头条 | AI学术最大一笔投资：MIT砸10亿美元成立计算机学院
问答 | PaddlePaddle 一直安装失败
推荐 | 机器学习算法的基本原理-附Python和R语言代码
博客 | 利用RapidMiner简化数据准备和机器学习任务
推荐
机器学习十大经典算法简介
不仅仅是选中的十大算法，其实参加评选的18种算法，实际上随便拿出一种来都可以称得上是经典算法，它们在数据挖掘领域都产生了极为深远的影响。1.C4.5C4.5算法是机器学习算法中的一种分类决策树算法,其...
宁静致远
349 次阅读
/ 1 个赞
CNN五大经典模型:Lenet，Alexnet，Googlenet，VGG，DRL
Lenet就从Lenet说起，可以看下caffe中lenet的配置文件，可以试着理解每一层的大小，和各种参数。由两个卷积层，两个池化层，以及两个全连接层组成。卷积都是5*5的模板，stride=1，池...
野蔷薇
89 次阅读
/ 2 个赞
你知道应聘上一份机器学习的工作需要哪些条件吗？
目标导向，不谈其他的方向，只谈如何快速拿到数据挖掘的offer。我选择了公司的校招中比较严格的（top5%）一个jd要求，我们看下如何拿下这个offer。计算机或者数学等相关专业学历无论你是什么专业的...
徐大白
120 次阅读
/ 4 个赞
深度学习中的注意力机制
最近两年，注意力模型（AttentionModel）被广泛使用在自然语言处理、图像识别及语音识别等各种不同类型的深度学习任务中，是深度学习技术中最值得关注与深入了解的核心技术之一。本文以机器翻译为例，...
布拉格之恋
48 次阅读
/ 1 个赞
迁移学习之Domain Adaptation
导读：域适应是迁移学习中最常见的问题之一，域不同但任务相同，且源域数据有标签，目标域数据没有标签或者很少数据有标签，本文主要介绍了几篇基于卷积神经网络来处理域适应这个问题的文章。迁移学习中几种常见的问...
Shawnny
13 次阅读
/ 2 个赞
基于DNN的人脸识别中的反欺骗机制
想象一下，只需使用脸部即可解锁手机，无需指纹扫描或触摸。它会在没有任何用户干预的情况下自动且完美地工作。是的，目前已经可以做到了这一点，它被称为iPhoneX，你可能已经在使用它了。更好的未来是：使用...
扶桑
28 次阅读
/ 2 个赞
Tensorflow实践：用神经网络训练分类器
任务：使用tensorflow训练一个神经网络作为分类器，分类的数据点如下：螺旋形数据点原理数据点一共有三个类别，而且是螺旋形交织在一起，显然是线性不可分的，需要一个非线性的分类器。这里选择神经网络。...
扶桑
34 次阅读
Python学习笔记1（常用命令）
学习的过程中，总有些东西是暂时记不住的，那就让电脑去记，我们记住怎么查就行了。查得多了，自然也就记住了。数学运算函数：abs()返回数字的绝对值divmod()计算两个数的商和余数，用元组返回pow(...
Ξ魂牵梦萦Ξ
58 次阅读
/ 5 个赞
一个应用于物体识别的迁移学习工具链
迁移学习指的是，通过对预训练模型的参数进行微调，将训练好的模型应用到相似或者只有细微差异的不同任务中。通过这个方法，我们可以基于一些性能顶尖的深度学习模型得到别的高性能模型。尽管听上去较为简单，迁移学...
Shawnny
20 次阅读
/ 2 个赞
使用Python+Tensorflow的CNN技术快速识别验证码
近年来，机器学习变得愈加火热，中国选手柯洁与AlphaGo的人机大战更是引起热议。目前，在图像识别和视觉分析研究中，卷积神经网络（CNN）技术的使用越来越多。Tensorflow是由Google团队开...
Santana-
73 次阅读
/ 1 个赞
BAM 双向联想记忆神经网络
神经网络的联想记忆功能可以分为两种，一是自联想记忆，另一种是异联想记忆。①自联想记忆（Associativememory）：假定有m个样本矢量X(i)，其中i=0,1,2,3...m-1.若网络输入X...
Jay
20 次阅读
/ 1 个赞
机器学习中牛顿法凸优化的通俗解释
我们知道，梯度下降算法是利用梯度进行一阶优化，而今天我介绍的牛顿优化算法采用的是二阶优化。本文将重点讲解牛顿法的基本概念和推导过程，并将梯度下降与牛顿法做个比较。1.牛顿法求解方程的根有时候，在方程比...
徐大白
15 次阅读
/ 2 个赞
TensorFlow中专门解决机器学习问题的评估器
要训练我们的分类模型，我们需要使用Google的开源机器学习库——TensorFlow。TensorFlow对外开放了非常丰富的API接口，但此时我们需要用到的仅仅是一些高层次API，也就是评估器（E...
骚年`
44 次阅读
/ 1 个赞
正
在
加
载
中
~
加入极智能
与百万AI开发者一起成长
与百万AI开发者一起成长
欢迎加入极智能官方Q群（598653547）交流学习或提供建议。为了打造一个更好的社区、更好地为大家服务，如有意见和建议欢迎随时反馈！
立即反馈
