量子計算碰上機器學習，谷歌今日的博客介紹了他們在 量子神經網絡 方面的最新進展。

什么是循環神經網絡（RNN）？它們如何運行？可以用在哪里呢？本文試圖回答上述這些問題，還展示了一個 RNN 實現 demo，你可以根據自己的需要進行擴展。

元學習 是目前機器學習領域一個令人振奮的研究趨勢，它解決的是學習如何學習的問題。

新的一年即將到來了，這里先祝各位新年快樂，狗年財運旺旺的 。在新年的最后一篇推送中，就簡單的介紹一下和狗相關的一項黑科技，狗練識別。

遞歸神經網絡（RNN）是一類神經網絡，包括一層內的加權連接（與傳統前饋網絡相比，連接僅饋送到后續層）。因為 RNN 包含循環，所以它們可以在處理新輸入的同時存儲信息。這種記憶使它們非常適合處理必...

今天主要和大家說的是分類檢測過程中，一些稀疏和集成學習的相關知識，首先和大家說下圖像目標定位與檢測的方法分類。

今天看到一些感興趣的東西，現在總結了給大家分享一下，如果有錯，希望大家指正批評，謝謝！那就開始進入正題。

近日，Nature 發表了一個研究團隊開發了一種能自主學習的人工突觸，它能提高人工神經網絡的學習速度。該研究表明記憶就是神經元間相連接突觸的強度分布所表示，而學習可以通過突觸的重新配置（即可塑性...

深度學習正在給自然語言處理帶來巨大的變革。 但是，作為一個初學者，要從哪里起步才好呢？ 深度學習和自然語言處理都是很寬泛的領域。哪些方面才是最重要的，還有，深度學習又是從哪個層面深刻影響了?NLP?呢？

該筆記用技術教學的方式介紹三種最常見的神經網絡架構形式：前饋、卷積和循環，詳細介紹了每一種網絡的基本論文技術性地介紹了三種最常見的神經網絡：前饋神經網絡、卷積神經網絡和循環神經網絡。且該文詳細介...

近日，Slav Ivanov 在 Medium 上發表了一篇題為《37 Reasons why your Neural Network is not working》的文章，從四個方面（數據集、...

深度神經網絡和深度學習是既強大又受歡迎的算法。這兩種算法取得的成功主要歸功于神經網絡結構的巧妙設計。

幾千年來，人們就已經有了思考如何構建智能機器的想法。從那時開始，人工智能 (AI) 經歷了起起落落，這證明了它的成功以及還未實現的潛能。如今，隨時都能聽到應用機器學習算法來解決新問題的新聞。從癌...

以下內容來源于一次部門內部的分享，主要針對AI初學者，介紹包括CNN、Deep Q Network以及TensorFlow平臺等內容。由于筆者并非深度學習算法研究者，因此以下更多從應用的角度對整...

BP神經網絡，訓練的時候，給定一組輸入和輸出，不斷的對權值進行訓練，使得輸出達到穩定。但BP神經網絡并不是適合所有的場景，并不真正的體現出某些場景的真正特點。回到經典的概率論問題，拋硬幣問題，假...

前幾天，Google DeepMind 公開了一篇新論文《克服神經網絡中的災難性遺忘（Overcoming catastrophic forgetting in neural networks）...

本文介紹幾個較新的基于深度學習的SR方法，包括SRCNN，DRCN, ESPCN，VESPCN和SRGAN等。

眾所周知，圖像就是像素值的集合，而這個觀點可以幫助計算機科學家和研究者們構建一個和人類大腦相似并能實現特殊功能的神經網絡。有時候，這種神經網絡甚至能超過人類的準準度。

神經網絡已經成為了人工智能最火的領域，是源于大腦結構的計算模型。 屬于信息處理結構，其最重要的屬性是其從數據中學習的能力。?這些技術在營銷、工程等諸多領域取得了巨大的成功。

對于那些對AI感興趣但還沒有深入研究的傳統數據科學家，下面是對數據科學技術的簡要概述，這些數據科學技術在通俗報紙中被稱為人工智能（AI）。