#Ural

Neural Networks for Machine Learning by Geoffrey Hinton (1~2)

机器学习能良好解决的问题识别模式识别异常预測大脑工作模式人类有个神经元,每一个包括个权重,带宽要远好于工作站。神经元的不同类型Linear(线性)神经元 Binarythreshold(二值)神经元 watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZX...

【论文笔记】Progressive Neural Networks 渐进式神经网络

ProgressiveNNProgressiveNN是第一篇我看到的deepmind做这个问题的。思路就是说我不能忘记第一个任务的网络,同时又能使用第一个任务的网络来做第二个任务。为了不忘记之前的任务,他们的方法简单暴力:对所有的之前任务的网络,保留并且fix,每次有一个新任务就新建一个网络(一列)。而为了能使用过去的...

【神经网络】Reducing the Dimensionality of Data with Neural Networks

      用神经网络来降维、之前降维用的方法是主成分分析法PCA,找到数据集中最大方差方向。(附:降维有助于分类、可视化、交流和高维信号的存储)这篇paper提出了一种非线性的PCA 的推广,通过一个小的中间层来重构高维输入向量,训练一个多层神经网...

【Deep Learning】Hinton. Reducing the Dimensionality of Data with Neural Networks Reading Note

  2006年,机器学习泰斗、多伦多大学计算机系教授GeofferyHinton在Science发表文章,提出基于深度信念网络(DeepBeliefNetworks,DBN)可使用非监督的逐层贪心训练算法,为训练深度神经网络带来了希望。如果说Hinton2006年发表在《Science》杂志上的论文[1]只是在学术界掀...

Natural Language Processing, 2017, Mar.29, Weekly Report

DistributedRepresentationsofWordsandPhrasesandtheirCompositionalityTMikolov,ISutskever,KChen,GCorrado,JDeanAdvancesinNeuralInformationProcessingSystems,2013,26:...

训练技巧详解【含有部分代码】Bag of Tricks for Image Classification with Convolutional Neural Networks

置顶 2018-12-1122:07:40 Snoopy_Dream 阅读数1332更多分类专栏: 计算机视觉 pytorch 深度学习tricks 版权声明:本文为博主原创文章,遵循 CC4.0BY-SA 版权协议,转载请附上原...

NIPS2018最佳论文解读:Neural Ordinary Differential Equations

 雷锋网2019-01-1023:32  雷锋网AI科技评论按,不久前,NeurIPS2018在加拿大蒙特利尔召开,在这次著名会议上获得最佳论文奖之一的论文是《NeuralOrdinaryDifferentialEquations》,论文地址:https://arxiv.org/abs/1...

论文笔记-IGCV3:Interleaved Low-Rank Group Convolutions for Efficient Deep Neural Networks

2018年07月11日14:05:46 Liven_Zhu 阅读数846 在这篇论文中,作者同时使用低秩核和稀疏核(low-rankandsparsekernel)来组成一个密集kernel。基于ICGV2的基础上,作者提出了ICGV3。近几年,卷积网络在计算机视觉上的有效性已经得到了验证...

How 5 Natural Language Processing APIs Stack Up

https://www.programmableweb.com/news/how-5-natural-language-processing-apis-stack/analysis/2014/07/28 Theworldisawashindigitaldata.Thechallenge:makingsense...
首页上一页12下一页尾页