機器之心 翻譯 2018/10/03 03:30 參與 李詩萌 路雪 自動生成高效DN

前面兩篇隨筆實現的單層神經網路和多層神經網路， 在MNIST測試集上的正確率分別約為90%和96%。在換用多層神經網路後，正確率已有很大的提升。這次將採用卷積神經網路繼續進行測試。 1、模型基本結構

選自medium， 作者： Albert Ierusalem 機器之心編譯， 參與：高璇、張倩 引言 人的大腦中有多種遺忘形式，這是一個正常、可適應且必要的學習過程。其中一個有趣的

在我的上一篇隨筆中，採用了單層神經網路來對MNIST進行訓練，在測試集中只有約90%的正確率。這次換一種神經網路（多層神經網路）來進行訓練和測試。 1、獲取MNIST資料 MNIST資料集只要一行程

在經典的人工神經網路解釋中，隱藏層中的所有神經元最初都是被啟用的，為了完成某一特定任務，有必要關閉其中的一些神經元，即有必要「遺忘」所有不必要資訊。本文提出了具有主動遺忘機制的模型——主動遺忘機器（ac

最近，伯克利發表部落格展示瞭如何使用深度強化學習來控制靈巧手完成各種操作任務。文章討論了這種方法如何學會使用低成本的硬體、如何高效實現，以及通過演示（demonstration）和模擬（simulati

視覺識別近年來發展迅速，包括物體檢測、分割和動作識別。但是，理解場景不僅需要檢測單個物體例項，還需要識別物體對之間的視覺關係，其中尤為重要的一環是檢測並識別每個人如何與周圍物體互動，即人-物互動（HOI

國慶7天樂！祝各位朋友國慶玩的愉快！ 今天Flood繼續在AI的遊樂場玩一玩，和大家分享ICLR19的最新投稿paper《Learning to Reinforcement Learning b

神經網路和深度學習簡史 人工神經網路(ANN Artificial Neural Network)是一類學習的機器學習演算法，它專注於模式識別，對資料進行學習，靈感來自大腦的結構和功能深度學習屬於ANN演算

背景：完全資訊博弈與MCTS演算法 要完全弄清AlphaGo背後的原理，首先需要了解一下AI在博弈遊戲中常用到的蒙特卡洛樹搜尋演算法——MCTS。 在一個完全資訊下的博弈遊戲中，如果所有參

1、MNIST資料集簡介 首先通過下面兩行程式碼獲取到TensorFlow內建的MNIST資料集： from tensorflow.examples.tutorials.mnist import inp

選自Medium，作者： Piotr Migdał，機器之心編譯。 一張好的圖抵得上一千個等式。 神經網路是複雜、多維、非線性的陣列運算。如何在避免過於複雜或重複的情況下呈現深度學習模型架構的

前些日子，參加了一個解放號的行業大資料創新應用大賽， https://1024.jfh.com/question/detail?contestId=6 一.問題描述 賽題是根據西安機場上半年的航

作者：James Le 編譯：weakish 介紹 大三的時候，我有一學期去丹麥哥本哈根交流。我之前沒去過歐洲，去丹麥交流，讓我有機會浸入新文化，遇到新人群，去新地方旅行，以及最重要的，接

A Tutorial on Network Embeddings paper： https://arxiv.org/abs/1808.02590 NE 的中心思想就是找到一種對映函式，該函式將網路中