神经网络

简单理解LSTM神经网络

在传统神经网络中,模型不会关注上一时刻的处理会有什么信息可以用于下一时刻,每一次都只会关注当前时刻的处理。举个例子来说,我们想对一部影片中每一刻出现的事件进行分类,如果我们知道电影前面的事件信息,那么对当前时刻事件的分类就会非常容易。

权值衰减和L2正则化傻傻分不清楚?

神经网络是伟大的函数逼近器和特征提取器,但有时它们的权值变得过于特定化,导致过拟合。这就是正则化概念出现的地方,我们将讨论两种主要权重正则化技术之间的细微差别,它们经常被错误地认为是相同的。

1 个 AI 模型 = 5 辆汽车终身碳排量,AI 为何如此耗能?

根据最新的研究结果,训练一个普通的 AI 模型消耗的能源相当于五辆汽车一生排放的碳总量,而 BERT 模型的碳排放量约为 1400 磅二氧化碳,这相当于一个人来回坐飞机横穿美国。为何 AI 模型会如此费电,它们与传统的数据中心计算有何不同?

可以提高你的图像识别模型准确率的7个技巧

假定,你已经收集了一个数据集,建立了一个神经网络,并训练了您的模型。但是,尽管你投入了数小时(有时是数天)的工作来创建这个模型,它还是能得到50-70%的准确率。这肯定不是你所期望的。本文是一些提高模型性能指标的策略或技巧,可以大大提升你的准确率。

什么时候以及为什么基于树的模型可以超过神经网络模型?

神经网络通常被认为是机器学习的圣杯,无所不知,解决一切问题,主要是因为它们很复杂。另一方面,基于树的方法并没有被同样的敬畏和炒作,主要是因为它们看起来很简单。虽然它们看起来如此不同,但它们只是一枚硬币的两面。

NEIV 2020观点 | Imagination 安德鲁·格兰特:神经网络处理器IP加速自动驾驶发展

9月30日,“2020中国新能源智能汽车产业峰会(NEIV2020)”在佛山隆重举行。因为国外疫情影响,会议邀请英国Imagination公司的AI高级总监安德鲁·格兰特录制演讲报告《半导体IP驱动汽车行业智能发展》与会分享。他在报告中以丰富的神经网络加速器的使用案例,阐述人工智能和边缘系统级芯片的计算能力如何实现汽车产业变革,加速人工智能自动驾驶的发展。