【轉載請註明出處】chenrudan.github.io 隨著神經網路演算法的發展，網路效能雖然越來越強大，但是也耗費了太多的計算資源和記憶體，為了得到更有效率的網路以及能部署在移動端，近幾年神經網路的

昨日，reddit 上一篇帖子引發熱議，該帖介紹了一篇關於梯度下降對過引數化神經網路影響的論文，該論文只用單個非常寬的隱藏層，並證明了在一定條件下神經網路能收斂到非凸優化的全域性最優解。這是對深度學習的

AI人工智慧神經網路在線上色軟體Paintschainer VS Paintstransfer的簡介及建議教程 最近，我對古風水彩上色十分感興趣，外加在研究神經網路繪畫方面的事情，最近發現了幾個特別好玩的線

大家好！歡迎來到FloodSung的AI遊樂場！ 雖然Meta Learning現在已經非常火了，但是還有很多小夥伴對於Meta Learning不是特別理解。考慮到我的這個AI遊樂場將充斥

今天Flood和大家分享一下Chelsea Finn的博士論文賞析。 Chelsea Finn，想必很多人還是很熟悉的，可以說是AI圈最牛逼的博士之一吧。我也算是自來粉，雖然曾經的paper還被她

神經網路（NN），也被稱為人工神經網路（ANN），是機器學習領域中學習演算法的子集，大體上借鑑了生物神經網路的概念。目前，神經網路在計算機視覺、自然語言處理等領域應用廣泛。德國資深機器學習專家 Andrey

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