电子发烧友网 > 人工智能 > 技术文库

人工智能

面试中出现有关Xgboost总结

介绍 Xgboost是GB算法的高效实现,xgboost中的基学习器除了可以是CART(gbtree)也可以是线性分类器(gblinear)

2019-03-20 标签:GB人工智能 46

循环神经网络(RNN)和(LSTM)初学者指南

最近,有一篇入门文章引发了不少关注。文章中详细介绍了循环神经网络(RNN),及其变体长短期记忆(LSTM)背后的原理。

2019-02-05 标签:人工智能 51

深度学习:什么是IoU?

IoU是一种测量在特定数据集中检测相应物体准确度的一个标准。IoU是一个简单的测量标准,只要是在输出中得出一个预测范围(bounding boxex)的任务都可以用IoU来进行测量。

2019-02-01 标签:深度学习 119

基于深度神经网络的个性化推荐模型设计

近几年,深度学习在人工智能、机器学习中取得了飞跃式的突破,特别是在语音识别和图像识别等领域[1-3]。

2019-02-05 标签:深度神经网络 65

人脸识别技术原理与实现方式

随着大数据时代的到来,“人脸”也将成为数据的一部分,人脸识别如何实现?本文将为大家从人脸检测、人脸定位、人脸校准以及人脸对比等方面详细阐述人脸识别的原理与实现方式。

2019-02-05 标签:AI人脸识别 162

如何创造可信任的机器学习模型?先要理解不确定性

来源:机器之心编译 作者:Eric Jang 不确定性是机器学习领域内一个重要的研究主题,Eric Jang近日的一篇博客对这一主题进行了详细的阐述。顺便一提,他的博客还有一些有趣的深度学习迷因。 在谈到人工智能安全、风险管理、投资组合优化、科学测量和保险时,人们都会提到「不确定性(uncertainty)」的概念。下面有几个人们言语中涉及不确定性的例子: 「我们想让机器学习模型知道它们不知道的东西。」 「负责诊断病人和给出治疗方案的AI应该告诉

2019-01-10 标签:机器学习 151

图神经网络概述第三弹:来自IEEE Fellow的GNN综述

本文来源:机器之心编译 作者:Zonghan Wu 图神经网络(GNN)热度持续上升,之前我们曾介绍了清华两篇综述论文,参见:深度学习时代的图模型,清华发文综述图网络,和清华大学图神经网络综述:模型与应用。最近,IEEEFellow、SeniorMember和MemberZonghanWu等人又贡献了一篇图神经网络综述文章。这篇文章介绍了GNN的背景知识、发展历史、分类与框架、应用等,详细介绍了各种模型与方法,包括公式、模型图示、算法等,希望对大家有所帮助。 引言 深度网络

2019-01-10 标签:深度学习 4290

VGG介绍卷积神经网络的模型结构

VGG在加深网络层数同时为了避免参数过多,在所有层都采用3x3的小卷积核,卷积层步长被设置为1。

2019-01-05 标签:卷积神经网络vgg 183

卷积神经网络的在人工智能中的发展

AlexNet发表的2012年是具有里程碑意义的一年,自那以后,计算机视觉领域的所有突破几乎都来自深度神经网络。本文深入探讨了深度学习,尤其是非常擅长与理解图像的深度卷积神经网络。

2019-02-05 标签:人工智能卷积 166

计算机图形学年鉴:研究现状、应用和未来

计算机图形学是支持各种影视特效、三维动画影片、计算机游戏、虚拟现实以及大家手机上各种照片视频美化特效背后的技术基础,在本文中,微软亚洲研究院网络图形组深入解释了图形学的现状、发展和未来。 谈及计算机图形学,可能很多人会觉得很有距离感,或者和计算机视觉、图像处理等学科混淆。但是,如果告诉大家图形学技术是支持各种影视特效、三维动画影片、计算机游戏、虚拟现实以及大家手机上各种照片视频美化特效背后的技术基础,

2019-01-03 标签:虚拟现实图形处理器 211

图解2018年领先的两大NLP模型:BERT和ELMo

谷歌推出BERT模型被认为是NLP新时代的开始,NLP终于找到了一种方法,可以像计算机视觉那样进行迁移学习。本文用图解的方式,生动易懂地讲解了BERT和ELMo等模型。 2018年已经成为自然语言处理机器学习模型的转折点。我们对如何以最能捕捉潜在意义和关系的方式、最准确地表示单词和句子的理解正在迅速发展。 此外,NLP社区开发了一些非常强大的组件,你可以免费下载并在自己的模型和pipeline中使用。 ULM-FiT跟甜饼怪没有任何关系,但我想不出其它的了

2019-01-03 标签:机器学习ELMo 274

清华大学图神经网络综述:模型与应用

清华大学图神经网络综述:模型与应用...

2019-01-02 标签:神经网络GNN 772

这种有序神经元,像你熟知的循环神经网络吗?

虽然自然语言通常以序列形式呈现,但语言的基本结构并不是严格序列化的。语言学家们一致认为,该结构由一套规则或语法控制(SandraTaft,2014),且规定了单词组成语句的逻辑。不管其表现形式如何,这种结构通常是树状的。虽然语言学家们已发现这一规律,但其潜在结构的真正起源却仍不得而知。某些理论认为,这可能与人类认知的内在机制相关(ChomskyLightfoot,2002)。由于人工神经网络的灵感来源于生物神经系统的信息处理及通讯模式,上述可能

2018-12-27 标签:神经网络人工智能神经元 1124

机器学习的关键点是什么 数据量比算法还重要

相关性并不意味着因果关系这一点被频繁提起,以至于都不值得再批评。但是,我们讨论的某类模型可能只学习相关性,但是它们的结果通常被看作是表征因果关系。有问题吗?如果有,那么大家为何还这么做?

2018-11-14 标签:算法机器学习 609

值得研究的四大机器学习策略分析

机器学习有四种广受认可的形式:监督式、无监督式、半监督式和强化式。在研究文献中,这些形式得到了深入的探讨。它们也被纳入了大多数机器学习算法的入门课程。下表对这四种形式作了总结。

2018-11-14 标签:机器学习深度学习 292

AI芯片的过去和未来,看这篇文章就够了

相信你一定还记得击败了李世石和柯洁的谷歌阿尔法狗(AlphaGo),那你知道驱动AlphaGo的是什么吗? 如果你觉得AlphaGo和人相似,只不过是把人脑换成了芯片,那么你就大错特错了。击败李世石的AlphaGo装有48个谷歌的AI芯片,而这48个芯片不是安装在AlphaGo身体里,而是在云端。所以,真正驱动AlphaGo的装置,看上去是这样的... 图片来自网络,版权属于作者 因此李世石和柯洁不是输给了机器人,而是输给了装有AI芯片的云工作站。 然而近几年,AI技术的应用

2018-10-31 标签:fpgaasic 901

分析企业将如何看待人工智能

其实从当前企业信息化发展的趋势来看,AI技术的应用及普及已成定局。企业实现互联网+以后,会产生大量的企业及用户数据,这些数据的处理必然离不开云计算,以人工智能技术来处理这些数据,效率自会大增。

2018-10-25 标签:云计算AI人工智能 470

人工智能未来发展趋势分析

现如今,人工智能技术的飞速发展,该技术在很多领域的应用,AI已经不在是当出的一个概念,已经逐渐进入我们的生活当中应用开来。但是人工智能这一技术才刚刚进入适用,还有巨大的发展空间,不免让人们瞎想,人工智能还能带给我们什么。根据人工智能技术近年来的发展状况,来对人工智能未来发展趋势进行一个分析。

2018-10-25 标签:AI人工智能智能机器人 5005

浅谈人工智能中六大关键技术

当前,人工智能可谓是科技领域炙手可热的话题了,很多公司完善人工智能技术,研发人工智能产品。从Siri语音到智能家居,从无人驾驶到人工智能机器人,人工智能正在一步步改变我们的生活方式,我们还在憧憬着,人工智能还能带给我们些什么。

2018-10-25 标签:人机交互机器视觉人工智能 3135

解析智能控制技术是什么及与传统控制的区别

智能控制(intelligent controls)在无人干预的情况下能自主地驱动智能机器实现控制目标的自动控制技术。对许多复杂的系统,难以建立有效的数学模型和用常规的控制理论去进行定量计算和分析,而必须采用定量方法与定性方法相结合的控制方式。

2018-10-19 标签:智能控制人工智能计算机科学 2372

编辑推荐厂商产品技术软件/工具OS/语言