数学电脑
梯度下降方法如何深入的了解？
Ayoosh Kathuria发表在Paperspace的这篇文章介绍了最经典的深度学习优化方法——梯度下降。作者通过长长的博文，解释了梯度下降的概念、优势以及两大挑战。文中还配有大量生动形象的三维图像，感兴趣的亲了解一下...
徐 自远
7年前 (2018-09-08) 461℃
0喜欢
神经网络碰上高斯过程，DeepMind连发两篇论文开启深度学习新方向
神经网络目前是最强大的函数近似器，而高斯过程是另一种非常强大的近似方法。DeepMind 刚刚提出了两篇结合高斯过程与神经网络的研究，这种模型能获得神经网络训练上的高效性，与高斯过程在推断时的...
徐 自远
7年前 (2018-09-08) 409℃
0喜欢
Science重磅！用光速实现深度学习，跟GPU说再见
AI先锋周刊 2018-09-08 12:50:45
如果说GPU养大了深度学习，那么如今深度学习的胃口早已经超越了GPU。
当然，GPU在不断发展，也出现了TPU、IPU、MLU来满足这头巨兽。
深度学习对算力的需求没...
徐 自远
7年前 (2018-09-08) 442℃
0喜欢
机器不学习 www.jqbxx.com : 深度聚合机器学习、深度学习算法及技术实战
编者按：关于NLP领域的迁移学习我们已经介绍过了，fast.ai也有很多相应的讨论。今天给大家展示一个在亚马逊评论数据集上实现的任务，即将评论分为积极或消极两类。
GitHub地址在这里：git...
徐 自远
7年前 (2018-09-08) 767℃
0喜欢
实践学习
面向学生的英特尔® AI Academy
学生套件
您是否正开始进入人工智能空间？ 英特尔为探索机器学习和深度学习的技术基础的开发人员和学生开发了自己掌握进度的实践学习课程。
入门
论坛
...
徐 自远
7年前 (2018-09-04) 515℃
0喜欢
kNN算法——帮你找到身边最相近的人
原创 云栖社区 2018-09-03 12:43:18
摘要： 本文简单介绍最近邻算法的基本思想以及具体python实现，并且分析了其优缺点及适用范围，适合初学者理解与动手实践。
新生开学了，部分大学按照兴趣分配室友的新闻占据了头条，这其...
徐 自远
7年前 (2018-09-03) 421℃
0喜欢
1分钟看懂TPU！谷歌内部技术深度揭秘！
引力空间站 2018-09-03 11:34:55
我们生活在一个技术推动整个文明基石的时代。但是，尽管拥有所有辉煌的发明和技术进步，今天世界比以往更倾向于速度和敏捷性。我们已经从传统的有线拨号互联网连接转移到第四代无线网络。光纤的广...
徐 自远
7年前 (2018-09-03) 706℃
0喜欢
被错误理解的人工神经网络（一）
原创 云栖社区 2018-06-25 17:34:40
神经网络是机器学习算法中最流行且最强大的算法。在定量金融中，神经网络通常用于时间序列预测、构建专有指标、算法交易、证券分类和信用风险建模，它也被用来构建随机过程模型和价格衍生工具。尽管它很...
徐 自远
7年前 (2018-09-03) 451℃
0喜欢
一个机器学习算法工程师，对数学的掌握程度应该是怎样的？
对于机器学习算法工程师而言，统计和线性代数毫无疑问是需要掌握的。
统计
比如评估机器学习算法的表现，用到的各种指标就源于统计学，包括准确率、召回、F1、AUROC等。
（AUROC曲线；图...
徐 自远
7年前 (2018-09-03) 425℃
0喜欢
深度学习不能做因果推理吗？
深度学习的缺点是局限于命题逻辑，不能表示一阶逻辑。也就是说，它只能回答“什么是什么”问题，而不能回答“当…的时候，什么是什么”的问题。也就是说，一般而言，深度学习是无法做因果推理的。但这并不表示我们应该抛弃深度学习，而近期已经出现了对应...
徐 自远
7年前 (2018-09-03) 1148℃
1喜欢
苏公网安备 32021402001397号