-
学习一个像小鼠一样工作的 CNN
导语：真正的「从生物神经系统得到启发」雷锋网(公众号：雷锋网) AI 科技评论按：当前的基于 CNN 的图像识别模型确实能在许多任务中得到很高的识别准确率、也得到了许多实际应用，但 CNN 模型的泛化性和鲁棒性仍然远逊于人类视觉 —— 面对经过细微修改的、或者带有噪声的图像，人类的视觉识别几乎不受影响，而 CNN 的识别准确率则可能大幅波动；场景和视角也能显著影响 CNN 的表现，更别提
-
多模态和多语言视觉研究走到哪里了？专访王威廉组王鑫
导语：视觉可以成为连接语言的桥梁雷锋网 AI 科技评论按：CMU 博士、UC Santa Barbara 计算机科学系助理教授王威廉（William Wang）是一位非常活跃、非常出名的华人学者，他是该校 NLP 小组的负责人，研究领域涵盖信息提取、社交媒体、语言和视觉、口语处理、机器学习理论和知识图谱等。他是社交媒体红人，他的科研团队也连续有大批论文被近几年的 AI/ML/NLP 会议接收，以及
-
微众银行开发的全球首个工业级联邦学习开源框架 FATE 升级 v1.1！特别支持云上部署
作为联邦学习全球首个工业级开源框架，FATE 在近日发布的 v1.1 版本中，不仅上线了横向联邦学习通用算法框架，增加了DNN、回归等多个联邦算法，并开始支持多方纵向联邦建模，支持spark引擎，支持FATEServing服务治理，支持secureboost在线预测等。此外，FATE 还联合 VMware 中国研发开放创新中心云原生实验室的团队一起搞了个「大事」——支持在公有云和私有云中
-
谷歌发布人体图像分割工具BodyPix 2.0，可在iPhone上流畅运行
今天，Google官方推出了使用TensorFlow.js的人体图像分割工具BodyPix 2.0，对该工具进行了一次重大升级，加入多人支持，并提高了准确率。BodyPix能将图像分割为属于人的和不属于人的像素，属于人的部分可以进一步分类为二十四个身体部位之一。BodyPix可以直接在浏览器中运行，开发者只需加入几行代码，即可与电脑或手机的摄像头配合使用。在使用默认设置的情况下，BodyPix可以
-
剑指LightGBM和XGboost！斯坦福发表NGBoost算法
导语：与 LightGBM 和 GBoost 比较，它是否具有优势?James Pond 在 Unsplash 杂志上的照片Stanford ML Group 最近在他们的论文中发表了一个新算法，其实现被称为 NGBoost。该算法利用自然梯度将不确定性估计引入到梯度增强中。本文试图了解这个新算法，并与其他流行的 boosting 算法 LightGBM 和 XGboost 进行比较，以了解它在实
-
十亿节点大规模图计算降至「分钟」级，腾讯开源图计算框架柏拉图
11 月 14 日，腾讯正式宣布开源高性能图计算框架 Plato，据介绍，Plato 可满足十亿级节点的超大规模图计算需求，将算法计算时间从「天」级缩短到「分钟」级，性能全面领先于其它主流分布式图计算框架，并且打破了原本动辄需要数百台服务器的资源瓶颈。Plato 开源地址：https://github.com/tencent/plato伴随着人工智能领域技术的发展，「图计算」的应用场景也越来越广泛
-
「AutoML」如何使用强化学习进行模型剪枝？
2019-11-13 11:43:44大家好，欢迎来到专栏《AutoML》，在这个专栏中我们会讲述AutoML技术在深度学习中的应用，这一期讲述在模型剪枝中的应用。作者&编辑 | 言有三我们往期的文章中介绍了各种各样的模型压缩技巧，那么是否也可以使用AutoML技术来用于模型压缩，比如剪枝呢。1 AMCAutoML for Model Compression(AMC)是一个利用强化学习自动
-
斯坦福大牛Jure Leskovec：图神经网络研究最新进展
2019-11-13 13:25:49作者：学术君昨日，除了刷屏的“双十一”与AAAI开（放）奖（榜），斯坦福大牛Jure Leskovec正好到访清华，学术君的朋友圈是一片喜气洋洋呐……Jure Leskovec有多火，来张现场图瞅瞅……Jure Leskovec有多厉害？Jure Leskovec图网络领域的大牛Jure Leskovec，是斯坦福大学计算机学院的副教授，也是图表示学习方法 n
-
Apache Flink 为什么能够成为新一代大数据计算引擎？
众所周知，Apache Flink（以下简称 Flink）最早诞生于欧洲，2014 年由其创始团队捐赠给 Apache 基金会。如同其他诞生之初的项目，它新鲜，它开源，它适应了快速转的世界中更重视的速度与灵活性。大数据时代对人类的数据驾驭能力提出了新的挑战，Flink 的诞生为企业用户获得更为快速、准确的计算能力提供了前所未有的空间与潜力
-
高精地图中地面标识识别技术历程与实践
本文将主要介绍高德在高精地图地面标识识别上的技术演进，这些技术手段在不同时期服务了高精地图产线需求，为高德地图构建高精度地图提供了基础的技术保证。
-
深度学习AI美颜系列——人像静态/动态贴纸特效算法实现 | CSDN博文精选
作者 | Trent1985来源 | CSDN博客人像静态/动态贴纸特效几乎已经是所有图像视频处理类/直播类app的必需品了，这个功能看起来复杂，实际上很简单，本文将给大家做个详细的讲解。我们先来看一下FaceU的两张效果图：这两张效果图中， 我们可以看到一些可爱的圣诞帽贴纸和小鹿形象贴纸，在人脸区域，自动贴上不同的贴纸，便会生成很多有趣的特效，这也是大家爱不释手的原因。我们从静态贴纸讲起，动态贴
-
清华自然语言处理科学家孙茂松：深度学习碰壁之后，我们还能做什么？
2019-11-10 04:31:50作者 | 蔡芳芳编辑 | 唐里10 月 31 日，北京创建全球人工智能学术和创新最优生态的标志性学术活动“智源大会”在国家会议中心召开。会上，自然语言处理领域国际领军人物、清华大学教授、智源首席科学家孙茂松接受采访向记者表示：当前，大数据驱动的自然语言处理已经做得不错，但大知识或者比较丰富的知识驱动的自然语言处理才刚刚起步，智源的目标是实现大数据和大知识双轮驱
-
揭穿AI竞赛各种冠军模型根本没用？Kaggle受益者挺身反驳
2019-09-24 11:38:46【新智元导读】今天，一个话题引起热议：AI竞赛根本不能产生有用的模型，无法适用于现实世界；获胜的模型也不一定是最好的模型，冠军获胜只是因为他们运气好。那么，各种AI竞赛意义何在？作者的观点引发许多人反驳。最近，一个新的大型CT脑扫描数据集被发布，其目的是训练模型以检测颅内出血。围绕该数据集，北美放射学会(RSNA)发布了一场Kaggle竞赛，有人在
-
落地！落地！落地！百度AI攻坚战：PaddlePaddle中国突围
2019-11-07 13:39:52百度CTO 王海峰作者 | 阿司匹林2013年，百度开始研发深度学习框架PaddlePaddle，搜索、凤巢CTR预估上线DNN模型。2016年，在百度世界大会上，百度宣布PaddlePaddle开源，标志着国产开源深度学习平台的诞生。时间来到2019，人工智能已经进入商业落地的关键节点。今年4月，在WaveSummit深度学习开发者峰会上，时任百
-
通俗易懂：图卷积神经网络入门详解
作者 | 蝈蝈来源 | 转载自知乎用户蝈蝈【导读】GCN问世已经有几年了（2016年就诞生了），但是这两年尤为火爆。本人愚钝，一直没能搞懂这个GCN为何物，最开始是看清华写的一篇三四十页的综述，读了几页就没读了；后来直接拜读GCN的开山之作，也是读到中间的数学部分就跪了；再后来在知乎上看大神们的讲解，直接被排山倒海般的公式——什么傅里叶变换、什么拉普拉斯算子等等，给搞蒙了，越读越觉得：“哇这些大佬
-
一文速览百度飞桨 21 项重磅发布 & 升级
11 月 5 日，「WAVE SUMMIT+」2019 深度学习开发者秋季峰会在北京召开。在本次峰会上，飞桨（PaddlePaddle）全新发布和重要升级 21 个产品方向，包括：面向产业应用场景的四大端到端开发套件、融合数据和知识的预训练结合迁移学习的飞桨 Master 模式等。本次更新不仅仅是飞桨功能易用性的提升，也是飞桨由开发者迈向产业应用的开端。在此，雷锋网 AI 开发者将其更新内容整理编
-
深度学习求解「三体」问题，计算速度提高一亿倍
这篇论文试图通过深度神经网络来解决天体力学中著名的三体问题。早在牛顿的时代，三体问题就已经被提出，即三个可视为质点的天体在相互之间万有引力作用下的运动规律问题，至今无法被精确求解。与之相对的，描述两个天体相互运动的二体问题可以通过牛顿力学完美解决。三体问题在国内的知名度部分来自于科幻小说家刘慈欣的小说《三体》，其中就描述了一个生活在三体星系的地外文明，忍受着三颗恒星复杂多变的运行轨迹带来的变化多端
-
深圳Python培训学习：Python3 简介–[千锋]
深圳Python培训学习：Python3 简介–[千锋]
-
训练生成对抗网络的一些技巧和陷阱
作者：Utkarsh Desai编译：ronghuaiyang导读生成对抗网络是个好东西，不过训练比较麻烦，这里有一些技巧和陷阱，分享给大家。生成对抗网络(GANs)是当前深度学习研究的热点之一。过去一段时间，GANs上发表的论文数量有了巨大的增长。GANs已经应用于各种各样的问题。我读了很多关于GANs的书，但是我自己从来没有玩过。因此，在阅读了一些论文和github repos之后，我决定亲自
-
图神经网络的介绍（基础，DeepWalk和GraphSage）
作者：Steeve Huang编译：ronghuaiyang导读给大家介绍目前非常热门的图神经网络，包括基础和两个常用算法，DeepWalk和GraphSage。近年来，图神经网络(GNN)在社交网络、知识图谱、推荐系统甚至生命科学等各个领域得到了越来越广泛的应用。GNN具有对图中节点间依赖关系建模的强大功能，使得图分析相关研究领域取得了突破。本文会介绍图神经网络的基本原理，以及两种更高级的算法，
