歡迎關注“創事記”的微信訂閱號：sinachuangshiji 文/三石 來源：新智元（AI_era） 【新智元導讀】小說家Ross Goodwin效仿大文豪Jack Kerouac進行了

一個月之前，微軟釋出了基於 深度神經網路 的文字到語音（text-to-speech，TTS）系統，並且做為 Azure 認知服務中的一項，提供面向客戶的預覽版本。 就此，我們採訪了

GitHub連結：https://github.com/waleedka/hiddenlayer HiddenLayer 非常簡單，易於擴充套件，且與JupyterNotebook 完美相容。開發該工具的

開發者為了更好地鑑賞藝術作品可謂是無所不用其極，此前我們曾推薦過一個開源專案faceswap，這是一款基於深度學習技術的工具，用於識別和交換圖片、視訊中人物的臉部影象。具體的介紹這裡不再贅述，感興趣的話可以點進去稍

目錄：  ●  神經網路前言 ●  神經網路 ●  感知機模型 ●  多層神經網路 ●  啟用函式 ●  Logistic 函式 ●  Tanh 函式 ● 

(本文所使用的Python庫和版本號: Python 3.6, Numpy 1.14, scikit-learn 0.19, matplotlib 2.2 ) 前面我們介紹了神經網路的基本結構單元-感知器，

小螞蟻說： ACM CIKM 2018 全稱是 The 27th ACM International Conference on Information and Knowledge Management

智慧機器人在生活中隨處可見：iPhone裡會說話的siri、會下棋的阿法狗、調皮可愛的微軟小冰……她們都具有一定的智慧，能夠和人類進行互動。這些智慧機器人非常神奇，看上去離我們也十分遙遠，但其實只要我

文字理解是自然語言處理領域的一個核心目標，最近取得了一系列的進展，包括機器翻譯、問答等。不過之前的工作大多數是關心最終的效果，而人們對於模型何時做出決定（或做決定的原因）卻知之甚少，這是一個對於理論研究和實際應

AAAI-19 (Thirty-Third AAAI Conference onArtificial Intelligence) 將於2019年1月27日至2月1日在美國夏威夷舉行。AAAI

研究背景 語音合成系統主要分為兩類，拼接合成系統和引數合成系統。其中引數合成系統在引入了神經網路作為模型之後，合成質量和自然度都獲得了長足的進步。另一方面，物聯網裝置（例如智慧音箱和智慧電視）的大量普及也對

本文介紹作者在IV2018上的獲獎論文“Probabilistic Prediction of Vehicle Semantic Intention and Motion”。

為了方便大家學習，我們將會出 5期 強化學習的論文總結，每期會有 20篇 左右的論文，敬請關注。 本期內容如下： 1.Robust  Adversarial

反向傳播演算法隸屬於深度學習，它在解決模型優化問題的方面有著重要的地位。 這一演算法由被譽為深度學習之父的Geoffrey Hinton提出。1986年，他發表了名為Learni

1. ROI 一個比較簡單的做法是利用computer vision技術從攝像頭視角獲取道路資訊。然後是選取 ROI(Region of Interest) , 基本上就是選顏色 + 選區域。