,并结合DAGGER(AISTATS,Rossetal,2011,CMU)以在训练和控制过程中更好地探索和泛化。本文提出的方法相比目前的强化学习方法更加高效、准确。同目前最好的基于模型的强化学习算法(model-basedRL)[4](2018ICRA,Nagabandietal.,2018,Berkeley)相比,本文提出的方法仅仅使用20%的运算时间就可以达到比之前方法高10%的控制效果(图3)。与无模型的深度强化学习算法如TRPO,DDPG往往超过10^6的样本数量相比,我们的控制方法可以从10^4量级的样本中学习到极为准确的动态模型并用于控制。同时我们还可以将该方法得到控制结果作为初始控制策略,然后随着机器人在环境中收集更多的样本,与无模型的强化学习方法(model-freeRL)结合,在动态系统环境下实现更好的控制效果。

应用二:大楼的能源管理

同时,本文作者也将提出的深度学习控制框架应用于智能楼宇的供热通风与空气调节系统(HVAC)控制。我们通过建筑能耗仿真软件EnergyPlus得到一栋大楼的分时能耗数据及各个分区的传感器数据,并使用ICRNN建立楼宇输入特征(如室内温度,人流量,空调设定温度等)到输出特征(如能耗)的动态模型。在控制过程中,文章提出的模型可以非常方便地加入一系列约束,如温度可调节范围等。我们通过设计大楼在一定时间段内的温度设置值,并满足相应约束的前提下,来最优化楼宇的能耗。相比于传统的线性模型以及控制方法,使用ICRNN的控制方法在保证房间温度维持在[19,24]摄氏度区间内的情况下,帮助大楼节约多于20%的能耗。在更大的温度波动区间内([16,27]摄氏度),可以帮助建筑节约近40%能耗(图4左)。同时相比于传统神经网络模型直接用于系统建模,基于ICRNN的控制方法由于有控制求解的最优性保证,得到的温度设定值更加的稳定(图4右中红线为ICRNN控制温度设置,绿线为普通神经网络控制温度设置)。

目前,华盛顿大学的PaulAllenCenter电子工程与计算机大楼正在安装相应的传感器,并计划将该控制方案用于该建筑HAVC系统的实时控制。

随着5G时代的到来与物联网技术的进一步发展,越来越多的物理系统中(电力,交通,航天,工业控制等)将会有更多的智能传感器与数据流,本文提出的基于深度学习的控制方法也将会有更广阔的应用空间。

参考资料:

[1]ChenYize*,YuanyuanShi*,andBaosenZhang."OptimalControlViaNeuralNetworks:AConvexApproach."ToAppearinInternationalConferenceonLearningRepresentations(ICLR),2019

[2]Recht,Benjamin."Atourofreinforcementlearning:Theviewfromcontinuouscontrol."AnnualReviewofControl,Robotics,andAutonomousSystems(2018).

[3]Amos,Brandon,LeiXu,andJ.ZicoKolter."Inputconvexneuralnetworks."InternationalConferenceonMachineLearning(ICML),2017

[4]Nagabandi,Anusha,etal."Neuralnetworkdynamicsformodel-baseddeepreinforcementlearningwithmodel-freefine-tuning."2018IEEEInternationalConferenceonRoboticsandAutomation(ICRA).IEEE,2018.

[5]Ross,Stéphane,GeoffreyGordon,andDrewBagnell."Areductionofimitationlearningandstructuredpredictiontono-regretonlinelearning."Proceedingsofthefourteenthinternationalconferenceonartificialintelligenceandstatistics.2011.

本文来源:机器之心

收藏 人收藏
分享:

评论

相关推荐

深度学习和神经网络

David,加州大学物理博士,美国著名电商数据科学家。本课程介绍什么是深度学习, 深度学习与机器学习的关系,几种神经网络
发表于 11-08 00:00 7724次 阅读
深度学习和神经网络

GTC十年,英伟达开了一场“三无”发布会

CUDA-X AI能够将机器学习和数据科学工作负载加速多达50倍,由十几个专用加速库组成。这些库包括....
的头像 新智元 发表于 03-20 09:13 108次 阅读
GTC十年,英伟达开了一场“三无”发布会

必读!生成对抗网络GAN论文TOP 10

这篇 GAN 论文来自 NVIDIA Research,提出以一种渐进增大(progressive ....
的头像 新智元 发表于 03-20 09:02 45次 阅读
必读!生成对抗网络GAN论文TOP 10

一些优秀的Github仓库源码与框架

对图结构数据的预处理比较麻烦。例如在处理异构网络时,有时需要对每种类型的节点进行独立地编号、为每种关....
的头像 新智元 发表于 03-20 08:50 35次 阅读
一些优秀的Github仓库源码与框架

针对端到端自主驾驶模型的简单对抗实例

智能机器学习系统极易受到干扰的问题引发了广泛的担忧。这些研究成果及其理论框架无疑为以后的研究提供了有....
的头像 电子发烧友网工程师 发表于 03-19 17:10 179次 阅读
针对端到端自主驾驶模型的简单对抗实例

人工智能会不会取代我们甚至统治我们?

由于技术的进步引发的新话题层出不穷,我们不断被动地接收新的理念。越来越多的人发现,人类开始进入“无人....
的头像 电子发烧友网工程师 发表于 03-19 10:33 207次 阅读
人工智能会不会取代我们甚至统治我们?

期待贾扬清在阿里有所作为,做出更成功的框架和落地的产品。

随后,贾扬清离职Facebook的消息在知乎上被爆料,Facebook软件工程师晓飞在知乎上确认了贾....
的头像 电子发烧友网工程师 发表于 03-19 10:20 139次 阅读
期待贾扬清在阿里有所作为,做出更成功的框架和落地的产品。

2019年是人工智能产业发展的重要一年

“在人工智能领域,我国多项技术处于世界领先地位。”张颐介绍说,在基础研究方面,我国已拥有人工智能研发....
的头像 高工智能未来 发表于 03-18 15:59 257次 阅读
2019年是人工智能产业发展的重要一年

日本的科技公司在研发一款有效预防偷窃行为的人工智能系统

这套人工智能预防犯罪系统基于人工智能复杂的算法,该算法对超10万个小时的监控视频进行深度学习,可以分....
的头像 机器人创新生态 发表于 03-18 14:32 131次 阅读
日本的科技公司在研发一款有效预防偷窃行为的人工智能系统

百度认证的深度学习工程师考试将于2019年3月正式开考

Apollo 线上感知模块提供基于深度学习的点云动态障碍物的检测,通过集联多层的神经网络,使其提取出....
的头像 Apollo开发者社区 发表于 03-18 14:23 146次 阅读
百度认证的深度学习工程师考试将于2019年3月正式开考

如何进行可视化深度学习模型和性能指标

目前,包括计算机视觉、语音识别和机器人在内的诸多人工智能应用已广泛使用了深度神经网络(Deep Ne....
的头像 电子发烧友网工程师 发表于 03-17 09:19 160次 阅读
如何进行可视化深度学习模型和性能指标

智语科技15年深耕创业打造To B服务“底层”平台

小语机器人正是公司15年通讯领域从业经验和技术积累,与最新的语音识别技术、先进的深度学习技术、机器学....
的头像 电子发烧友网工程师 发表于 03-15 15:04 1483次 阅读
智语科技15年深耕创业打造To B服务“底层”平台

赛灵思技术日有哪些现场演示?

旷科技MegBox B2R是一款以单片Zynq-7020作为神经网络核心计算加速单元的智能视频分析盒....
的头像 电子发烧友网工程师 发表于 03-15 14:15 193次 阅读
赛灵思技术日有哪些现场演示?

大华股份基于深度学习技术研发的目标分割技术,取得了实例分割排行榜第一名

在本次国际比赛上,大华股份自主研发的深度学习平台,采用迁移学习的方法,借鉴Mask R-CNN、PA....
的头像 电子发烧友网工程师 发表于 03-15 13:53 460次 阅读
大华股份基于深度学习技术研发的目标分割技术,取得了实例分割排行榜第一名

为什么了解NLP基础知识的重要?

为什么bigram或者trigram的LM很重要呢?去做一个语言模型的问题,实现深度模型之前,第一步....
的头像 电子发烧友网工程师 发表于 03-15 09:33 134次 阅读
为什么了解NLP基础知识的重要?

用12个示例解释了使用TensorFlow 2.0 + Keras 的一些重要技巧

你可以通过在 GradientTape 中调用 layer 来自动检索该层权重的梯度。使用这些梯度,....
的头像 新智元 发表于 03-15 09:27 154次 阅读
用12个示例解释了使用TensorFlow 2.0 + Keras 的一些重要技巧

最新华人AI青年学术影响力百人榜公布!

李飞飞、李佳均是斯坦福大学教授,事实上二者可谓是企业界与学界的“双担”:李飞飞于2017年入职谷歌,....
的头像 新智元 发表于 03-15 09:17 967次 阅读
最新华人AI青年学术影响力百人榜公布!

AI寒冬将至:计算机革命浪潮中AI和区块链一样都是死路一条

计算机有大量的应用摆在它们面前:彻底变革办公室工作,通过电脑游戏娱乐,改变我们沟通、购物和使用银行系....
的头像 新智元 发表于 03-15 09:00 271次 阅读
AI寒冬将至:计算机革命浪潮中AI和区块链一样都是死路一条

89.4%的受访者看好人工智能产业在未来5年的落地应用

中国青年报社近日联合人工智能行业领先企业旷视科技进行的一项调查显示,89.4%的受访者看好人工智能产....
的头像 重庆人工智能 发表于 03-14 10:03 439次 阅读
89.4%的受访者看好人工智能产业在未来5年的落地应用

OpenAI用强化学习训练机械手,新的OpenAI长什么样子?

「OpenAI 有限公司」的实际控制权将属于「OpenAI 非盈利」的董事会。以及,只有一小部分的董....
的头像 重庆人工智能 发表于 03-14 09:59 216次 阅读
OpenAI用强化学习训练机械手,新的OpenAI长什么样子?

深度学习在汽车中的应用

作者:德州仪器Joe Folkens    在未来的某个时候,人们必定能够相对自如地运用人工智能,安全地驾车出行。这个时刻...
发表于 03-13 06:45 116次 阅读
深度学习在汽车中的应用

人工智能的发展会带来大量的失业吗?

在过去,往往需要通过人工进行筛选,不仅需要大量的人工,而且效率较低,更重要的是,人员培训需要高昂的成....
的头像 电子发烧友网工程师 发表于 03-12 11:04 803次 阅读
人工智能的发展会带来大量的失业吗?

注意力机制的诞生、方法及几种常见模型

简而言之,深度学习中的注意力机制可以被广义地定义为一个描述重要性的权重向量:通过这个权重向量为了预测....
的头像 电子发烧友网工程师 发表于 03-12 09:49 320次 阅读
注意力机制的诞生、方法及几种常见模型

SLAM的动态地图和语义问题

如上面框图所示,特点:采用occupancy grid maps,因为传感器是激光雷达,可以采用IC....
的头像 智车科技 发表于 03-11 14:09 285次 阅读
SLAM的动态地图和语义问题

一个基于PyTorch的几何深度学习扩展库,为GNN的研究和应用再添利器

作者在论文中写道:“这是一个 PyTorch 的几何深度学习扩展库,它利用专用的 CUDA 内核实现....
的头像 新智元 发表于 03-11 08:49 529次 阅读
一个基于PyTorch的几何深度学习扩展库,为GNN的研究和应用再添利器

CVPR 2019:中科院、牛津等提出SiamMask网络,视频跟踪最高精度

长久以来,我们的思维倾向于陷入舒适区。当 A 做了物体检测,我们尝试改网络,改 loss,别的领域 ....
的头像 新智元 发表于 03-10 09:46 558次 阅读
CVPR 2019:中科院、牛津等提出SiamMask网络,视频跟踪最高精度

25篇视觉领域前沿论文的摘要解读

基于视觉特征以及未标注目标对的软性标签的相似度一致性,我们提出了软多标签引导的 hard negat....
的头像 新智元 发表于 03-10 09:43 747次 阅读
25篇视觉领域前沿论文的摘要解读

机器视觉中获得3D图像的几种方法详细资料说明

近年来,机器视觉技术变得越来越复杂,工业领域的图像处理更多的专注于3D传感器,而且越来越多的技术已经....
的头像 电子发烧友网工程师 发表于 03-09 09:21 444次 阅读
机器视觉中获得3D图像的几种方法详细资料说明

Apollo高精地图如何表征和规范,一起来了解!

路口表述:路口分为真实路口和十字路口。在实践过程中,发现除了真实路口之外,在车道数变化的时候,比如从....
的头像 Apollo开发者社区 发表于 03-08 11:02 610次 阅读
Apollo高精地图如何表征和规范,一起来了解!

AI工程师 10 个深度学习方法

过去十年里,人们对机器学习的兴趣经历了爆炸式的整长。我们几乎每天都可以在计算机程序、行业会议和媒体上看到机器学习的身影。...
发表于 03-07 20:17 98次 阅读
AI工程师 10 个深度学习方法

自动驾驶中单目摄像头检测输出3-D边界框的方法

来自UC San Diego的论文。简单讲,该方法提出估计center of bottom face....
的头像 智车科技 发表于 03-07 16:54 573次 阅读
自动驾驶中单目摄像头检测输出3-D边界框的方法

机器视觉技术近年发展迅速,机器视觉在工业检测中的应用情况

稳定性高:机器视觉解决了人类一个非常严重的问题,不稳定,人工目检是劳动非常枯燥和辛苦的行业,无论你设....
的头像 电子发烧友网工程师 发表于 03-07 11:04 1734次 阅读
机器视觉技术近年发展迅速,机器视觉在工业检测中的应用情况

详解百度深度学习技术在Apollo自动驾驶目标检测中的应用

表中给出了全球对于自动驾驶技术的评级,包括从纯粹的人工驾驶L0级到高度的自动驾驶L4级。不过目前各国....
的头像 电子发烧友网工程师 发表于 03-07 09:34 1484次 阅读
详解百度深度学习技术在Apollo自动驾驶目标检测中的应用

深度学习网络训练技巧的详细资料汇总

本文档的主要内容详细介绍的是深度学习网络训练技巧汇总,总结训练网络的各种经验和技巧
发表于 03-07 08:00 148次 阅读
深度学习网络训练技巧的详细资料汇总

非技术专家如何利用机器学习解决问题?

同时另外一些专家也在这方面做出了贡献。Bengio说: 哎 我觉得激活方程不应该这么弯弯曲曲的,我觉....
的头像 电子发烧友网工程师 发表于 03-05 17:11 427次 阅读
非技术专家如何利用机器学习解决问题?

深度学习应用和图像论文相关笔记

[水博文]论文杂读
发表于 03-05 14:24 37次 阅读
深度学习应用和图像论文相关笔记

我们可以信任人工智能对执法记录仪视频的解读吗?

加州大学伯克利分校的吉滕德拉•马立克(Jitendra Malik)以及其他11位机器学习专家近期发....
的头像 IEEE电气电子工程师学会 发表于 03-05 11:12 1287次 阅读
我们可以信任人工智能对执法记录仪视频的解读吗?

AlphaPose升级了!一个高效的算法来解决拥挤人群中的姿态估计问题

针对这样的情况,上海交大MVIG组的研究者开源了CrowdPose数据集。CrowdPose数据集中....
的头像 新智元 发表于 03-05 09:26 288次 阅读
AlphaPose升级了!一个高效的算法来解决拥挤人群中的姿态估计问题

深度学习:工程科学还是自然科学?

2017 年 Ali Rahimi 在 NIPS 的演讲中批判深度学习是 “炼金术”(Alchemy....
的头像 新智元 发表于 03-05 08:48 383次 阅读
深度学习:工程科学还是自然科学?

英特尔高管与AI大神再论深度学习

作为开创人工智能产业的核心技术,也就是卷积神经网络的创造者,杨立昆 (Yann LeCun) 针对整....
的头像 电子发烧友网工程师 发表于 03-04 09:09 491次 阅读
英特尔高管与AI大神再论深度学习

深度学习领域的人工智能或将是非法的

现在,每一个人不是在学习深度学习,就是在准备开始学习深度学习的路上。这个人工智能领域快速火了起来。
的头像 C语言专家集中营 发表于 03-03 09:10 406次 阅读
深度学习领域的人工智能或将是非法的

介绍一门MIT新课6.S191:深入“深度学习”

lab运行在谷歌的Colaboratory环境中,只需要你有一个谷歌账户即可。互动部分包括一部分“T....
的头像 新智元 发表于 03-02 09:20 269次 阅读
介绍一门MIT新课6.S191:深入“深度学习”

《麻省理工科技评论》在今天正式揭晓2019年“全球十大突破性技术”

在过去的一年中,新型核反应堆发展势头强劲,核能的使用将会变得更安全,成本也更低。新型反应堆的发展包括....
的头像 智能制造 发表于 03-01 17:22 1726次 阅读
《麻省理工科技评论》在今天正式揭晓2019年“全球十大突破性技术”

NLP中的深度学习技术概述

该项目是对基于深度学习的自然语言处理(NLP)的概述,包括用来解决不同 NLP 任务和应用的深度学习....
的头像 电子发烧友网工程师 发表于 03-01 09:13 297次 阅读
NLP中的深度学习技术概述

一文解构PyTorch:深入了解PyTorch内部机制

PyTorch是一个较新的深度学习框架,主打动态网络模型。相比其他同类框架,PyTorch提供一种较....
的头像 新智元 发表于 03-01 08:47 445次 阅读
一文解构PyTorch:深入了解PyTorch内部机制

谷歌开源了一个强大的NLP深度学习框架Lingvo

Lingvo 是一个 Tensorflow 框架,为协作式深度学习研究提供了一个完整的解决方案,特别....
的头像 新智元 发表于 02-27 09:28 992次 阅读
谷歌开源了一个强大的NLP深度学习框架Lingvo

2018年,AI主要实验室和科研团队成果和动向

Bengio 等研究者在前不久的最新论文《Quaternion Recurrent Neural N....
的头像 新智元 发表于 02-27 09:24 735次 阅读
2018年,AI主要实验室和科研团队成果和动向

探析深度学习中的各种卷积

在信号处理、图像处理和其它工程/科学领域,卷积都是一种使用广泛的技术。在深度学习领域,卷积神经网络(....
的头像 智车科技 发表于 02-26 10:01 380次 阅读
探析深度学习中的各种卷积

深度学习中所涉及的有关神经网络的理论知识

人工智能主要是为了解决预测(回归)和分类两大问题。在生活中,预测的例子有很多,比如根据房屋面积等信息....
的头像 智车科技 发表于 02-25 17:15 769次 阅读
深度学习中所涉及的有关神经网络的理论知识

讲真,AI研究发表和模型开源,真的该制定一个规范了

最终,CNN(或者类似的东西)还是会被其他人发明出来(实际上,有些人可以说差不多已经做到了)。其实,....
的头像 新智元 发表于 02-24 10:58 969次 阅读
讲真,AI研究发表和模型开源,真的该制定一个规范了

搜狐联合新华社推出全球首个站立AI合成虚拟主播

早在2018年11月7日第五届世界互联网大会上,搜狗与新华社联合发布的全球首个全仿真智能AI主持人。....
的头像 VR陀螺 发表于 02-24 10:31 1344次 阅读
搜狐联合新华社推出全球首个站立AI合成虚拟主播

攀登深度学习之巅 对AI领域会产生什么深远影响

2018 年,由美国国家能源研究科学计算中心 (NERSC) 与 NVIDIA 组成的联合团队取得了....
的头像 TensorFlow 发表于 02-23 10:54 1175次 阅读
攀登深度学习之巅 对AI领域会产生什么深远影响

深度学习中的各种卷积网络大家知多少

对于那些听说过却又对它们没有特别清晰的认识的小伙伴们,这篇文章非常值得一读。Kunlun Bai 是....
的头像 人工智能学家 发表于 02-22 09:44 899次 阅读
深度学习中的各种卷积网络大家知多少

深度学习只是人类探索智能的历史上的一个插曲

时至今日,几乎你所有听到的关于 AI 的重要进展,背后都离不开深度学习。这类算法的工作原理是使用统计....
的头像 电子发烧友网工程师 发表于 02-22 09:16 643次 阅读
深度学习只是人类探索智能的历史上的一个插曲

主流深度学习框架比较

DL:主流深度学习框架多个方向PK比较
发表于 12-26 11:10 251次 阅读
主流深度学习框架比较

Win10系统进行深度学习时系统C盘满了,正确卸载一些非必要的内容的方法

C盘:当Win10系统进行深度学习的时候发现系统C盘满了,大神教你如何正确卸载一些非必要的内容——Jason niu...
发表于 12-26 10:45 183次 阅读
Win10系统进行深度学习时系统C盘满了,正确卸载一些非必要的内容的方法

深度学习框架TensorFlow&TensorFlow-GPU详解

TensorFlow&TensorFlow-GPU:深度学习框架TensorFlow&TensorFlow-GPU的简介、安装、使用方法详细攻略...
发表于 12-25 17:21 299次 阅读
深度学习框架TensorFlow&TensorFlow-GPU详解

计算机视觉神经网络资料全集

CV之YOLOv3:深度学习之计算机视觉神经网络Yolov3-5clessses训练自己的数据集全程记录(第二次)——Jason niu...
发表于 12-24 11:52 258次 阅读
计算机视觉神经网络资料全集

CV之YOLOv3:深度学习之计算机视觉神经网络Yolov3-5clessses训练自己的数据集全程记录

CV之YOLOv3:深度学习之计算机视觉神经网络Yolov3-5clessses训练自己的数据集全程记录...
发表于 12-24 11:51 262次 阅读
CV之YOLOv3:深度学习之计算机视觉神经网络Yolov3-5clessses训练自己的数据集全程记录

CV之YOLO:深度学习之计算机视觉神经网络tiny-yolo-5clessses训练自己的数据集全程记录

CV之YOLO:深度学习之计算机视觉神经网络tiny-yolo-5clessses训练自己的数据集全程记录...
发表于 12-24 11:50 202次 阅读
CV之YOLO:深度学习之计算机视觉神经网络tiny-yolo-5clessses训练自己的数据集全程记录

利用ECS进行深度学习详细攻略

ECS:利用ECS进行深度学习详细攻略
发表于 12-24 11:47 174次 阅读
利用ECS进行深度学习详细攻略