鸿蒙开发者社区

WOT技术大会

公众号矩阵

移动端

短视频免费课程课程排行直播课软考学堂

全部课程厂商认证 IT技术 25年5月软考 PMP项目管理免费题库

文章资源问答课堂专栏直播

51CTO

鸿蒙开发者社区

51CTO技术栈

51CTO官微

51CTO学堂

51CTO博客

CTO训练营

鸿蒙开发者社区订阅号

51CTO软考

51CTO学堂APP

51CTO学堂企业版APP

鸿蒙开发者社区视频号

51CTO软考题库

账号设置退出

人工智能

2.8w内容

关注

聚合人工智能话题下，包括机器学习、深度学习、计算机视觉、自然语言处理等领域的新闻资讯、前沿理论、技术知识、应用案例。

文章博文帖子课程

共 2.8w 条

世界上还没有人工智能？我们被深度学习骗了吗

概述：本人作者、Novaquark创始人兼总裁Jean-Christophe Baillie表示，“没有机器人就没有人工智能。”在这篇文章中，他讨论了人工智能是什么，以及AlphaGo不能被称之为人工智能的原因。

2017-05-17 14:58:28

人工智能深度学习

深度学习中的怪圈将成就难以置信的成果

怪圈是一种循环系统，横贯不同等级的各个层次。循环在机器学习系统中并不典型，按照惯例，这些系统由不同计算层的无环图构成。然而，我们现在开始发现，采用”反馈循环”能衍生出一种令人难以置信的、新的自动操作。

2017-05-17 13:21:36

深度学习机器学习算法

初学TensorFlow机器学习：如何实现线性回归？

在本文中，你将学习如何用回归来解决一个实际问题。你将看到，如果你想拥有最强大的预测器，TensorFlow 工具将是正确的选择。

2017-05-17 08:24:08

TensorFlow 机器学习线性回归

如何用深度学习推荐电影？教你做自己的推荐系统！

用电影海报来打造推荐系统。

2017-05-16 15:00:24

使用 Node.js 对文本内容分词和关键词抽取

一下内容是分词库 nodejieba 基本的使用方法，在将来我们可以利用它对众成翻译发布的译文自动分析添加相应的 tag，以为各位译者和读者提供更好的用户体验。

2017-05-16 14:28:05

Node.js 自然语言处理

一文读懂聚类算法

聚类是数据挖掘中的概念，就是按照某个特定标准(如距离)把一个数据集分割成不同的类或簇，使得同一个簇内的数据对象的相似性尽可能大，同时不在同一个簇中的数据对象的差异性也尽可能地大。也即聚类后同一类的数据尽可能聚集到一起，不同类数据尽量分离。

2017-05-15 11:10:10

大数据聚类算法

何时浅探，何时深究—机器学习不是一张纸就能说完的译文

深度学习的一大优势在于，其水平提升往往能够在各类场景下实现通用。举例来说，在某一领域中适用于深度学习的具体技术通常可以直接转移至其它领域，而无需经过任何修改。更具体地讲，构建大量计算密集型图像与语音识别类深度学习模型的方法已经全面渗透至自然语言处理当中。

2017-05-12 17:58:11

深度学习人工智能

tensorflow如何实现基于深度学习的图像补全

在本文中，我将介绍图像补全的一种方法，我的例子是人脸，但是DCGANs也可以在其他类型的图像上使用。

2017-05-12 16:25:44

深度学习图像补全 tensorflow

机器学习和深度学习是怎么一回事？Faizan Shaikh来帮你解答

本文以浅显易懂的语言介绍了机器学习和深度学习的定义及应用，以及在源数据要求，硬件支持，特征工程、问题解决方式、执行时间及可解释性等方面的区别，对于新手入门有很大启示意义。

2017-05-11 12:22:10

机器学习深度学习

让问答更自然 - 基于拷贝和检索机制的自然答案生成系统研究

2017 年初，Facebook 在机器学习和科学计算工具 Torch 的基础上，针对 Python 语言发布了一个全新的机器学习工具包 PyTorch。一经发布，这款开源工具包就受到了业界的广泛关注和讨论，经过几个月的发展，目前 PyTorch 已经成为从业者最重要的研发工具之一。PyTorch 为什么如此受欢迎，研究人员是出于怎样的考虑选择了 PyTorch？针对这些问题，我们今天不妨来看看专业人士怎么说。

2017-05-11 12:13:58

MySQL：数据结构及算法原理

本文以MySQL数据库为研究对象，讨论与数据库索引相关的一些话题。特别需要说明的是，MySQL支持诸多存储引擎，而各种存储引擎对索引的支持也各不相同，因此MySQL数据库支持多种索引类型，如BTree索引，哈希索引，全文索引等等。

2017-05-11 11:59:12

MySQL 数据结构算法原理

为什么有些数学研究者会看不惯甚至鄙视深度学习（Deep Learning）？

做理论的人，不得不一个个学过来，想过了，试过了，然后放掉，下一个。解决问题是最终的目标，而不是学得比人多些，然后坐在原地不动夸耀自己厉害。耍弄十八般武艺，比不过高手一招制敌。至于这一招怎么找到，或者从理论分析这边入手，或者从实验入手，都是一样有价值，都是平等的，不存在谁鄙视谁的问题。

2017-05-10 20:31:13

数学研究者深度学习

达观数据：推荐系统算法实践之重排序

推荐系统流程可以分为数据清洗、数据存储、候选集生成、候选集融合规则过滤、重排序。

2017-05-10 16:01:39

推荐系统算法实践

机器学习决策树算法学习笔记

利用香浓熵找到信息增益最大的特征，按照信息增益最大的特征划分数据，如此反复，让无序的数据变的更加有序。使用ID3算法构建树结构。当传入一个新数据时，按照数据找到对应树节点，直到最后没有叶子节点时，完成分类。

2017-05-10 15:41:29

机器学习算法数据

正在涌现的新型神经网络模型：优于生成对抗网络

随着深度神经网络技术的发展，新型的网络架构也在不断涌现。

2017-05-10 14:32:31

神经网络网络架构模型

当人工智能有了“梦想”，人类该如何应对？

相信看过《超能陆战队》的网友内心呼声都是：“这样的‘大白’，给我来一沓！”但是，随着科技的发展，人工智能的“脑力”会呈指数级爆发式增长，人类并不能保证所有的人工智能都能完全为自己所掌控，一旦人工智能的自我思维开始觉醒，人类可能将面临自诞生以来的巨大挑战。

2017-05-10 11:42:27

人工智能凭什么毁灭人类

近日，钢铁侠Elon Musk发布了一条Twitter称，“我们得对人工智能（AI）十分小心”，“它的潜在危害性比核武器还要严重”。如果人工智能真的在未来拥有了自我思维和意识，它到底会对人类造成什么危害？人工智能又凭借什么毁灭人类？

2017-05-10 11:30:28

还以为自己是独一无二的吗？人工智能将对你say no

今年1月在中国上映的《星球大战：原力觉醒》是科幻电影《星球大战》系列的第七部，该系列横扫全球，人工智能是其中极其重要的看点。

2017-05-10 11:23:28

入门级攻略：机器学习 VS. 深度学习

本文以浅显易懂的语言介绍了机器学习和深度学习的定义及应用，以及在源数据要求，硬件支持，特征工程、问题解决方式、执行时间及可解释性等方面的区别，对于新手入门有很大启示意义。

2017-05-10 09:26:41

机器学习深度学习

当司法拥抱算法，正义与科技谁将笑到最后？

司法拥抱科技进步的明天已经到来，至于公平、正义、效率等社会价值目标在司法拥抱技术之后，最终究竟会茁壮成长还是黯然失宠？

2017-05-09 16:45:26

司法算法法官

如何用 TensorFlow 教机器人作曲？秘诀原来是这样

计算机会首先把你的语音转化成文字，并且提取出关键字，转化成词向量。然后会用一些打过标签的音乐的数据，这些标签就是人类的各种情感。接着通过在这些数据上面训练一个模型，模型训练好后就可以生成符合要求关键词的音乐。

2017-05-09 15:39:33

ensorFlow 机器人机器学习

机器学习从入门到精通

本部门主要对机器学习的基本概念以及相关的方法分类进行一个概要的介绍。进行的拓展主要在于总结和科普，没有进行详细详细的展开，后续会进一步进行展开或总结。

2017-05-09 08:48:44

机器学习中容易犯下的错

在处理少量的数据时，尽量多的去尝试更多的算法是合理的，并且去选择最好的算法建立在实验成本低的情况下。但是，当我们碰到“大数据”时，就需要对数据进行前期分析，然后相应的设计建模流程。(例如预处理、建模、优化算法、评价，产品化)

2017-05-09 08:18:11

机器学习损失函数正则化

深度学习的“深度”有什么意义?

深度学习的”深度”，早几年讨论的挺多的，身边有不同的理解：深度=更大规模的网络，也有认为：深度=更抽象的特征，近年来物理上也有人侧面显示：深度=玻璃相转变，如果后者的观点成立，那么仅仅引入GPU甚至FPGA硬件的目的只是加快，没有算法的帮助(调参也算一种算法，后面会解释)是不会加深的!

2017-05-08 16:13:33

深度学习神经网络深度

人工智能各国战略解读

当前，人工智能发展持续火热，正成为新一代科技革命的排头兵。美国作为科技强国，正不断加强对前沿技术的全面研究，提升人工智能在国家战略中的地位。本文系统梳理了美国白宫2016年发布的以人工智能为主题的3份报告，对相关的组织推进、核心结论和政策建议进行了解析，并结合我国现状阐述了这3份报告对我国发展人工智能的启示。

2017-05-08 15:36:09

人工智能机器学习

深度学习的时间序列模型评价

这次主要说最近发展的无监督特征学习和深入学习，其对于时间序列模型问题的评价。这次主要概述了时间序列数据存在的特殊挑战，并提供了工作的评价，其含有把时间序列应用到非监督特征学习算法或者是有选择的促成特征学习算法的变动去考虑目前时间序列数据的挑战。

2017-05-08 14:42:36

深度学习神经网络时间序列

TensorFlow上手要点都总结在这儿了，你还有理由偷懒吗？

本文作者 Steven Dufresne，总结了新手学 TensorFlow 需要的核心知识点和实操内容，旨在鼓励更多人借 TensorFlow 迈入深度学习殿堂。作为基础入门教程，该教程从 TensorFlow 原理简介讲到上手操作，对核心概念逐条解释，非常适合基础薄弱、苦无入门途径的新手。

2017-05-08 11:02:59

TensorFlow 神经网络深度学习

一元线性回归梯度下降算法的Octave仿真

在梯度下降算法理论篇中，曾经感叹推导过程如此苍白，如此期待仿真来给我更加直观的感觉。当我昨晚Octave仿真后，那种成就感着实难以抑制。分享一下仿真的过程和结果，并且将上篇中未理解透澈的内容补上。

2017-05-08 08:39:12

梯度算法 Octave 机器学习

人工智能与自然语言处理概述：AI三大阶段、NLP关键应用领域

本文全面概述了人工智能及其各个细分领域的状况，并着重介绍了大数据和自然语言处理的发展，对自然语言处理在大数据中扮演的角色作了探讨。

2017-05-08 06:14:19

人工智能自然语言大数据

滴滴出行与斯坦福人工智能实验室达成合作

5月5日消息，滴滴出行宣布与斯坦福大学人工智能实验室（Stanford Artificial Intelligence Laboratory）达成合作，双方将围绕人工智能热点课题进行科学研究、课程创新、人才培养等。这是继牵手密歇根大学之后，滴滴再一次与国际高校进行合作，标志着滴滴正在持续吸引、聚集海外创新资源，携手以全球视野推进前沿科技不断突破。

2017-05-05 16:10:39

滴滴出行斯坦福人工智能

如何布局人工智能领域？微软是这样做的原创

人工智能成了人们街谈巷议的“全民热词”，而微软在构建微软智能云上的战略规划也显得越发清晰起来 —— 微软的目标是普及人工智能全民化（Democratizing AI） —— 将先进的人工智能技术转化为每个人触手可及的工具、平台和服务，予力全球每一人、每一组织，成就不凡。

2017-05-05 15:51:26

布局人工智能领域

自然语言处理领域的核心：序列学习

生活中所有的实物都与时间有关，从而形成了一个序列，在这一篇当中，我们将一起认识自然语言处理领域的核心：序列学习。

2017-05-05 15:34:49

自然语言处理

大数据的发展，伴随的将是软件工程师的渐退，算法工程师的崛起

大数据在人类历史长河的各个时期一直存在着，只是要等到技术发展到一定阶段，它才开始崭露头角。而它的未来又在哪里?来自 Intercom 的工程师 Cathal Horan 表达了他对大数据的看法，他认为，未来属于算法，而不是代码。

2017-05-05 10:45:45

大数据动向

深度学习10大框架对比分析

在 BEEVA Labs，我们常常需要应对许多不同的深度学习库，所以我希望能够将我们的发现和感想分享出来，帮助那些刚刚进入深度学习这一美丽世界的人。

2017-05-05 10:15:38

深度学习框架对比分析

干货｜在机器学习中如何应对不均衡分类问题？

在处理机器学习等数据科学问题时，经常会碰到不均衡种类分布的情况，即在样本数据中一个或多个种类的观察值明显少于其他种类的观察值的现象。在我们更关心少数类的问题时这个现象会非常突出，例如窃电问题、银行诈骗性交易、罕见病鉴定等。在这种情况下，运用常规的机器学习算法的预测模型可能会无法准确预测。这是因为机器学习算法通常是通过减少错误来增加准确性，而不考虑种类的平衡。这篇文章讲了不同的方法来解决这个不均衡分类问题，同时说明了这些方法的好处和坏处。

2017-05-05 09:30:28

机器学习不均衡分类

如何给非专业人士讲解什么是深度学习？

深度学习就是这样一种在表达能力上灵活多变，同时又允许计算机不断尝试，直到最终逼近目标的一种机器学习方法。

2017-05-05 09:13:07

深度学习 AI 决策树

如何从信号分析角度理解卷积神经网络的复杂机制？

RECOS 模型用信号分析的角度为我们剖析了卷积神经网络。从这个角度来看，我们可以看到激活函数和深度架构的有效性。然而，以下几个方面仍需要重点研究：网络架构设计、弱监督学习、对错误标签的鲁棒性、数据集偏差和过拟合问题等。

2017-05-05 08:57:06

卷积神经网络机制

有触感又能自愈的机器人正在变成现实

人类皮肤是难以复制的，因为它不仅柔韧、有触感且能够自愈。然而，科学家们的最新发现正在赋予机器人皮肤这样的特性。

2017-05-04 21:59:04

机器人机器人皮肤

大话“人工智能、数据科学、机器学习”--综述

学科交叉乃大势所趋，新兴学科应市场需求孕育而生。人数机，便产生在这样的时代背景下。什么，你所在的学校至今还没开设相关专业?不必惊慌，老牌资本主义国家德国同样如此。但是，学好微积分、线代、优化、统计、编程，你和人数机可能只是俩三堂专业课的距离。本文旨在从宏观的视角剖析人数机，具体到某个学科或问题，请参见文中给出的链接。

2017-05-04 20:45:07

人工智能数据科学机器学习

当知识图谱“遇见”深度学习

近日，Tartu大学计算机科学系计算神经学小组的学者在robohub网站发表文章，阐述了他们对DeepMind人工智能算法的复现。在arXiv发表的原始论文中，描述了一个单个的网络，它能够自我学习从而自动的玩一些老的电视游戏。它仅仅通过屏幕上面的图像和游戏中的分数是否上升下降，从而做出选择性的动作。

2017-05-04 13:18:18

深度学习知识图谱

如何给非专业人士讲解什么是深度学习？

文对深度学习的概念阐述刻意避免了数学公式和数学论证，这种用水管网络来普及深度学习的方法只适合一般公众。对于懂数学、懂计算机科学的专业人士来说，这样的描述相当不完备也不精确。流量调节阀的比喻与深度神经网络中每个神经元相关的权重调整，在数学上并非完全等价。对水管网络的整体描述也有意忽略了深度学习算法中的代价函数、梯度下降、反向传播等重要概念。专业人士要学习深度学习，还是要从专业教程看起。

2017-05-04 13:11:28

深度学习 AI

是什么让深度学习能够深入世界并改变世界？

受人类大脑的生物学习过程的启发，科学家们研究出了人工神经网络(ANN)。“深度学习”指的是由许多层网络层组成的人工神经网络。它是机器学习中发展最快的领域。它使用包括多层网络层的深层神经网络(DNN)来学习表征和抽象，从而理解图像、声音和文本等数据。

2017-05-03 08:19:04

深度学习世界 ANN网络

我是如何用机器学习技术帮助HR省时间的

搜索和阅读简历占据了招聘的大部分时间。在 HR 搜索或阅读简历时，需要根据简历名称或工作内容对简历类别进行判断，简历类别的 “区分度” 越高，HR 越容易通过搜索定位到对应的简历，也越容易甄别出简历与空缺岗位的匹配度。

2017-05-02 20:56:36

机器学习 HR 简历

浅谈深度学习的基本概念和方法

本文旨在提供直观简明的深度学习引导，涵盖深度学习的基本概念，而不涉及很多数学和理论细节。当然如果要做更深入的研究，数学肯定是必不可少的，但是本系列主要还是用图片和类比等方式，帮助初学者快速建立大局观。

2017-05-02 14:45:11

深度学习机器学习人工神经网络

一种基于机器学习的自动化鱼叉式网络钓鱼思路

机器学习在网络安全领域的应用已经有广泛研究，目前大多用于网络攻防中的“防”，但是ML也容易被黑客利用进行恶意攻击。本文将介绍一种基于机器学习的社会工程模型—自动化鱼叉式网络钓鱼。

2017-05-02 14:41:00

网络钓鱼机器学习社会工程

游戏中的深度学习与人工智能

本文是作者跟大家分享的内容是深度学习在游戏AI中的应用这样一个话题。

2017-05-02 13:45:14

人工智能深度学习游戏

数据平台上的计算能力：哪些GPU更适合深度学习和数据库？

GPU和AI越来越火，引起了大批投资者和开发者的注意。百度前首席科学家Andrew Ng提到，AI的春天已经到来，其重要因素之一是GPU处理能力，能让神经网络的智能可以随数据增加而提升，突破了过去的AI所能达到的平台。

2017-05-02 11:47:17

深度学习 AI

用几何学提升深度学习模型性能，是计算机视觉研究的未来

深度学习使计算机视觉得以蜕变。如今，绝大多数问题的最佳解决方案是基于端到端的深度学习模型，尤其是当卷积神经网络倾向于开箱即用后便深受青睐。但这些模型主要为大型黑箱，其透明度很差。

2017-05-02 09:54:03

深度学习几何学计算机

机器学习项目中的数据预处理与数据整理之比较

使用机器学习或深度学习技术构建分析模型并不容易。数据准备占去整个分析管道的60%到80%。市场上有各种用于数据清洗和特征工程的编程语言、框架和工具。它们之间的功能有重叠，也各有权衡。

2017-05-02 08:40:36

机器学习预处理整理

人工智能和机器学习——这些流行词你Get到了吗？

到2017年为止，最常用的流行语就是人工智能(AI)和机器学习(ML)了，但是，现在越来越明显，它们的使用范围覆盖各种领域，包括数据分析、自动驾驶、网络安全、物联网、市场营销、数字助理和所有这些一切的鼻祖——大数据。

2017-04-29 11:28:57

人工智能机器学习 AI

上一页 1 ··· 542 543 544 545 546 ··· 562 下一页

51CTO技术栈公众号

业务
速览

媒体

51CTO CIOAge HC3i

社区

51CTO博客鸿蒙开发者社区 AI.x社区

教育

51CTO学堂精培企业培训 CTO训练营