demi的博客

关于深度卷积神经网络的前世今生，就不在此处进行过多的介绍。在此，主要对网络的各个组成部分进行简要介绍。深度卷积神经网络主要是由输入层、卷积层、激活函数、池化层、全连接层和输出层组成。

常见的生成式模型有：线性判别式分析 (Linear Discriminant Analysis)、朴素贝叶斯 (Native Bayesian)、K近邻 (KNN)、混合高斯模型 (GaussianMixture Model)、隐马尔科夫模型 (HiddenMarkov Model)、贝叶斯网络 (Bayesian Networks)......

如今说起汽车行业的网红代表，“自动驾驶”当之无愧。从自动驾驶概念推出以来，行业大佬们都跃跃欲试，各种自动驾驶生态圈层出不穷，自动驾驶也必然是未来汽车科技发展的趋势。但到底什么是自动驾驶，不同级别的自动驾驶分别能实现什么样的自动化水平，在开发自动驾驶系统时如何正确定义级别？

从诞生以来，人工智能理论和技术日益成熟，应用领域也不断扩大。

到底人工智能是什么？学人工智能必看哪些书籍？简单来说，人工智能就是研究如何让计算机去完成以往需要人的智力才能胜任的工作，通过生产能像人类一样做出智能反应的智能机器，来代替人类从事一些脑力或体力劳动。

本文简要地对遗传算法进行阐述，让以前没有接触过遗传算法的人有个大概的认识，并了解遗传算法的工作原理

尽管对云游戏领域的投资和市场关注度都很高，但到2020年，全球个人掌机、PC或移动设备的云游戏付费玩家用户数量不会超过1000万。

深度学习和机器学习已经变得无处不在，那它们之间到底有什么区别呢？本文我们为大家总结了深度学习VS机器学习的六大本质区别。

人们曾经认为眼睛是一个“闇哑的”传感器，通过视觉神经将数据发送到大脑，大脑包含了所有的视觉“处理”能力。近年来，科学家们一直在探究眼睛内视网膜神经元的复杂结构和线路。正如对大脑的研究已经为现代人工智能(AI)做出了巨大的贡献一样，关于视觉系统的这些发现也提出了一个有趣的框架，可以指导当今高度专业化、分布式和互连的数据中心中类似的复杂处理任务的未来发展。

数据稀缺到现在有大量的数据，近年来，可用的数据量呈指数级增长，大数据变得无处不在。这是由于数据记录设备数量的巨大增长，以及这些设备之间通过物联网连接。似乎每个人都有收集、分析大数据的力量。但是，大数据真的是万能的吗?毫无疑问，大数据已经在某些领域产生了至关重要的影响。