本文（ 《三種提升一對多多語言翻譯策略》 ）是搜狗和中科院自動化所合作發表在 EMNLP 2018 上的工作。搜狗翻譯目前採用業界領先的神經網路機器翻譯框架支援 60 種以上不同語言之間的互譯，考慮

近日，由 Aston Zhang、李沐等人所著圖書《動手學深度學習》放出了線上預覽版，以供讀者自由閱讀。這是一本面向在校學生、工程師和研究人員的互動式深度學習書籍。 線上書地址：https://z

來源：https:// arxiv.org/pdf/1811.0360 0.pdf 編譯：Bot 編者按：談到加速模型訓練，平行計算現在已經成為一個人人可以信手拈來的術語和技巧——

作者：Daniel Rothmann 編譯：weakish 這兩年來AI，特別是深度學習發展迅猛，我們在影象和視訊處理方面看到了大量AI技術的應用。儘管AI進入音訊世界的步伐要晚一點，我們同樣

機器之心個人主頁：https://www.jiqizhixin.com/users/a761197d-cdb9-4c9a-aa48-7a13fcb71f83 1. 介紹 選文理由：從統計理論轉向人工智慧

定義神經網路結構 我們定義一個兩層的神經網路，輸入層不算，一個隱藏層，含128個神經元，一個輸出層。 數學理論證明：具有足夠數量神經元的兩層神經網路能夠擬合任意精度的連續函式。所以，今天咱們就

AI 前線導讀：玩過《蒙特祖瑪的復仇》（Montezuma’s Revenge）這款視訊遊戲的玩家可能知道它有多難，更不用說對 AI 來說有多難。這款遊戲光是第一關就有 24 個佈滿了陷阱、繩索、梯子、敵人和

目錄：  ●  迴圈神經網路的應用     ●  文字分類     ●  序列標註     ●  機器翻譯  ●  Attention-based model  ●

論文地址： On Generality and Knowledge Transferability in Cross-Domain Duplicate Question Detection for Heter

作者：塗子沛，著名大資料專家，阿里巴巴集團前副總裁，著有《大資料》《資料之巔》《數文明》資料三步曲。作者授權虎嗅獨家首發此文。 在難得的飯後閒餘，我偶爾也關注一些娛樂新聞。我注意到，最近國內外公眾

在實踐中有時候為了達到更好的效果需要用一些技巧。 Practical Reinforcement Learning 1. 我們知道在交叉熵方法中，例如進行一百次實

本文擴充套件了Herman Kamper和我在2018 年深度學習 Indaba組織的自然語言處理前沿課程。整個課程的幻燈片都可以在這裡找到，這篇文章將主要討論 NLP 中基於神經網路方法的

EMNLP和CoNLL大會堪稱自然語言處理（NLP）領域的年度盛宴。 每年，全球最頂尖的NLP研究者們會在這兩個大會上展示最前沿的NLP科研成果。然而，動輒上千篇的論文卻令很多關注NLP領域最新動態

背景介紹 人力資源行業其實是做關於人的決策的資料密集型行業，其中的傳統資料就包括簡歷、JD、面試評價、績效等。隨著時代和技術的發展，對資料的處理已經從簡單人工處理進入到了人工智慧技術的應用，而知識圖譜則能把

京東資料團隊曾經出了一片關於對話系統的論文《A Survey on Dialogue Systems:Recent Advances and New Frontiers（智慧對話系統調查：前沿與進展）》，全文引