电子发烧友网技术文库为您提供最新技术文章，最实用的电子技术文章，是您了解电子技术动态的最佳平台。

• 云中的机器学习：FPGA上的深度神经网络

  凭借出色的性能和功耗指标，赛灵思 FPGA 成为设计人员构建卷积神经网络的首选。新的软件工具可简化实现工作。人工智能正在经历一场变革，这要得益于机器学习的快速进步。在机器学习领域，人们正对一类名为“深度学习”算法产生浓厚的兴趣，因为这类算法具有出色的大数据集性能。在深度学习中，机器可以在监督或不受监...

  1380次阅读 · 0评论 fpga深度神经网络

• 李开复语录,AI崛起于中国的六大原因

  面对来自微软、Facebook、谷歌和CMU的团队时，中国面部识别初创企业Face++在3个计算机视觉挑战中获得了第一名。AAAI曾将2017年的年度会议推迟了一周，因为它发现大会日期与中国的新年相吻合，而且来自中国和美国的研究人员论文数量几乎相等。...

  2978次阅读 · 0评论 谷歌苹果AI李开复

• 浅析深度学习的多体问题解决方案

  在深度学习领域，我们也有一个新兴的 N 体问题。许多更先进的系统现在正在处理多代理系统的问题。每个代理都可能有与全局目标合作或竞争的目标（即目标函数）。在多代理深度学习系统中，甚至在模块化的深度学习系统中，研究人员需要设计可扩展的合作方法。...

  1421次阅读 · 0评论 人工智能深度学习
  

• 不可不知的机器学习之线性模型

  LTR同样是一个回归问题。你手头上有一系列评价数据，来衡量一个文档与某个查询的相关度等级。我们的相关度等级取值从A到F，更常见的情况是取值从0（完全不相关）到4（非常相关）。...

  3120次阅读 · 0评论 机器学习线性模型随机森林
  

• 如何区分深度学习与机器学习

  深度学习与传统的机器学习最主要的区别在于随着数据规模的增加其性能也不断增长。当数据很少时，深度学习算法的性能并不好。这是因为深度学习算法需要大量的数据来完美地理解它。另一方面，在这种情况下，传统的机器学习算法使用制定的规则，性能会比较好。...

  1960次阅读 · 0评论 机器学习深度学习
  

• 一文读懂深度学习中的语音分离技术

  由于语音分离已经变成分类问题，所以语音分离也变得非常重要，已经在信号处理领域被研究了几十年，数据驱动的方法在语音处理领域也得到了广泛研究。...

  23721次阅读 · 0评论 深度学习
  

• 浅析微软的MMLSpark技术

  深度神经网络（DNN）在图像识别和语音识别等领域不逊于人类，但是DNN模型的训练需要专业人员方可进行，与SparkML的整合也十分不易。...

  1491次阅读 · 0评论 微软人工智能深度学习
  

• 十大案例分析,机器学习的十种网络攻击

  网络钓鱼是今天最常见的攻击媒介，而且非常成功。这种攻击利用了个人对通信工具的熟悉，如社交媒体和电子邮件，通过附件或链接向不知情的收件人发送恶意内容。这种攻击的有效性依赖于攻击者误导最终用户点击或下载恶意有效载荷并在之后绕过内部控制的能力。目前其不断增加的破坏性和勒索软件有效载荷使得这种攻击更加严重。...

  9388次阅读 · 0评论 人工智能机器学习

• 浅谈区块链区域的机器学习技术

  使用集成学习者的基础在于这样一个想法，即在同一个数据样本中学习几个基本的对象，并使用不同对象的结果的联合来预测后续更改的加密机制。这个方法的数学基础就是十八世纪早期制定的陪审团审判定理。...

  985次阅读 · 0评论 机器学习区块链

• 漫谈游戏的深度学习算法,从FPS和RTS角度分析

  在人工神经网络（ANN）的监督训练中，智能体通过样本进行学习 ［56］， ［86］。智能体需要做出决策（已知正确答案），之后，使用误差函数确定智能体提供的答案和真正答案之间的区别;这将作为损失用于更新模型。在大数据集上进行训练后，智能体应该学习通用模型，使之在未见过的输入上依然表现良好。...

  7205次阅读 · 0评论 fps人工智能深度学习

• 从内存带宽与计算能力,解读深度学习执行的关键

  算法对于内存带宽的需求通常使用「运算强度 （operational intensity，或称 arithmetic intensity）」这个量来表示，单位是 OPs/byte。这个量的意思是，在算法中平均每读入单位数据，能支持多少次运算操作。运算强度越大，则表示单位数据能支持更多次运算，也就是说算...

  1949次阅读 · 0评论 人工智能深度学习

• 深度神经网络（DNN）=人类大脑皮层结构？

  深度神经网络里面门的权重也是 反向传播训练出来的，也有渐变的这个性质，当对于快速变化的刺激，有一定的滞后。从这个角度来说，人类神经系统要更灵活一些，可以在很短的时间内完成状态的切换。...

  5866次阅读 · 0评论 神经网络深度学习
  

• 深度学习之神经网络11大常见陷阱及对策

  未训练的神经网络通常会输出约在-1到1范围之间的值。如果你希望输出其他范围的值（例如RBG图像以0-255范围的字节存储）会出现一些问题。在开始训练时，网络会非常不稳定，因为比如说预期值是255，网络产生的值是-1或1——这会被大多数用于训练神经网络的优化算法认为是严重的错误。...

  1050次阅读 · 0评论 神经网络人工智能深度学习

• TensorFlow、MXNet、CNTK、Theano四个框架对比分析

  目前，Keras 官方版已经支持谷歌的 TensorFlow、微软的 CNTK、蒙特利尔大学的 Theano，此外，AWS 去年就宣布 Keras 将支持 Apache MXNet，上个月发布的 MXNet 0.11 就新增 Core ML 和 Keras v1.2 的支持。不过到目前为止 MXNe...

  3449次阅读 · 0评论 神经网络tensorflowmxnet
  

• 　一文看懂神经网络之Epoch、Batch Size和迭代

  理解迭代，只需要知道乘法表或者一个计算器就可以了。迭代是 batch 需要完成一个 epoch 的次数。记住：在一个 epoch 中，batch 数和迭代数是相等...

  30479次阅读 · 0评论 神经网络人工智能
  

• 解读多层神经网络反向传播原理

  要训练神经网络，我们需要“训练数据集”。训练数据集是由对应目标z（期望输出）的输入信号（x_1和 x_2）组成。神经网络的训练是一个迭代过程。在每个迭代中，使用来自训练数据集的新数据修改网络节点的加权系数。整个迭代由前向计算和反向传播两个过程组成。...

  8643次阅读 · 0评论 神经网络人工智能
  

• 人工智能之神经网络新思路：OpenAI用线性非线性问题

  深度线性网络通过反向传播在 MNIST 数据集上训练时，可获取 94% 的训练准确率和 92% 的测试准确率（机器之心使用三层全连接网络可获得 98.51% 的测试准确率）。相对而言，相同的线性网络使用进化策略训练可获取大于 99% 的训练准确率、96.7% 的测试准确率，确保激活值足够小而分布在 ...

  2232次阅读 · 0评论 神经网络非线性人工智能
  

• 解读决策树与随机森林模型的概念

  为什么要引入随机森林呢。我们知道，同一批数据，我们只能产生一颗决策树，这个变化就比较单一了，这就有了集成学习的概念。...

  3705次阅读 · 0评论 机器学习决策树随机森林
  

• 基于机器学习算法的SVM优化

  在SMO算法中，我们每次需要选取一对α来进行优化，通过启发式的选取我们可以更高效的选取待优化的变量使得目标函数下降的最快。...

  4216次阅读 · 0评论 人工智能机器学习
  

• 解除尴尬,机器学习新手常犯的6大错

  异常值有时候很重要，有时候又可以忽略不计，视情况而定。以收入预测为例，有时候收入会突然出现很大的变动，观察这种现象并了解其原因是很有帮助的。有时候异常值由某种误差造成，那么这时可以放心地忽略它们，并将其从你的数据中删除。...

  553次阅读 · 0评论 人工智能机器学习
首页上一页6667686970下一页末页