-
隨著生成對抗網(wǎng)絡(luò)的發(fā)展，可能讓網(wǎng)絡(luò)上到處都是個性化定制的內(nèi)容？
2014年，Ian Goodfellow提出生成對抗網(wǎng)絡(luò)(GAN)的概念, 從那之后，生成對抗網(wǎng)絡(luò)就一直是學術(shù)界的研究熱點, Yann LeCun還稱之為”過去十年間，機器學習領(lǐng)域最
-
軟件正在“吞噬”全世界 機器學習卻主導了軟件行業(yè)
據(jù)外媒報道，就如同幾年前軟件接管全球技術(shù)行業(yè)一樣，如今我們看到機器學習算法開始主導軟件行業(yè)。 五年前，科技企業(yè)家馬克·安德森（Marc Andreesen）在華爾街日報上發(fā)
-
外星人離我們已不再遙遠
如果云計算在1982年就成為現(xiàn)實的話，科幻電影《外星人E.T.》中E.T. 的可能會更快的回歸自己的星球。對于那些并不是很了解的年輕人而言，E.T. 是同名叫座電影中的一個可愛的外星人&mdas
-
領(lǐng)先的機器學習工具，深度學習將如何改變醫(yī)療成像領(lǐng)域？
深度學習在數(shù)據(jù)分析方面正在呈現(xiàn)持續(xù)增長的趨勢，并被稱為2013年的10項突破性技術(shù)之一 [1]。它是對神經(jīng)網(wǎng)絡(luò)的改進，包含更多的計算層，從而能夠在數(shù)據(jù)中進行更高層次的抽象和預測 [2]。到目前為
-
人工智能能夠完成人類的工作時，是否會搶走人類的飯碗呢？
人工智能的浪潮正在席卷全球，大數(shù)據(jù)、機器學習等諸多類似科技熱詞時刻縈繞在我們耳邊。大多數(shù)人對這些高頻詞匯背后的含義總是似懂非懂。相較而言，大數(shù)據(jù)與人工智能我們常聽，那么“機器學習&r
-
編程語言排行榜Python高居首位，是什么讓它成為最流行的機器學習語言！
Python，是一種面向?qū)ο蟮慕忉屝陀嬎銠C程序設(shè)計語言，由荷蘭人Guido van Rossum于1989年發(fā)明，第一個公開發(fā)行版發(fā)行于1991年。 自從20世紀90年代初Python語
-
谷歌成功利用機器學習檢測出糖尿病性視網(wǎng)膜病變，與眼科醫(yī)生旗鼓相當
糖尿病本身不一定造成危害，但長期血糖增高可引起多種急性和慢性并發(fā)癥，可能會導致失明、心血管疾并腎功能衰竭甚至是下肢截肢等，嚴重時甚至可能導致死亡。其中糖尿病性視網(wǎng)膜病變（DR）是糖尿病性微血管病
-
人工智能機器學習之K近鄰算法（KNN）
人工智能之機器學習主要有三大類：1）分類；2）回歸；3）聚類。今天我們重點探討一下K近鄰（KNN）算法。 K近鄰KNN（k－Nearest Neighbor）算法，也叫K最近鄰算法，19
-
人工智能你到底了解多少？
AI概念籠統(tǒng)，范圍廣大，到底什么才是AI的核心？ 美國當?shù)貢r間5月8日，一年一度谷歌I／O開發(fā)者大會在山景城舉辦，外界的焦點皆為谷歌利用AI在各項研發(fā)方向的進展。據(jù)悉，谷歌已經(jīng)開發(fā)了最新
-
人工智能機器學習之受限玻爾茲曼機（RBM）算法
人工智能之機器學習主要有三大類：1）分類；2）回歸；3）聚類。今天我們重點探討一下受限玻爾茲曼機（RBM）算法。 受限玻爾茲曼機RBM在深度學習領(lǐng)域一直有重要應(yīng)用，它是一種可用隨機神經(jīng)網(wǎng)
-
對Hopfield神經(jīng)網(wǎng)絡(luò)（HNN）下結(jié)論及分析在人工智能方面的應(yīng)用
神經(jīng)網(wǎng)絡(luò)在1980年代復興歸功于物理學家約翰·霍普菲爾德（Hopfield）。1982年，霍普菲爾德提出了一種新的神經(jīng)網(wǎng)絡(luò)，可以解決一大類模式識別問題，還可以給出一類組合優(yōu)化問題的
-
人工智能機器學習三大類之回歸模型（RM）
人工智能之機器學習主要有三大類：1）分類；2）回歸；3）聚類。今天我們重點探討一下回歸模型（RM）。 回歸不是單一的有監(jiān)督學習技術(shù)，而是許多技術(shù)所屬的整個類別。回歸的目的是預測
-
人工智能之機器學習Analogizer算法－支持向量機（SVM）
人工智能之機器學習有5大流派： 1） 符號主義，2） 貝葉斯派，3） 聯(lián)結(jié)主義，4） 進化主義，5） Analogizer。今天我們重點探討一下Analogizer中最擅長算法－支持向量機（SV
-
什么是遷移學習？遷移學習的實現(xiàn)方法與工具分析
深度學習主要強調(diào)的是特征，強化學習主要強調(diào)的是反饋，而遷移學習主要強調(diào)的是適應(yīng)。 之前介紹過人工智能之機器學習算法有前5大類內(nèi)容，具體請參見相關(guān)文章。今天我們重點探討一下第6
-
機器學習之樸素貝葉斯
學習過概率的人一定知道貝葉斯定理，在信息領(lǐng)域內(nèi)有著無與倫比的地位。貝葉斯算法是基于貝葉斯定理的一類算法，主要用來解決分類和回歸問題。 人工智能之機器學習中最為廣泛的兩種分類模型是1）決策
-
人工智能為數(shù)據(jù)中心提供更多技術(shù)支持
與許多為業(yè)務(wù)捉摸支持的技術(shù)一樣，許多數(shù)據(jù)中心都采用效率低下的傳統(tǒng)技術(shù)因此，為了跟上時代的步伐，數(shù)據(jù)中心的運營需要更大的發(fā)展。而人工智能可能就是提供更多支持的一種技術(shù)。 人工智能(AI)不
-
Google AI也做“章魚保羅”：預測籃球賽勝負
谷歌已經(jīng)透露，它將在本賽季最大的體育賽事中使用其數(shù)據(jù)科學技術(shù)預測NCAA Final Four比賽結(jié)果。 Google Cloud部門將使用人工智能和機器學習來計算哪支球隊將贏得比賽，但其中的不
-
Google Kubernetes機器學習工具包Kubeflow發(fā)布0.1版
摘要：在Kubernetes日漸成為各大基礎(chǔ)架構(gòu)環(huán)境都要支持的公用工具時，其應(yīng)用也逐漸在各個領(lǐng)域發(fā)酵，而該工具能調(diào)度龐大規(guī)模容器集群的能力，也相當適合與機器學習、大數(shù)據(jù)等應(yīng)用場景結(jié)合。 &n
-
利用機器學習量化研究發(fā)現(xiàn),天文學領(lǐng)域的引用率對女性不利
一項利用機器學習對性別歧視進行量化的研究發(fā)現(xiàn)，天文學領(lǐng)域的引用率對女性不利。據(jù)蘇黎世瑞士聯(lián)邦理工學院的研究人員估計，由于性別歧視，和男性相比，第一作者為女性的論文引用率要低10%左右。
-
避免這些常見的誤解，了解機器學習可以實現(xiàn)和不能實現(xiàn)的機制
摘要：當技術(shù)像機器學習一樣被炒得沸沸揚揚時，就會有許多誤解產(chǎn)生。以下是關(guān)于機器學習可以提供，或不能提供的清晰視角。 &nbs
- 安富利3kW模擬電源供應(yīng)器（PSU）解決方案開發(fā)板來襲，申請領(lǐng)好禮
- 得捷芯聞解碼視頻研習站第五期：打造更安全、更智能、更舒適、高續(xù)航的駕乘體驗
- FPGA供電應(yīng)用遇挑戰(zhàn)？MPS高性能FPGA供電解決方案幫你破局
- 得捷芯聞解碼研習站第四期：網(wǎng)絡(luò)安全芯片，讓您的應(yīng)用系統(tǒng)無懈可擊
- “變現(xiàn)”指南：上傳資料獲三重紅包，親測有效！
- 《21ic技術(shù)洞察》系列欄目：AI芯紀元——AI加持，語?助?再進化！
- 得捷芯聞解碼研習站第三期：MCU助?多應(yīng)?打破功耗噩夢與安全隱患困局
