-
时间序列的下一场革命？
所属栏目：[大数据] 日期：2021-05-22 热度：89
Lea等人的开创性工作。（2016）首先提出了基于视频的动作分割的时间卷积网络（TCN）。此常规过程的两个步骤包括：首先，使用（通常）对时空信息进行编码的CNN来计算低级特征，其次，将这些低级特征输入到使用（通常是）捕获高级时域信息的分类器中）RNN。这[详细]
-
机器学习与流场数据可视化
所属栏目：[大数据] 日期：2021-05-22 热度：142
科学计算可视化（Scientific Visualization，SciVis）是计算机图形学的一个重要研究方向，是图形科学的新领域。随着计算能力的不断增强，科学数据中使用的物理模型以及模拟空间的大小都在不断提高。本书尝试性地将机器学习理论应用于科学计算可视化中，大大[详细]
-
洞察2020全球机器人市场
所属栏目：[大数据] 日期：2021-05-22 热度：186
2020年是科幻剧作家卡雷尔-卡佩克首次提出 机器人 一词的一百年。40年后，1961年，通用汽车公司安装了世界上第一个工业机器人，为自动化生产和可编程机器时代铺平了道路。 今天，全球工业机器人市场每年价值480亿美元，对机器人技术的需求正在快速增长。这是[详细]
-
从立体图像估计透明物体3D姿态
所属栏目：[大数据] 日期：2021-05-22 热度：54
对于这个难题的一个解决方案, 例如ClearGrasp提出的方案, 就是使用深度神经网络去修复受损的透明物体的深度图。给定透明物体的RGB-D图像, ClearGrasp使用深度神经网络推测物体表面法线、透明表面的掩模和遮挡边界，用于优化场景中所有透明曲面的初始深度估计[详细]
-
更有效地设计神经网络模型
所属栏目：[大数据] 日期：2021-05-22 热度：144
在本文中，我们将介绍AutoML的以下内容： 如何安装AutoKeras来进行神经网络架构搜索 在使用结构化、图像和文本数据进行回归和分类任务中，如何使用AutoKeras找到最佳的神经网络架构。 如何评估、预测、导出（搜索到的模型）到Keras/TensorFlow，并且查看搜索[详细]
-
详解人工智能领域重大突破
所属栏目：[大数据] 日期：2021-05-22 热度：88
我们讨论15亿参数的 Generative Pretrained Transformer-2（GPT-2）的延迟发布是否合理，似乎还是去年的事情。如果你觉得其实没过多久（本文写于2020年），那必是因为: 臭名昭著的GPT-2模型是OpenAI在2019年2月第一次发布的，但直到9个月后才完全发布（虽然[详细]
-
快速高效的可扩展图神经网络SIGN
所属栏目：[大数据] 日期：2021-05-22 热度：198
图神经网络（GNN）是一种新型的ML模型，专门用于处理图数据。在不同领域，GNN可成功实现领域内关系及相互作用建模，如社会科学，计算机图形与视觉，粒子物理学，化学和医学。但是令人失望的是，对GNN模型的研究和应用都是在规模较小的图上进行的(比如被广泛[详细]
-
通过元强化学习分解实现无奖励自适应
所属栏目：[大数据] 日期：2021-05-22 热度：150
没有人喜欢家务 一 我们可以制造机器人来帮我们做这些家务吗？例如做饭。 训练执行各种任务的智能体的一个通常范式就是针对每个特定的任务利用强化学习的方法训练一个单独的智能体，可是在人们的家中利用强化学习的方式从头开始训练一个智能体将会完全失败，[详细]
-
认知神经科学如何打开 AI 黑箱？
所属栏目：[大数据] 日期：2021-05-22 热度：136
6月22日，北京智源大会举行了认知神经基础专题论坛，来自北京师范大学认知神经科学与学习国家重点实验室的毕彦超教授、北京大学心理与认知学院的方方教授、北京师范大学心理学部的刘嘉教授、北京大学计算机系的吴思教授、中国科学院自动化研究所的余山教授分[详细]
-
人脑的视觉识别有无穷多个解
所属栏目：[大数据] 日期：2021-05-22 热度：52
举个简单的例子。如下图所示，左边是一头熊，熊的局部信息被去除了，只剩下轮廓，而我们人类一眼就能认出这是一头熊。而右边的图则是把熊分成小块然后打乱，只保留局部的信息，全局信息则没有了。我们可以发现这些小块包含熊的眼睛、嘴巴、身体，但是很难认[详细]
-
持续而缓慢的学习，才是正道
所属栏目：[大数据] 日期：2021-05-22 热度：106
在人工智能和机器学习领域中，了解前沿学者的最新研究的能力是每位严肃认真的机器学习从业人员都应该掌握的一项技能。为了跟上行业前沿并增加知识，机器学习从业人员需要具有学术性的思维和习惯。AI、ML和DL的发展日新月异，我们必须掌握前沿研究的知识，而[详细]
-
MIT警示“深度学习过度依赖算力”
所属栏目：[大数据] 日期：2021-05-22 热度：92
他们得出这个结论的根据，是在1058篇论文中所统计的两个信息： 1、在给定的深度学习模型中，单次传播（即权重调整）所需的浮点操作数。 2、硬件负担，或用于训练模型的硬件的计算能力，计算方式为处理器数量乘以计算速率和时间。（研究人员承认，尽管这是一[详细]
-
量子计算目前最大的挑战，在0和1之间
所属栏目：[大数据] 日期：2021-05-22 热度：165
尽管IBM并没有进行实验，但这一结论也得到了行业专家的认可。 UC Austin 教授、理论计算机学家 Scott Aaronson说：IBM 声称可以通过超级计算机的硬盘存储量子状态向量，从而在两天半内模拟 SycamoreIBM 并没有进行实验证明这一结论，但是我几乎没有理由怀疑[详细]
-
从“AI未来五年”谈到“怎么教小孩学机器学习”
所属栏目：[大数据] 日期：2021-05-22 热度：99
Yoshua Bengio来Twitter传道授业解惑啦！ Yoshua Bengio是2018年图灵奖获得者，蒙特利尔大学计算机科学与运筹学系教授，蒙特利尔学习算法研究所（MILA）科学主任，以及微软研究院顾问。 这是他首次在Twitter上亮相，不过可惜的是，他并没有开通自己的Twitter[详细]
-
学术造假者瑟瑟发抖，论文图像查重AI技术重拳出击！
所属栏目：[大数据] 日期：2021-05-22 热度：187
由于利益诱惑和成本低廉，学术造假屡禁不止。在国内，学术造假的最终结果几乎都是不了了之。 根据中国科学技术信息研究所的报告，中国发表SCI论文数量已居世界第二，紧追美国。截止2020年6月22日，全世界共有23425篇SCI撤稿，其中中国10303篇，占比44%。 此[详细]
-
机器学习毕业后，如何规划职业生涯才能成为“老司机”？
所属栏目：[大数据] 日期：2021-05-22 热度：80
如今，越来越多的人希望入行人工智能，而进入AI领域的直接途径是从事机器学习职业。 但是，机器学习从业人员应该怎么规划职业？造就成功的机器学习职业生涯有哪些关键因素？ 作为曾在多个著名企业和学术机构担任实验室负责人的老司机，吴恩达可谓经验丰富，[详细]
-
AI和人类感知的相同点和不同点
所属栏目：[大数据] 日期：2021-05-22 热度：119
那么，人工智能发展到最后真的会变得和生物大脑完全一样吗？不一定，因为两者服务于不同的目的。人工智能要实现的是具有专用功能的机器，而生物智能要实现的是能适应大自然环境的有机体。 但是生物大脑是亿万年进化的产物，所以它在进化过程中已经摸索出极佳[详细]
-
深度学习之父Hinton
所属栏目：[大数据] 日期：2021-05-22 热度：186
SIGIR是一个展示信息检索领域中各种新技术和新成果的重要国际论坛，若非疫情影响，今年本定于中国西安市举行。7月25日-7月30日，第43届SIGIR2020在线上举行。 7月27日，2018年图灵奖得主Geoffrey Hinton带来了主题为《The Next Generation of Neural Network[详细]
-
AI 给你推荐更好的代码，还没bug
所属栏目：[大数据] 日期：2021-05-22 热度：185
剑桥大学法官商学院发表的一项研究显示，程序员将50.1％的工作时间用于编程，而将一半的时间用于debug。估计每年的debug总费用为3120亿美元。 现代软件系统越来越复杂，很多时候一个小小的错误就可能让系统崩溃，带来巨大损失。所以不仅是程序员，企业也在为[详细]
-
贝叶斯优化
所属栏目：[大数据] 日期：2021-05-22 热度：145
问题定义：给定函数f(x)，该函数计算成本高、甚至可能不是解析表达式，同时假定函数导数未知。 你的任务：找到函数得全局最小值。 这无疑是一项艰巨的任务，比机器学习中的其他优化问题还要困难。一般得优化问题可以通过以下三种方式求解： 梯度下降方法依赖[详细]
-
模型压缩方法综述
所属栏目：[大数据] 日期：2021-05-22 热度：184
近年来，基于Transformer的语言模型在神经机器翻译，自然语言推理，and 其他一揽子自然语言理解任务中取得了实质性进展。采用不同语言建模损失进行自监督的预训练，意味着模型可以通过大规模语料来提高许多下游任务的性能。然而，海量参数和长计算轨迹意味着[详细]
-
“CCF-NLP走进高校”系列之“走进郑州大学”
所属栏目：[大数据] 日期：2021-05-22 热度：182
为了促进更多师生对自然语言处理前沿进展的了解，帮助在校计算机及相关专业大学生成长和发展，CCF-NLP致力于让领域内的权威大牛们走进更多的高校，与师生进行沟通和交流。自然语言处理专委会为此将举办一系列CCF-NLP走进高校系列活动。 在CCF-NLP走进高校首[详细]
-
微软眼中的企业数字化
所属栏目：[大数据] 日期：2021-05-22 热度：134
纳德拉解释说，技术强密度指的是组织如何采用最新技术并将其集成到企业应用中，如何构建自身独特的数字能力及信任因子。技术密集度是技术采用度、技术实践能力和对技术的信任三方面的结合。 在他看来，技术强密度不仅决定哪些组织能够度过当前危机，还将决定[详细]
-
最适合初学者的18个经典开源计算机视觉项目
所属栏目：[大数据] 日期：2021-05-22 热度：70
所以在这篇文章中， 我结合并创建了一个基于计算机视觉各种应用的开源计算机视觉项目列表。有很多事情要做，这是一个相当全面的清单，所以让我们深入研究！ 如果你是一个完全的计算机视觉和深度学习的新手并且更想要通过视频学习， 请参考下边： 使用深度学[详细]
-
「Tf-Idf、Word2Vec和BERT」三种模型比较
所属栏目：[大数据] 日期：2021-05-22 热度：184
NLP（自然语言处理）是人工智能的一个领域，它研究计算机和人类语言之间的交互作用，特别是如何通过计算机编程来处理和分析大量的自然语言数据。NLP常用于文本数据的分类。文本分类是指根据文本数据内容对其进行分类的问题。 我们有多种技术从原始文本数据中[详细]
