Demi 的头像
科普 | 深度学习并不是在尝试模拟大脑
2017-07-26 11:18 深度学习, 神经科学, 神经网络 围观: 14
通过历史背景了解深度学习是最简单的方式。这里我们仅指出深度学习的几个关键趋势，而不是提供其详细的历史： 深度学习有着悠久而丰富的历史，但随着许多不同哲学观点的渐渐消逝，与之对应的名称也渐渐尘封。 随着可用的训练数据量不断增加，深度学习变得更加有用。 随着时间的推移，...
龙骑士 的头像
走近 AlphaGo (7.2) ：教你快速理解卷积和卷积神...
2017-07-25 16:24 卷积, 卷积神经网络 围观: 37
用例子说明为何我们需要卷积神经网络，以及卷积在神经网络中的作用。 目前网上的卷积网络科普大多是翻译的，内容大同小异。本文会更偏重于实际例子。 1. 找橘猫：最简单的办法 今天我们的任务是找出图中有没有橘猫： 怎样用最简单(笨)的方法完成这个任务？那肯定是看图中的橘色占多少面积，比如说超过10%...
风一笑 的头像
DeepMind表示要给人工智能增加想象力？我们来仔细看看吧
2017-07-25 14:53 DeepMind, 人工智能, 想象力 围观: 37
因击败世界顶尖围棋选手而名声大噪的谷歌人工智能精品店——DeepMind以消灭人类在智力方面的优越感妄想而著称，发现为其软件代理注入想象力有助于它们更好地学习。 本周发表的两篇论文——《Imagination-Augmented Agents for Deep Reinforcement...
hyaciner 的头像
自动驾驶离我们还有多远？
2017-07-25 09:50 自动驾驶 围观: 35
生活处处有惊喜，从我们的日常出行就可以体会到，随着科技的发展我们的出行越来越便利，共享单车、共享出行等等一系列科技所带来的改变，让我们的出行更加舒适。而近些年在汽车出行方面我们也能感受到，无论是车联网还是汽车科技方面都在给车主们带来从未有过的感受，帮随着科技的快速发展慢慢的在解放驾驶员的双手双脚...
风清扬 的头像
微软自曝“HoloLens 3”：配HPU 2.0、超强AI...
2017-07-24 19:58 HoloLens 3, HPU 2.0, 微软 围观: 39
根据此前报道，微软正在打造下一代的HoloLens，而且由于市场竞争对手太少，据称微软跳过HoloLens 2.0，直接上马HoloLens 3.0混合现实设备。今天微软研究院团队竟然直接透露了新的HoloLens硬件信息，不出意外，下一代HoloLens将配置HPU 2.0（全息处理单元），...
Zora 的头像
智能手机将迎来哪些“黑科技”？
2017-07-24 09:47 智能手机, 黑科技 围观: 40
文/腾讯科技孟佳惠 提到现在的智能手机，“同质化”是一个绕不开的词。如果手机上没有logo你甚至分辨不出是哪个品牌，又回到硬件堆叠、比拼价格的时代。所以，想要突破此限制的手机厂商，势必要有新的布局以及新的玩法。 2017年，随着超级快充、增强现实、人工智能、生物识别等新技术的突破，加上新材料、...
无名氏 的头像
黑客入门需要学习哪些技术？
2017-07-24 09:17 黑客 围观: 42
在学黑客之前，你要知道什么是黑客，黑客就是那些对计算机有着强烈探索欲的人，一个真正的黑客，必须要至少掌握一门编程技术和熟悉系统的操作命令。 我刚开始的时候，第一个学习的编程语言是C语言，当时老师说，C语言是人和机器沟通的钥匙，如果你能掌握了C语言，那么你就等于掌握了机器，因为大家的语言不通，...
Demi 的头像
【深度学习4大技术方向】Keras之父、谷歌研究员拆解机器自...
2017-07-21 15:58 机器自主学习, 深度学习 围观: 48
Keras作者、《Python深度学习》一书的作者 Francois Chollet 在博客上发文探讨深度学习的未来，从技术演化的角度，提出未来深度学习的4大走向：模型即程序、超越反向传播和可微分层、自动化的机器学习、终身学习和重复利用模块化子程序。未来深度学习走向无疑是越来越自主化的，...
kai 的头像
物联网消息协议具有重大安全隐患，你造吗？
2017-07-21 10:00 安全隐患, 物联网 围观: 49
主流的 IoT 消息传递协议缺乏加密机制和足够的设备认证安全性。 许多 IoT 产品供应商采用的 MQTT（消息队列遥测传输）协议（用于 IoT 通信的 Oasis 标准）的实现是不安全的，其正在驱使企业和家庭网络上的 IoT 设备的高风险。尽管云安全联盟推荐使用 TLS 与 MQTT...
风清扬 的头像
深度神经网络生成模型：从 GAN VAE 到 CVAE-GA...
2017-07-21 09:33 GaN, 深度神经网络 围观: 64
在几年前，深度神经网络的热门话题是分类问题： 给定一张图 x，神经网络可以告诉你其中是什么内容，或者说属于什么类别 c。 而近年来，深度神经网络的热门话题是生成模型，它想做的事情相反： 给定一个类别 c，神经网络就可以无穷无尽地自动生成真实而多变的此类别的图像 x。 这无疑听上去更神奇，也更困难。...
--电子创新网--
粤ICP备12070055号