完善資料讓更多小伙伴認識你，還能領(lǐng)取20積分哦，立即完善>
電子發(fā)燒友網(wǎng)技術(shù)文庫為您提供最新技術(shù)文章，最實用的電子技術(shù)文章，是您了解電子技術(shù)動態(tài)的最佳平臺。
憑借出色的性能和功耗指標(biāo)，賽靈思 FPGA 成為設(shè)計人員構(gòu)建卷積神經(jīng)網(wǎng)絡(luò)的首選。新的軟件工具可簡化實現(xiàn)工作。人工智能正在經(jīng)歷一場變革，這要得益于機器學(xué)習(xí)的快速進步。在機器學(xué)習(xí)領(lǐng)域，人們正對一類名為“深度學(xué)習(xí)”算法產(chǎn)生濃厚的興趣，因為這類算法具有出色的大數(shù)據(jù)集性能。在深度學(xué)習(xí)中，機器可以在監(jiān)督或不受監(jiān)...
面對來自微軟、Facebook、谷歌和CMU的團隊時，中國面部識別初創(chuàng)企業(yè)Face++在3個計算機視覺挑戰(zhàn)中獲得了第一名。AAAI曾將2017年的年度會議推遲了一周，因為它發(fā)現(xiàn)大會日期與中國的新年相吻合，而且來自中國和美國的研究人員論文數(shù)量幾乎相等。...
在深度學(xué)習(xí)領(lǐng)域，我們也有一個新興的 N 體問題。許多更先進的系統(tǒng)現(xiàn)在正在處理多代理系統(tǒng)的問題。每個代理都可能有與全局目標(biāo)合作或競爭的目標(biāo)（即目標(biāo)函數(shù)）。在多代理深度學(xué)習(xí)系統(tǒng)中，甚至在模塊化的深度學(xué)習(xí)系統(tǒng)中，研究人員需要設(shè)計可擴展的合作方法。...
LTR同樣是一個回歸問題。你手頭上有一系列評價數(shù)據(jù)，來衡量一個文檔與某個查詢的相關(guān)度等級。我們的相關(guān)度等級取值從A到F，更常見的情況是取值從0（完全不相關(guān)）到4（非常相關(guān)）。...
深度學(xué)習(xí)與傳統(tǒng)的機器學(xué)習(xí)最主要的區(qū)別在于隨著數(shù)據(jù)規(guī)模的增加其性能也不斷增長。當(dāng)數(shù)據(jù)很少時，深度學(xué)習(xí)算法的性能并不好。這是因為深度學(xué)習(xí)算法需要大量的數(shù)據(jù)來完美地理解它。另一方面，在這種情況下，傳統(tǒng)的機器學(xué)習(xí)算法使用制定的規(guī)則，性能會比較好。...
由于語音分離已經(jīng)變成分類問題，所以語音分離也變得非常重要，已經(jīng)在信號處理領(lǐng)域被研究了幾十年，數(shù)據(jù)驅(qū)動的方法在語音處理領(lǐng)域也得到了廣泛研究。...
深度神經(jīng)網(wǎng)絡(luò)（DNN）在圖像識別和語音識別等領(lǐng)域不遜于人類，但是DNN模型的訓(xùn)練需要專業(yè)人員方可進行，與SparkML的整合也十分不易。...
網(wǎng)絡(luò)釣魚是今天最常見的攻擊媒介，而且非常成功。這種攻擊利用了個人對通信工具的熟悉，如社交媒體和電子郵件，通過附件或鏈接向不知情的收件人發(fā)送惡意內(nèi)容。這種攻擊的有效性依賴于攻擊者誤導(dǎo)最終用戶點擊或下載惡意有效載荷并在之后繞過內(nèi)部控制的能力。目前其不斷增加的破壞性和勒索軟件有效載荷使得這種攻擊更加嚴(yán)重。...
使用集成學(xué)習(xí)者的基礎(chǔ)在于這樣一個想法，即在同一個數(shù)據(jù)樣本中學(xué)習(xí)幾個基本的對象，并使用不同對象的結(jié)果的聯(lián)合來預(yù)測后續(xù)更改的加密機制。這個方法的數(shù)學(xué)基礎(chǔ)就是十八世紀(jì)早期制定的陪審團審判定理。...
在人工神經(jīng)網(wǎng)絡(luò)（ANN）的監(jiān)督訓(xùn)練中，智能體通過樣本進行學(xué)習(xí) ［56］， ［86］。智能體需要做出決策（已知正確答案），之后，使用誤差函數(shù)確定智能體提供的答案和真正答案之間的區(qū)別;這將作為損失用于更新模型。在大數(shù)據(jù)集上進行訓(xùn)練后，智能體應(yīng)該學(xué)習(xí)通用模型，使之在未見過的輸入上依然表現(xiàn)良好。...
算法對于內(nèi)存帶寬的需求通常使用「運算強度 （operational intensity，或稱 arithmetic intensity）」這個量來表示，單位是 OPs/byte。這個量的意思是，在算法中平均每讀入單位數(shù)據(jù)，能支持多少次運算操作。運算強度越大，則表示單位數(shù)據(jù)能支持更多次運算，也就是說算...
深度神經(jīng)網(wǎng)絡(luò)里面門的權(quán)重也是 反向傳播訓(xùn)練出來的，也有漸變的這個性質(zhì)，當(dāng)對于快速變化的刺激，有一定的滯后。從這個角度來說，人類神經(jīng)系統(tǒng)要更靈活一些，可以在很短的時間內(nèi)完成狀態(tài)的切換。...
未訓(xùn)練的神經(jīng)網(wǎng)絡(luò)通常會輸出約在-1到1范圍之間的值。如果你希望輸出其他范圍的值（例如RBG圖像以0-255范圍的字節(jié)存儲）會出現(xiàn)一些問題。在開始訓(xùn)練時，網(wǎng)絡(luò)會非常不穩(wěn)定，因為比如說預(yù)期值是255，網(wǎng)絡(luò)產(chǎn)生的值是-1或1——這會被大多數(shù)用于訓(xùn)練神經(jīng)網(wǎng)絡(luò)的優(yōu)化算法認為是嚴(yán)重的錯誤。...
目前，Keras 官方版已經(jīng)支持谷歌的 TensorFlow、微軟的 CNTK、蒙特利爾大學(xué)的 Theano，此外，AWS 去年就宣布 Keras 將支持 Apache MXNet，上個月發(fā)布的 MXNet 0.11 就新增 Core ML 和 Keras v1.2 的支持。不過到目前為止 MXNe...
理解迭代，只需要知道乘法表或者一個計算器就可以了。迭代是 batch 需要完成一個 epoch 的次數(shù)。記?。涸谝粋€ epoch 中，batch 數(shù)和迭代數(shù)是相等...
要訓(xùn)練神經(jīng)網(wǎng)絡(luò)，我們需要“訓(xùn)練數(shù)據(jù)集”。訓(xùn)練數(shù)據(jù)集是由對應(yīng)目標(biāo)z（期望輸出）的輸入信號（x_1和 x_2）組成。神經(jīng)網(wǎng)絡(luò)的訓(xùn)練是一個迭代過程。在每個迭代中，使用來自訓(xùn)練數(shù)據(jù)集的新數(shù)據(jù)修改網(wǎng)絡(luò)節(jié)點的加權(quán)系數(shù)。整個迭代由前向計算和反向傳播兩個過程組成。...
深度線性網(wǎng)絡(luò)通過反向傳播在 MNIST 數(shù)據(jù)集上訓(xùn)練時，可獲取 94% 的訓(xùn)練準(zhǔn)確率和 92% 的測試準(zhǔn)確率（機器之心使用三層全連接網(wǎng)絡(luò)可獲得 98.51% 的測試準(zhǔn)確率）。相對而言，相同的線性網(wǎng)絡(luò)使用進化策略訓(xùn)練可獲取大于 99% 的訓(xùn)練準(zhǔn)確率、96.7% 的測試準(zhǔn)確率，確保激活值足夠小而分布在 ...
為什么要引入隨機森林呢。我們知道，同一批數(shù)據(jù)，我們只能產(chǎn)生一顆決策樹，這個變化就比較單一了，這就有了集成學(xué)習(xí)的概念。...
在SMO算法中，我們每次需要選取一對α來進行優(yōu)化，通過啟發(fā)式的選取我們可以更高效的選取待優(yōu)化的變量使得目標(biāo)函數(shù)下降的最快。...
異常值有時候很重要，有時候又可以忽略不計，視情況而定。以收入預(yù)測為例，有時候收入會突然出現(xiàn)很大的變動，觀察這種現(xiàn)象并了解其原因是很有幫助的。有時候異常值由某種誤差造成，那么這時可以放心地忽略它們，并將其從你的數(shù)據(jù)中刪除。...
關(guān)注我們的微信
下載發(fā)燒友APP
機器人發(fā)燒友
