-
编辑 删除
探访联想来酷无人店，“无感”购物支付是这样来的
无人商店从2017年开始越来越受到零售行业的广泛关注。改善购物体验、提升效率、降低门店运营成本，其带来的各种优势，正成为零售行业目前最受关注的新方向。而在实际应用中，无论是亚马逊，还是紧随其后的阿里、京东等国内巨头，都对无人零售寄于厚望。
-
编辑 删除
探访联想来酷无人店，“无感”购物支付是这样来的
无人商店从2017年开始越来越受到零售行业的广泛关注。改善购物体验、提升效率、降低门店运营成本，其带来的各种优势，正成为零售行业目前最受关注的新方向。而在实际应用中，无论是亚马逊，还是紧随其后的阿里、京东等国内巨头，都对无人零售寄于厚望。
-
编辑 删除
MyCat的坑如何在分布式中间件DBLE上改善
近日，ITPUB社区 微学堂栏目邀请爱可生阎虎青先生，以《MyCat的坑如何在分布式中间件DBLE上改善》为主题进行了深度的解读。
-
编辑 删除
零基础深度学习入门：由浅入深理解反向传播算法
自从机器学习被引入到递归的非线性函数中（例如人工神经网络）以来，对相关内容的应用得到了充足的发展。在这种情况下，训练正确的神经网络是建立可靠模型最重要的方面。这种训练通常与"反向传播"一词联系在一起，这个术语对大多数新手来说是非常模糊的。这也是本文所存在的意义。（图源：https://www.youtube.com/watch?v=Ilg3gGewQ5U）反向传播是神经网络训练
-
编辑 删除
AI和ML如何帮助对抗网络攻击？
人工智能人工智能已经进入各种各样的组织和公司，但是，到底是一个福音还是禁令的问题，暂时还是人们讨论的范畴。尽管人工智能的程序实在1958年编写的，但是，近年来它已经出现了大幅的增长。Sophia、Alexa语音机器人等等这样优秀的例子，让人们想要进一步探究在相应的领域是如何对抗人类的。当前情景专家们正在研究将AI添加到不同领域的方法，网络安全就是其中之一。随着时间的推移，在线攻击技术也得到了改进。
-
编辑 删除
小米AI团队新成果，AutoML完爆超分辨率
这次的科研之路，恭喜小米成功了！！！收到了全国人民的贺电！
-
编辑 删除
机器学习之光：神经风格迁移的直观指南！
探索神经风格传输网络的设计选择和技术的直观指南介绍神经风格迁移（NST）是一个非常巧妙的想法。 NST的核心理念是：在CNN中，可以将在计算机视觉任务(例如图像识别任务)中学习到的样式表示和内容表示分离开来。遵循这一概念，NST采用预训练卷积神经网络（CNN）将样式从给定图像传递到另一个图像。这是通过定义损失函数来完成的，该函数试图最小化内容图像、样式图像和生成的图像之间的差异，这将在后面详细讨论
-
编辑 删除
介绍一种有趣的竞争神经网络！
几年前，我想出了一个有趣的方法来理解复杂的概念。典型的大学教学方式是首先通过大量的时间投入去做奠定理论基础的事情，重新学习一些可能你已经知道的基础科目，然后用来解释正在发生的事情。与这种方法相反，当你试图理解某些东西的时候，其实实际的步骤是这样的，你会先从一个很有趣的动机出发，然后再深入了解它的原因和方法。本篇文章将为大家提供一个有趣的介绍：竞争神经网络及其在矢量量化中的应用。矢量量化：一般概念想
-
编辑 删除
安啦！李开复说这四类工作不用担心被AI取代！
李开复有一份令人印象深刻的简历：他拥有计算机学的博士学位，曾就读于卡内基梅隆大学，后担任副教授。也曾担任苹果、微软和谷歌的副总裁。如今，他是中国风险投资公司创新工场的首席执行官，也是《人工智能超级大国：中国、硅谷和新世界秩序》一书的作者。他在周日对CBS的斯科特·佩利(Scott Pelley)曾说过这样一句话，“我相信[AI]将比人类历史上的任何事情都能改变世界。”“人工智能的兴起将极大地改变劳
-
编辑 删除
知否，知否，线性回归基础教程值得拥有
1. 介绍回归分析是监督学习的一个子领域。它的目的是模拟一定数量的特征与连续的多个目标变量之间的关系。在回归问题中，我们试图给出一个定量的答案，用来预测房价或某人看视频的时长。2. 简单线性回归:通过数据拟合直线回归算法将通过一组"点"，来模拟单个特征(解释变量x)和其对应值(目标变量y)之间的关系。它将通过设置任意一条直线并计算这条直线到数据点的距离来实现。这个距离，就是垂直
-
编辑 删除
决策边界可视化，让你的分类合理有序
作者——Navoneel Chakrabarty在数据科学领域，分类问题是一个非常普遍和重要的问题。例如:糖尿病视网膜病变、情绪分析、数字识别、癌症类型预测(恶性或良性)等。这些问题往往通过机器学习或深度学习来解决。像糖尿病视网膜病变或青光眼检测这样的项目中，纹理分析经常被使用，而不是传统的图像处理或深度学习等。虽然根据研究论文，深度学习在处理糖尿病视网膜病变方面有着极强的优越性。补充：纹理分析指
-
编辑 删除
Seq2Seq那些事：详解深度学习中的“注意力机制”
作者——Raimi Karim几十年来，统计机器翻译一直是主导的翻译模型[9]，直到神经机器翻译（NMT）的诞生。NMT是一种新兴的机器翻译方法，它试图构建和训练单个的大型神经网络来读取文本并输出翻译[1]。NMT是来自Kalchbrenner、Blunsom（ https://www.aclweb.org/anthology/D13-1176），Sutskever、Cho等人的提议。本文将基于s
-
编辑 删除
黄波：AI技术在知乎的应用实践
导语：本文根据知乎知乎AI团队技术负责人黄波于第十届中国系统架构师大会(SACC 2018)的现场演讲《知乎如何利用AI理解内容和用户》内容整理而成。讲师介绍黄波，知乎AI团队技术负责人。负责知乎NLP与用户画像相关技术与业务。硕士毕业于北京大学智能科学系，曾在JMLR、ICLR等国际顶级期刊及会议发表多篇学术论文。在加入知乎前，曾任百度自然语言处理部门高级算法工程师，从事智能交互、语义表示、语义
-
编辑 删除
我的作业笔记：吴恩达的Python机器学习课程（神经网络篇）
本文将介绍吴恩达的机器学习课程中关于神经网络的编程作业3和4。这也是我们在课程中遇到的第一个复杂的非线性算法。我不了解你，但这个任务对于我来说肯定有一个陡峭的学习曲线。神经网络构成了深度学习的基础，它具有广泛的应用，如计算机视觉或自然语言处理。因此，重要的是获得基本权利并在python中编码这些赋值是确保这一点的一种方法。在进入神经网络之前，让我们完成逻辑回归的最后一节 - 多类Logistic回
