深度神经网络

揭秘:人工智能深度神经网络的4种精简调试方法

在这篇文章中,我将会介绍一些我们在 Cardiogram 中调试 DeepHeart 时用到的技术,DeepHeart 是使用来自 Apple Watch、 Garmin、和 WearOS 的数据预测疾病的深度神经网络。在 Cardiogram 中,我们认为构建 DNN 并不是炼金术,而是工程学。

深度神经网络(DNN)损失函数和激活函数的选择

在深度神经网络(DNN)反向传播算法(BP)中,我们对DNN的前向反向传播算法的使用做了总结。里面使用的损失函数是均方差,而激活函数是Sigmoid。实际上DNN可以使用的损失函数和激活函数不少。这些损失函数和激活函数如何选择呢?本文我们就对DNN损失函数和激活函数的选择做一个总结。

深度神经网络(DNN)反向传播算法(BP)

在了解DNN的反向传播算法前,我们先要知道DNN反向传播算法要解决的问题,也就是说,什么时候我们需要这个反向传播算法?在DNN中,损失函数优化极值求解的过程最常见的一般是通过梯度下降法来一步步迭代完成的,当然也可以是其他的迭代方法比如牛顿法与拟牛顿法。

如何利用深度神经网络预防恶意软件

目前,越来越多的网络安全解决方案都在依靠机器学习(ML)技术,来保护用户免受恶意软件的攻击。虽然基于ML的方法(如FireEye终端安全的MalwareGuard特性)在检测最新的网络威胁方面做得非常出色,但它们也带来了大量的研发和维护成本,MalwareGuard就是FireEye的数据科学家花费了两年时间研究出来的成果。

【网络研讨会】传统视觉的深度神经网络(DNN)IP 映射出传统计算机视觉算法

时间:8月16日   上午10:00

在过去的几年时间里计算机视觉领域发生了非常重大的变化,从传统的视觉算法转向了深度神经网络算法。很多之前专注于经典视觉算法和相关开发的公司希望在不影响现有情况的前提下采用DNN(深度神经网络)。当为即将推出的产品选择IP时可能需要同时支持传统视觉和基于DNN的视觉功能。