深度学习

深度学习如何广泛用于恶意软件检测和分类

深度学习(DL, Deep Learning)是机器学习(ML, Machine Learning)领域中一个新的研究方向,深度学习是学习样本数据的内在规律和表示层次,这些学习过程中获得的信息对诸如文字,图像和声音等数据的解释有很大的帮助。

深度学习中的图像增强

图像增强是我们在深度学习领域中绕不开的一个话题,本文我们将讨论什么是图像增强,并在三个不同的 python 库中实现它,即 Keras、Pytorch 和 augmentation(专门用于图像增强的一个库)。所以第一个问题就是什么是图像增强以及常规的数据增强。

打开AI的黑匣子:“可解释的”人工智能(XAI)认知攻略!

2019年,欧盟出台的《人工智能道德准则》中明确提出,人工智能的发展方向应该是“可信赖的”,能够包含安全、隐私和透明、可解释等多个方面。但随着人工智能技术不断普及,由此产生的风险也浮出水面,主要体现在两大方面:1、信任危机,即能否信任和依赖人工智能算法输出的结果。2、道德危机,Deepfake技术的出现在带来新鲜感的同时,也引发了人们对于深度学习和人工智能技术滥用的担忧。

邵岭教授团队提出息肉分割网络PraNet,计图框架下推理速度大幅提升

计图 (Jittor) 是清华大学自主研发,于2020年3月开源的深度学习框架。Jittor框架因其底层使用了元算子和统一计算图,从而大大提升了深度学习框架的性能和灵活性。最近Jittor医学图像智能分割模型库 JMedSeg的发布,直接为智慧医疗相关领域赋能,促进了研究人员对于算法模型的开发与部署。

深度学习的未来在光子——光计算可以大幅减少神经网络的能源需求

过去二十多年来,深度学习需要越来越多的乘法累加运算,计算机的性能也基本遵循摩尔定律大幅增长。然而,随着半导体工艺发展到临近极限,摩尔定律已经失去动力,继续保持成长趋势是一个极大的挑战。