學(xué)會使用頂級算法的秘訣是什么？如何找到合適的學(xué)習(xí)率?

學(xué)習(xí)率是訓(xùn)練神經(jīng)網(wǎng)絡(luò)最重要的一個(gè)超參數(shù)，但直到最近，許多人才發(fā)現(xiàn)以前設(shè)置學(xué)習(xí)率的方式非常不當(dāng)。去年，Leslie N. Smith在arXiv上提交了一...

2018-08-05 標(biāo)簽：神經(jīng)網(wǎng)絡(luò)算法深度學(xué)習(xí) 5569 0

從圖像數(shù)據(jù)角度為人臉識別準(zhǔn)確率的提高提出的建議

所以，本文的首要目標(biāo)是探究標(biāo)簽噪聲的來源，以及在深度卷積神經(jīng)網(wǎng)絡(luò)中，這些噪聲會給人臉識別造成何種后果。我們主要考慮的問題有：想要達(dá)到清理數(shù)據(jù)的目的，需要...

2018-08-05 標(biāo)簽：人工智能人臉識別深度學(xué)習(xí) 9819 0

基于CNN的方法在代表性的公共數(shù)據(jù)集上的性能優(yōu)于其他方法

最近深度學(xué)習(xí)技術(shù)和卷積神經(jīng)網(wǎng)絡(luò)的發(fā)展為理解位置識別問題提供了另一種方法。AlexNet [ 5 ]顯示，從CNNs中提取的特征經(jīng)過充分有效的訓(xùn)練，在分類...

2018-08-03 標(biāo)簽：神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)集深度學(xué)習(xí) 1.0萬 0

AI頭發(fā)分割模塊、頭發(fā)換色、顏色增強(qiáng)與修正模塊等技術(shù)原理

那么，我們先將紅色轉(zhuǎn)換為對應(yīng)的hsv，然后保留原始黑色頭發(fā)的V，紅色頭發(fā)的hs，重新組合新的hsV，在轉(zhuǎn)換為RGB顏色空間，即為頭發(fā)換色之后的效果(hs...

2018-08-03 標(biāo)簽：AI深度學(xué)習(xí) 1.2萬 0

深度學(xué)習(xí)與深層神經(jīng)網(wǎng)絡(luò)，多層智能學(xué)習(xí)推動(dòng)人工智能！

機(jī)器學(xué)習(xí)使計(jì)算機(jī)能夠處理迄今為止僅由人執(zhí)行的任務(wù)。從駕駛汽車到翻譯語言，機(jī)器學(xué)習(xí)正在推動(dòng)人工智能爆炸式的增長，幫助軟件理解混亂而不可預(yù)知的真實(shí)世界。 但...

2018-08-03 標(biāo)簽：AI人工智能機(jī)器學(xué)習(xí) 4018 0

TensorFlow.js 的基本構(gòu)建塊及其操作,如何創(chuàng)建一些復(fù)雜的模型

在這里，我們將學(xué)習(xí)如何解決優(yōu)化問題。給定函數(shù) f（x），基于 x = a 評估最小化 f（x）。為此，我們需要一個(gè)優(yōu)化器。優(yōu)化器是一種通過漸變來最小化函...

2018-08-01 標(biāo)簽：神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí)TensorFlow 3446 0

初創(chuàng)公司將AI技術(shù)用于畜牧業(yè)，更好的幫助農(nóng)場管理動(dòng)物們的生長

荷蘭的一家公司Connecterra從不同的角度來切入奶牛的健康管理。他們用類似Fitbit手環(huán)的傳感器檢測牛每天的進(jìn)食過程，血壓和營養(yǎng)，并上傳到云服務(wù)...

2018-07-31 標(biāo)簽：傳感器計(jì)算機(jī)視覺深度學(xué)習(xí) 3914 0

Softmax如何把CNN的輸出轉(zhuǎn)變成概率？交叉熵如何為優(yōu)化過程提供度量？

這篇小文將告訴你：Softmax是如何把CNN的輸出轉(zhuǎn)變成概率，以及交叉熵是如何為優(yōu)化過程提供度量，為了讓讀者能夠深入理解，我們將會用python一一實(shí)現(xiàn)他們。

2018-07-29 標(biāo)簽：Python深度學(xué)習(xí)CNN 2.1萬 0

由一只小貓帶咱們走進(jìn)深度學(xué)習(xí)的世界吧！

訓(xùn)練一個(gè)分類器： 這步可以說是很核心的一步，分類器的效果好壞決定了我們最終應(yīng)用的效果，深度學(xué)習(xí)之所以效果要超過傳統(tǒng)的機(jī)器學(xué)習(xí)在部分領(lǐng)域上比如計(jì)算機(jī)視覺，...

2018-07-27 標(biāo)簽：分類器機(jī)器學(xué)習(xí)深度學(xué)習(xí) 2303 0

一種基于能量模型的神經(jīng)網(wǎng)絡(luò)架構(gòu)受限玻爾茲曼機(jī)

和通常的前饋神經(jīng)網(wǎng)絡(luò)不同的是，受限玻爾茲曼機(jī)可以通過可見層的狀態(tài)預(yù)測對應(yīng)隱含層的狀態(tài)，相反亦可以由隱含層預(yù)測可見層對應(yīng)單元的狀態(tài)。同時(shí)，它與玻爾茲曼機(jī)不...

2018-07-26 標(biāo)簽：神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí) 4768 0

詳細(xì)講解谷歌的AutoML

2018年1月，谷歌云宣布將AutoML最為機(jī)器學(xué)習(xí)產(chǎn)品的一部分。目前，AutoML中有一個(gè)公開可用的產(chǎn)品——AutoML Vision，這是一款可識別...

2018-07-26 標(biāo)簽：谷歌神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí) 5686 0

手把手教你解決-深度學(xué)習(xí)訓(xùn)練數(shù)據(jù)不平衡問題

當(dāng)我們解決任何機(jī)器學(xué)習(xí)問題時(shí)，我們面臨的最大問題之一是訓(xùn)練數(shù)據(jù)不平衡。不平衡數(shù)據(jù)的問題在于學(xué)術(shù)界對于相同的定義、含義和可能的解決方案存在分歧。我們將嘗試...

2018-07-24 標(biāo)簽：人工智能深度學(xué)習(xí) 8482 0