炼数成金 商业智能深度学习
订阅

深度学习

“数学之美”系列十:有限状态机和地址识别
“数学之美”系列十:有限状态机和地址识别
地址的识别和分析是本地搜索必不可少的技术,尽管有许多识别和分析地址的方法,最有效的是有限状态机。一个有限状态机是一个特殊的有向图(参见有关图论的系列),它包括一些状态(节点)和连接这些状态的有向弧。下 ...
TrueNorth:IBM的百万神经元类人脑芯片
TrueNorth:IBM的百万神经元类人脑芯片
邮票大小、重量只有几克,但却集成了54亿个硅晶体管,内置了4096个内核,100万个“神经元”、2.56亿个“突触”,能力相当于一台超级计算机,功耗却只有65毫瓦。这就是IBM公布的最新仿人脑芯片:TrueNorth。为什么要做 ...
深度学习鼻祖杰夫·辛顿及巨头们的人才抢夺战
深度学习鼻祖杰夫·辛顿及巨头们的人才抢夺战
在过去的三十年,深度学习运动一度被认为是学术界的一个异类,但是现在,Geoff Hinton(如图1)和他的深度学习同事,包括纽约大学Yann LeCun和蒙特利尔大学的Yoshua Bengio,在互联网世界受到前所未有的关注。Hinton ...
人工神经网络关键核心知识点
人工神经网络关键核心知识点
神经网络里面主要就是单层神经网络学习和多层神经网络学习,涉及到知识点主要就是感知器,线性分割,影藏层,权重校正,误差的平方和等知识点。感知器:是神经网络最简单的形式,单层双输入感知器的结构如下:感知器 ...
Deep learning:四十二(Denoise Autoencoder简单理解)
Deep learning:四十二(Denoise Autoencoder简单理解)
采用无监督的方法分层预训练深度网络的权值时,为了学习到较鲁棒的特征,可以在网络的可视层(即数据的输入层)引入随机噪声,这种方法称为Denoise Autoencoder(简称dAE),由Bengio在08年提出
浅谈deep stacking network --- 一种比较实用的deep learning算法
浅谈deep stacking network --- 一种比较实用的deep learning算法
deep stacking network 是 Li Deng 提出的一种判别模型。现在的应用主要在于CTR IR和语言以及图像的分类和回归。
Deep Learning 一些标志性的文章
Deep Learning 一些标志性的文章
分享了一些深度学习里的标志性文章,有兴趣不妨了解下
Deep Learning深度学习相关入门文章汇摘
Deep Learning深度学习相关入门文章汇摘
深度学习是机器学习研究中的一个新的领域,其动机在于建立、模拟人脑进行分析学习的神经网络,它模仿人脑的机制来解释数据,例如图像,声音和文本。深度学习是无监督学习的一种。深度学习的概念源于人工神经网络的研 ...
深度学习研究综述
深度学习研究综述
深度学习是一类新兴的多层神经网络学习算法。因其缓解了传统训练算法的局部最小性, 引起机器学习领域的广泛关注。首先论述了深度学习兴起渊源, 分析了算法的优越性, 并介绍了主流学习算法及应用现状,最后总结当前 ...
关于深度学习(deep learning)
关于深度学习(deep learning)
说起对深度学习的了解,是在今年10月份看了 Stanford University的计算机科学家Andrew Y. Ng教授在Google的一个演讲视频开始的,看了之后还以为就是以前所说的artificial neutral network(人工神经网络),这个东西在 ...
Deep Belief Networks资料汇总
Deep Belief Networks资料汇总
毕设做的是DBNs的相关研究,翻过一些资料,在此做个汇总。可以通过谷歌学术搜索来下载这些论文。
Deep learning的一些有用链接
Deep learning的一些有用链接
Deep learning的一些有用链接
Deep learning的一些教程
Deep learning的一些教程
几个不错的深度学习教程,基本都有视频和演讲稿。附两篇综述文章和一副漫画。还有一些以后补充。
Deep learning:九(Sparse Autoencoder练习)
Deep learning:九(Sparse Autoencoder练习)
前言:   现在来进入sparse autoencoder的一个实例练习,参考Ng的网页教程:Exercise:Sparse Autoencoder。 这个例子所要实现的内容大概如下:从给定的很多张自然图片中截取出大小为8*8的小patches图片共10000张, ...
「深度神经网络」(deep neural network)具体是怎样工作的?
「深度神经网络」(deep neural network)具体是怎样工作的?
微软研究人员在深度神经网络(deep neural network)上取得突破,使其在性能上能赶上目前最先进的语音识别技术。

热门频道

  • 大数据
  • 商业智能
  • 量化投资
  • 科学探索
  • 创业

即将开课

社区热帖

     

    GMT+8, 2019-3-20 07:50 , Processed in 0.116216 second(s), 16 queries .