第966期机器学习日报(2017-05-11)

更新于 2017年5月12日 机器学习
我来说两句
0 2017年5月12日

2017-05-11 日报 机器学习

机器学习日报 2017-05-11

@好东西传送门 出品,由@AI100运营, 过往目录http://ml.memect.com

订阅:关注微信公众号 AI100(ID:rgznai100,扫二维码),回复“机器学习日报”,加你进日报群

微信公众号:rgznai100

本期话题有:

全部25 深度学习7 算法6 资源5 自然语言处理4 视觉3 会议活动2 经验总结2 入门1 应用1

用日报搜索找到以前分享的内容: http://ml.memect.com/search/

集智科学家   网页版 2017-05-11 21:59
资源 幻灯片 徐飞玉
深度 | 人工智能变迁,从实验室走入日常生活。作者:徐飞玉,联想AI实验室负责人。在本文中,机器之心对AI WITH THE BEST大会上 AI 专家徐飞玉的演讲进行了梳理,并附有大会演讲视频和 PPT。http://t.cn/Ra62tyM

 

wx:人工智能头条   网页版 2017-05-11 15:36
资源 课程
「详解TensorBoard如何调参」官网有两篇关于 TensorBoard 的教程,学习之后总感觉还是不太会用,只是讲了如何做出图来,可是到底该怎么发挥 TensorBoard 的功能呢? 不能只是看看热闹,画出来图了,该怎么解读呢? http://hao.memect.cn/8-

 

wx:机器之心   网页版 2017-05-11 15:36
深度学习 算法 行业动态 神经网络
「业界 | 百度提出Deep Speaker:可用于端到端的大规模说话人识别」近日,百度的一篇论文提出一种新的端到端的基于神经网络的说话人识别系统 Deep Speaker,实验表明该系统显著优于之前的基于 DNN 的 i-vector 方法。 http://hao.memect.cn/8x

 

ArnetMiner   网页版 2017-05-11 13:27
经验总结 Thuy T. Pham 博客
【分享】《Top 10 Recent AI videos on YouTube》Youtube上关于人工智能的热门视频Top 10 http://t.cn/RaJWsUy 来源:KDnuggets 整理者:Thuy T. Pham ​

 

前端大全   网页版 2017-05-11 09:00
Python
《10 个基于 JavaScript 的机器学习实例》随着人工智能技术的发展,机器学习越来越受到开发者们的关注,从而也导致了机器学习库如雨后春笋般的涌现出来,而且没有任何放缓的趋势。虽然,传统意义上 Python 已经成为了最受欢迎的机器学习语言。http://t.cn/Ra2Yfoh (by IT程序狮) ​

 

星空下的巫师   网页版 2017-05-11 23:01
Exemplar CNNs and Information Maximization http://t.cn/Ra6I7sy Exemplar-CNNs是一个非常有意思的话题,是学习自监督学习的一个很好的例子。 ​

 

星空下的巫师   网页版 2017-05-11 22:54
经验总结 算法 博客 神经网络
Google Research Blog: Neural Network-Generated Illustrations in Allo http://t.cn/Ra6fMlI

 

爱可可-爱生活   网页版 2017-05-11 21:26
自然语言处理 代码
【fastText vs. word2vec基于Twitter数据的词向量实践比较】’Fasttext vs word2vec survey documents(2017) – fasttextとword2vecの比較と、実行スクリプト、学習スクリプトです’ by catindog/nardtree GitHub: http://t.cn/RaisHSI

 

爱可可-爱生活   网页版 2017-05-11 21:06
算法 代码 分类
【基于auto-sklearn的全自动机器学习二分类器】’autosklearn-zeroconf is a fully automated binary classifier based on the AutoML challenge winner auto-sklearn’ by paypal GitHub: http://t.cn/Raig6Qx

 

SegmentFault   网页版 2017-05-11 20:16
资源 课程 正则表达式
适合新手阅读[doge]萌新们看这【正则表达式 小白入门篇】分享自 @SegmentFault,文章作者:jojoshuai,文章传送门:http://t.cn/Rain8QS 内容导读: 不论是前端还是后端,正则表达式好像是大家避不开的一个东西;很多小伙伴纠结于正则表达式很难,很晦涩,我最近看到网上的教程有些比较晦涩,现在…全文: http://m.weibo.cn/2036070420/4106313795639103

 

浙大可视分析小组   网页版 2017-05-11 19:16
算法 可视化 神经网络
#浙大可视分析小组# #数据可视化# 【研究僧推荐】 随着模型的复杂化,用可视化来解决神经网络的黑盒问题越来越值得我们关注。ActiVis是一个用于解释大规模神经网络模型及其结果的交互式可视化系统,它不仅可以通过可视化来解释神经网络模型的运作,还可以对多个实力和子集进行比较。除此之外,ActiVis…全文: http://m.weibo.cn/2614389413/4106298872016073

 

数盟社区   网页版 2017-05-11 18:23
深度学习 迁移学习
迁移学习:数据不足时如何深度学习http://t.cn/RaiaIdi

 

微软亚洲研究院   网页版 2017-05-11 17:20
数据科学
【人工智能与你】昨晚的Build 2017上,微软分享了关于人工智能的愿景:将人工智能带给每个人,从开发者到数据科学家,从技术爱好者到学生。微软在AI的投入已有二十多年,时至今日我们得以利用之前数十年的研究成果,利用Microsoft Graph读取数据,Azure云计算的强大计算力,打造新一代人工智能工具和产品。 …全文: http://m.weibo.cn/1286528122/4106269537221415

微软亚洲研究院 网页版 转发于2017-05-11 17:34
通过微软认知服务,开发者可以让自己的应用识别手势、翻译多种语言,通过Office Researcher,用户能研究和规划文档框架,Presentation Translator将帮助用户在文档演示时实现实时翻译。微软希望将人工智能带给每位开发者,利用微软云、微软人工智能创新、Microsoft Graph,创建人工智能驱动的下一代应用。

 

新浪新闻   网页版 2017-05-11 17:06
统计
【排队有窍门!统计学家教你这样排…[二哈]】排长队怎么才能选中那个速度最快的队?英国统计学家为大家总结了几个妙招:比如去排最靠左的队伍。因为大多数人是右撇子,会下意识选择靠右的队;尽量找办事员是女性的队去排,因为她们通常动作更快…快看看这么多年你排对了吗↓↓http://t.cn/RaiVUI8

 

视觉机器人   网页版 2017-05-11 15:43
深度学习 视觉 自然语言处理 代码
关于深度学习的论文,按任务、日期排序。 目前最先进的论文被标注。http://t.cn/RaizFk4 主要包括下面一些领域: 文本 1.1。 代码生成 1.2。 情绪分析 1.3。 翻译 1.4。 分类 视觉 2.1。 赌博 2.2。 风格转移 2.3。跟踪 2.4。 图像分割 2.5。 文字(在野外)识别 2.6。 脑电脑接口 2.7。 自驾车 2.8。 …全文: http://m.weibo.cn/5501429448/4106245226997981

 

wx:新智元   网页版 2017-05-11 15:34
深度学习 资源 GPU 幻灯片 黄仁勋
「黄仁勋GTC主旨演讲:从摩尔定律的尽头到深度学习大爆炸,发布新一代GPU,市值突破700亿美元( PPT)」黄仁勋发布了迄今为止最先进的深度学习 GPU ——Tesla V100 http://hao.memect.cn/8o

 

PingWest品玩   网页版 2017-05-11 13:42
视觉
【如果像互联网和搜索引擎/爬虫一样,真实世界也可以被索引和搜索,会是怎样一番场景?】想象:一台摄像头可以每秒识别画面中的环境、物体和人 2700 万次,发现危险和异样,随时报警;再想象世界遍布这样的摄像头……这就是微软刚推出的 AI for Workplace Safety(工作安全AI)解决方案,有点像《1984…全文: http://m.weibo.cn/2833534593/4106214722264486

 

爱可可-爱生活   网页版 2017-05-11 13:10
数据科学
【机器学习自动化:将大幅提升数据科学家生产力的巨大变化】《Automated Machine Learning — A Paradigm Shift That Accelerates Data Scientist Productivity @ Airbnb》by Hamel Husain http://t.cn/Raxlvae pdf:http://t.cn/RaJ0WtK

 

小牛翻译实验室   网页版 2017-05-11 10:48
算法 应用 自然语言处理 GPU 预测
NMT通常大规模部署在GPU上,CPU上大规模部署NMT是可以的(也是大家期望的),问题是翻译速度太慢,有可能慢5-10倍。今年ACL2017有一篇论文“Neural Machine Translation via Binary Code Prediction”,所提出的方法有点意思,在保持性能不变的情况下,NMT部署在CPU上能够提速5-10倍,论文实验结果显示…全文: http://m.weibo.cn/6016834258/4106171050262327

 

小牛翻译实验室   网页版 2017-05-11 10:45
深度学习 自然语言处理 机器翻译
今年ACL2017 Facebook的工作支持了CNN NMT是成功的,效率上明显比RNN NMT速度快,在规模数据上翻译性能不弱,这是非常不错的一项工作。但在大规模训练数据情况下,CNN NMT是否比RNN NMT好,个人观点,还需要进一步验证。两者技术本质上MT思想是一样,处理手法不一样,哪个更好感觉现在不能过早定结论,…全文: http://m.weibo.cn/6016834258/4106170290956376

 

新智元   网页版 2017-05-11 10:18
会议活动 资源 GPU 幻灯片 黄仁勋 会议
【新智元导读】英伟达CEO黄仁勋一年一度的GTC主旨演讲凌晨结束,新智元第一时间带来了深度报道(带PPT的)。本次大会最受关注的是,英伟达发布了新一代的GPU,涉及不少新的技术,比如tensor。此外, 还有“面向TensorFlow 的TensorRT”、“英伟达GPU云”“AI 研究基础设施DGX-1和DGX Station”、“开源…全文: http://m.weibo.cn/5703921756/4106163338004366

 

凤凰科技   网页版 2017-05-11 09:22
会议活动 视觉 产业 会议
《一文看懂微软Build 2017大会:让AI走向边缘》 最近一段时间微软很忙。继上周一个教育主题发布会上推出的Surface Laptop、Windows 10 S后,今晚微软Build 2017大会正式召开。今天HoloLens也正式进入中国,而再往后的5月底,微软还会在上海举办一场活动,很可能是发布Surface Pro 5。而今晚发布会上的…全文: http://m.weibo.cn/1856404484/4106149235748731

 

爱可可-爱生活   网页版 2017-05-11 05:19
深度学习 论文
《Unsupervised Joint Mining of Deep Features and Image Labels for Large-scale Radiology Image Categorization and Scene Recognition》X Wang, L Lu, H Shin, L Kim, M Bagheri, I Nogues, J Yao, R M. Summers [National Institutes of Health Clinical Center] (2017) http://t.cn/RaqFZKp

 

GPU计算   网页版 2017-05-11 01:53
深度学习 黄仁勋
#GTC 2017# 接下来,黄仁勋宣布推出配有8颗Telsa V100的NVIDIA DGX-1,具有960 tensor TFLOPS的超强计算性能,售价为149,000美元,可以替代400台服务器!这款强大的Statiion被称作“AI研究的必备利器”,可大大缩短深度学习的训练时间, 它将在2017年第三季度出货。此外,黄仁勋还宣布推出配有4颗Tesla…全文: http://m.weibo.cn/2311005302/4106036396687085

 

微软亚洲研究院   网页版 2017-05-10 17:42
入门 算法 神经网络
【浅析对抗生成网络】生成对抗网络(Generative Adversarial Nets)基于一个博弈式的训练过程,以图片为例,由生成模型生成图片,判别模型学习其与目标图片的区别,再由生成模型进行改进,如此反复直至判别模型无法区别图片差异。采用神经网络作为模型类型的训练过程即为生成式对抗网络。 …全文: http://m.weibo.cn/1286528122/4105912811511465

hzyido 网页版 转发于2017-05-11 10:12
GAN把博弈论引入到机器学习中,为处理问题提供崭新思路。图像生成中,基于类似CNN的反向结构作为生成模型的DCGAN目前已经达到相当可观的效果。半监督学习中,可以根据有标注样本的判别模型充分利用未标注数据,辅助监督学习训练过程。可以预见,GAN必将对未来设计算法、以及解决实际问题产生深远的影响。

 

回复