深度学习

深度学习(DL)是循环神经网络、长短期记忆和卷积神经网络架构的结合，是一种从庞大、复杂的数据中理解复杂模式的强大工具。 数据不足是一种糟糕的体验，过去常常限制客户体验。最新的元数据有助于...

工业部门每天都面临着新的挑战和环境变化，所有的资源都是有限的，必须最大限度地利用这些资源，以实现事半功倍的效果。 基于数字化的新技术的出现，为该行业前所未有的优化打开了一扇可能性和机会的窗口，被称为工...

图像分割是医学图像分析中最重要的任务之一，在许多临床应用中往往是第一步也是最关键的一步。在脑MRI分析中，图像分割通常用于测量和可视化解剖结构，分析大脑变化，描绘病理区域以及手术计划和图像引导干预，分...

GMAC 代表“Giga Multiply-Add Operations per Second”（每秒千兆乘法累加运算），是用于衡量深度学习模型计算效率的指标。它表示每秒在模型中执行的乘法累加运算的数...

环境感知 是自动驾驶的第一环，是车辆和环境交互的纽带。一个自动驾驶系统整体表现的好坏，很大程度上都取决于感知系统的好坏。目前，环境感知技术有两大主流技术路线： ①以视觉为主导的多传感器融合方案，典型代...

2012 年，Hinton 等人在其论文《Improving neural networks by preventing co-adaptation of feature detectors》中提出了...

他从未正式上过计算机课程，本科在剑桥大学读的是生理学和物理学，期间曾转向哲学，但最终拿到的却是心理学方向的学士学位；他曾因为一度厌学去做木匠，但遇挫后还是回到爱丁堡大学，并拿到「冷门专业」人工智能方向...

进入文章正题之前，我们需要先简单讲清楚本文中所提到的“规控”究竟是什么。 相信凡是自动驾驶行业的人，一定都知道感知、定位、决策、规划、控制这几大模块——尽管大家日常沟通时如此区分，但具体工作中如果还这...

深度学习的概念源于人工神经网络的研究，含有多个隐藏层的多层感知器是一种深度学习结构。深度学习通过组合低层特征形成更加抽象的高层表示，以表征数据的类别或特征。它能够发现数据的分布式特征表示。深度学习是机...

自20世纪60年代首次进行图像识别实验以来，计算机视觉领域已经取得了长足的进步。 计算机视觉技术正在广泛应用，从自动驾驶汽车到医疗保健再到安全系统。在2023年，随着深度学习、神经网络和图像处理的最新...

译者 | 李睿 审校 | 重楼 什么是人体姿势估计? 人体姿态估计是检测和估计图像或视频中人物姿态的过程。它包括检测人物身体的关键点或关节，例如头部、肩膀、肘部、手腕、臀部、膝盖和脚踝，并估计它们在图...

深度学习正在彻底改变计算机视觉领域。 计算机视觉是使机器能够解释和了解视觉数据的领域。近年来，由于深度学习技术的突破，其取得了重大进展。 深度学习算法具有从大型数据集中学习和提取特征的能力，使机器能够...

译者 | 朱先忠​ 审校 | 孙淑娟​ 深度学习神经网络最近受到了大量关注，原因在于它是当今语音识别、人脸检测、语音控制、自动驾驶汽车、脑肿瘤检测技术背后的技术，而这些在20年前并不属于我们生活的内容...

在数学上，高斯噪声是一种通过向输入数据添加均值为零和标准差(σ)的正态分布随机值而产生的噪声。 正态分布，也称为高斯分布，是一种连续概率分布，由其概率密度函数 (PDF) 定义： pdf(x) = ...

时间序列预测的transformers的衰落和时间序列嵌入方法的兴起，还有异常检测、分类也取得了进步 2022年整个领域在几个不同的方面取得了进展，本文将尝试介绍一些在过去一年左右的时间里出现的更有前...

网络攻击的威胁最近急剧增加，传统的措施现在似乎不够有效。 正因为如此，网络安全领域的深度学习正在迅速取得进展，并且可能是解决所有网络安全问题的关键。 随着技术的出现，对数据安全的威胁也在增加，需要使用...

使用大型数据集训练大型深度神经网络 (DNN) 的问题是深度学习领域的主要挑战。 随着 DNN 和数据集规模的增加，训练这些模型的计算和内存需求也会增加。 这使得在计算资源有限的单台机器上训练这些模型...

AI 引领的新一代信息技术，正驱动新一轮科技浪潮席卷而来。作为近年来国内发展最为迅速的移动互联网平台之一，小红书乘势而上，目前已经形成了以图文和短视频内容为主的超大型 UGC 社区。在这个独特而活跃的...

在距今980年前的北宋仁宗庆历年间，一场关于知识的革命在华夏大地正悄然发生。 这一切的导火索，并非那些身居庙堂的圣贤之言，而是一块块烧制规整的刻字泥坯。 这场革命，正是「活字印刷术」。 活字印刷的精妙...

本文经AI新媒体量子位（公众号ID:QbitAI）授权转载，转载请联系出处。 如今深度学习模型开发已经非常成熟，进入大规模应用阶段。 然而，在设计模型时，不可避免地会经历迭代这一过程，它也正是造成模型...

译者 | 朱先忠 审校 | 孙淑娟 图1：原作者自己设计的Iluminado项目的封面 2019年世界卫生组织估计，全球共有约22亿视力障碍者，其中至少有10亿人本可以预防或仍在治疗。就眼部护理领域而...

条件GAN (cGAN) + Atrous卷积(AC) +带权重块的通道注意力(CAW)。 该论文提出了一种基于深度对抗学习的超声图像乳腺肿瘤分割分类方法（cGAN+AC+CAW），论文虽然是2019...

近年来，伴随着广告主的需求变化和相关技术发展，计算经济学理论、博弈论和人工智能技术被越来越多地应用到广告拍卖机制、投放策略中。 决策智能在商业场景中的意义逐渐凸显。用户看到的每一次商品展现、商家的每一...

1996年的8月19日至23日，芬兰的瓦萨举行了由芬兰人工智能协会和瓦萨大学组织的芬兰人工智能会议。 会议上发表的一篇论文证明：图灵机就是一个循环神经网络。 没错，这是在26年前！ 让我们来看一看，这...

众所周知，在处理深度学习和神经网络任务时，最好使用GPU而不是CPU来处理，因为在神经网络方面，即使是一个比较低端的GPU，性能也会胜过CPU。 深度学习是一个对计算有着大量需求的领域，从一定程度上来...

1.深度学习框架普及 如今，随着深度学习技术的发展，学术界和工业界流行的深度学习框架很多，下面就给大家普及一下目前在学术和工业界较为流行的几个深度学习框架，有助于大家今后对于深度学习进一步的学习。 1...

导读：在真实世界中，很多数据往往以图的形式出现，例如社交网络、电商购物、蛋白质相互作用关系等，过去几年基于神经网络的图数据分析与挖掘方式因其出色的性能受到了广泛的关注，不仅一跃成为学术界的研究热点同时...

译者 | 布加迪 审校 | 孙淑娟 过去十年是深度学习的时代。我们为从AlphaGo到DELL-E 2的一系列重大事件而激动不已。日常生活中出现了不计其数的由人工智能（AI）驱动的产品或服务，包括Al...

译者 | 朱先忠 审校 | 孙淑娟 在本文中，我想和大家分享我优化深度学习模型输入数据的方法。作为一名数据科学家和数据工程师，我已经成功地将这一技巧应用于自己的工作中。您将通过一些具体的实际开发案例来...

Part 01 概述 在实时音视频通信场景，麦克风采集用户语音的同时会采集大量环境噪声，传统降噪算法仅对平稳噪声（如电扇风声、白噪声、电路底噪等）有一定效果，对非平稳的瞬态噪声（如餐厅嘈杂噪声、地...

NeurIPS 2022 会议正在如火如荼地进行之中，各路专家学者围绕着深度学习、计算机视觉、大规模机器学习、学习理论、优化、稀疏理论等众多细分领域展开交流与探讨。 会上，图灵奖得主、深度学习先驱 G...

对时间序列进行分类是应用机器和深度学习模型的常见任务之一。本篇文章将涵盖 8 种类型的时间序列分类方法。这包括从简单的基于距离或间隔的方法到使用深度神经网络的方法。这篇文章旨在作为所有时间序列分类算法...

预训练已成为一种替代和有效的范式，以克服这些缺点，其中模型首先使用容易获得的数据进行训练，然后用于解决感兴趣的下游任务，标记数据比监督学习少得多。 使用未标记数据进行预训练，即自监督学习，尤其具有革命...

译者 | 朱先忠 审校 | 孙淑娟 传统的球面CNN无法扩展到高分辨率分类任务。在本文中，我们介绍了球面散射层（spherical scattering layers）——一种新型的球面层，它可以降低...

根据2021年Pitney Bowes包裹运输指数，全球2020年运送了1310亿个包裹。到2026年，这一数字预计将增加一倍以上，这一数字将因全球疫情和不断增长的电子商务行业而加速。随着在线零售购买...

在回答复杂的问题时，人类可以理解不同模态的信息，并形成一个完整的思维链（Chain of Thought, CoT）。深度学习模型是否可以打开「黑箱」，对其推理过程提供一个思维链呢？近日，UCLA 和...

Makridakis M-Competitions系列（分别称为M4和M5）分别在2018年和2020年举办（M6也在今年举办了）。对于那些不了解的人来说，m系列得比赛可以被认为是时间序列生态系统的一...

图像抠图是指提取图像中准确的前景。当前的自动方法倾向于不加区别地提取图像中的所有显著对象。在本文中，作者提出了一个新的任务称为 参考图像抠图 (Referring Image Matting，RIM...

85 岁的图灵奖得主 Raj Reddy 参加了最近举行的第九届海德堡获奖者论坛。他发出由衷感叹：「我在人工智能领域工作了近 60 年，没想到这种技术会在有生之年实用化。」​ 10 年前，也就是 20...

“可塑性损失”（Loss of Plasticity）是深度神经网络最常被诟病的一个缺点，这也是基于深度学习的 AI 系统被认为无法持续学习的原因之一。 对于人脑而言，“可塑性”是指产生新神经元和神经...

深度学习语义分割篇——FCN原理详解篇 写在前面 在过往的博客中，我已经介绍了几种经典神经网络（VGG、GoogleNet、Resnet等等）在图像分类上的应用，这些都是非常基础却重要的内容，大家务必...

神经网络在训练时的优化首先是对模型的当前状态进行误差估计，然后为了减少下一次评估的误差，需要使用一个能够表示错误函数对权重进行更新，这个函数被称为损失函数。 损失函数的选择与神经网络模型从示例中学习的...

一、DNN泛化能力的问题 论文主要探讨的是， 为什么过参数的神经网络模型还能有不错的泛化性？即并不是简单记忆训练集，而是从训练集中总结出一个通用的规律，从而可以适配于测试集（泛化能力）。 以经典的决策...

深度学习 (DL) 已成为计算机科学中最具影响力的领域之一，直接影响着当今人类生活和社会。与历史上所有其他技术创新一样，深度学习也被用于一些违法的行为。Deepfakes 就是这样一种深度学习应用，在...

小红书多媒体智能算法团队和香港中文大学首次联合提出了基于多阶段多码本紧凑型语音表征的高性能语音合成方案 MSMC-TTS。基于矢量量化变分自编码器（VQ-VAE）的特征分析器采用若干码本对声学特征进行...

译者 | 李睿 审校 | 孙淑娟 对于人类来说，处理可变形物体并不比处理刚性物体困难多少。人们很自然地学会塑造它们，折叠它们，并以不同的方式操纵它们，并且仍然能够识别它们。 但是对于机器人和人工智...

一立方毫米，听起来不大，也就是一粒芝麻的大小，但在人类的大脑中，这点儿空间却能够容纳由1.34亿个突触相连接的大约5万条神经线（neural wires）。 为了生成原始数据，生物科学家需要使用连续超...

​在这篇文章中，理论计算机科学家、哈佛大学知名教授 Boaz Barak 详细比较了深度学习与经典统计学的差异，认为“如果纯粹从统计学角度认识深度学习，就会忽略其成功的关键因素”。 深度学习（或一般的...

​译者 | 朱先忠 审校 | 孙淑娟 引言 深度学习为对非结构化数据进行预测开辟了一个全新的可能性世界。如今，人们常用卷积神经网络（CNN）处理图像数据，而采用递归神经网络（RNN）来处理文本数据，等...

译者 | 布加迪 审校 | 孙淑娟 众所周知，深度学习模型对数据的需求量很大。为深度学习模型提供的数据越多，它们的表现就越好。遗憾的是，在大多数实际情形下，这是不可能的。您可能没有足够的数据，或者数据...

​众所周知，整个宇宙充满着无数分子。 这些分子中又有多少具有潜在的类似药物的特性，可用于开发挽救生命的药物呢？是百万级？还是十亿级？又或是万亿级？ 答案是：10的60次幂。 如此巨大的数字，大大延缓了...

天下武功，唯快不破。怎么更快地训练深度学习模型是业界一直关注的焦点，业界玩家或开发专用硬件，或开发软件框架，各显神通。 当然，这些定律在计算机体系结构的教材和文献中都可看到，譬如这本《计算机体系结构...

在这篇文章中，我将详细解释这篇论文《Why do tree-based models still outperform deep learning on tabular data》这篇论文解释了一个被...

过去十年是深度学习的“黄金十年”，它彻底改变了人类的工作和娱乐方式，并且广泛应用到医疗、教育、产品设计等各行各业，而这一切离不开计算硬件的进步，特别是GPU的革新。 深度学习技术的成功实现取决于三大...

与人类不同，人工神经网络在学习新事物时会迅速遗忘先前学到的信息，必须通过新旧信息的交错来重新训练；但是，交错全部旧信息非常耗时，并且可能没有必要。只交错与新信息有实质相似性的旧信息可能就足够了。 近日...

引言 Deformable-DETR的主要贡献： 1，结合可变形卷积的稀疏空间采用和Transformer的全局关系建模能力，提出可变形注意力机制模型，使其计算量降低，收敛加快。 2，使用多层级特征...

https://www.zhuanzhi.ai/paper/a904f0aa0762e65e1dd0b8b464df7168 图是描述对象及其关系的重要数据表示形式，它们出现在各种各样的现实场景中。图...

今年3月，Gary Marcus（加里·马库斯）提出「深度学习撞墙」这个观点后，在人工智能学界激起千层浪。 当时，就连深度学习三巨头都坐不住了，先是Geoffrey Hinton在一期播客中驳斥了这个...

IT未远，DT已至。 ​​​ DT时代的到来，让“数据+算力”成为推动世界前进的新生源动力。当数据智能驱动产业变革的时代到来，无论你愿不愿意，都将置身DT洪流之中面向未来。 然而，除了互联网企业以外...