网络回忆：在《循环神经网络——介绍》中提到循环神经网络用相同的方式处理每个时刻的数据。
在2015 年的百度世界大会上，百度董事长兼首席执行官李彦宏宣布在最新的手机百度6.8版本中推出机器人助理——度秘(英文名：duer)，并解释了推出度秘的原因、度秘背后的技术以及度秘的未来规划。百度首席科学家吴恩达则展示了百度深度学习技术的进展，包括在噪音环境下的语音识别效果，以及基于手机深度学习引擎的iOS版脸优APP。 李彦宏：度秘及其三大基石 李彦宏表示，在各种O2O服务层出不穷、360行裂变为3600行的今天，用户对服务的需求也迅速增长，而服务的搜索过程不同于单纯的信息检索，服务需求的提出是一个动态
TensorFlow是谷歌基于DistBelief进行研发的第二代人工智能学习系统，其命名来源于本身的运行原理。Tensor（张量）意味着N维数组，Flow（流）意味着基于数据流图的计算，TensorFlow为张量从流图的一端流动到另一端计算过程。TensorFlow是将复杂的数据结构传输至人工智能神经网中进行分析和处理过程的系统。
我记得在当年Java小程序仍然很受欢迎的时候有个游戏叫“软泥小排球”。虽然这个游戏在物理上面有一些投机取巧的部分，但是许多跟我一样的孩子却被它深深的吸引了，并且日以继夜的花费时间在宿舍打游戏而没有做其他实际性工作。
千平 编译整理 量子位 出品 | 公众号 QbitAI 苹果公司的计算机视觉机器学习团队，最近发表了一篇博客，介绍了苹果如何在手机上实现用深度神经网络进行人脸识别。 苹果首次公开发布人脸检测API，是
假设正在调试猫分类器，然后取得了90%准确率，相当于10%的误差，这离希望的目标还很远。看了算法分类错误的例子，注意到算法将一些狗分类成猫。所以这里考虑是否做 一个项目专门处理狗，这个项目可能花几个月时间才能将分类狗的算法做好，在狗图片上犯更少的错误，与其做这个项目花几个月时间而且结果未知。 这里有个误差分析流程，可以让你知道这个方向是否值得努力。 1.收集一下比如100个错误标记的开发集例子，查看开发集里面有多少错误 标记的例子是狗。假设你的100个错误标记例子中只有5%是狗，这意味着100个例子，在典型的100个出错例子中，即使你完全解决了狗的问题，也只能修正这100个错误中的5个；现在假设发生了另外一件事，100个错误标记的开发集例子，实际有50张都是狗，现在花时间解决狗的问题可能效果就很好，这种情况下如果解决了狗的问题，那么你的误差就可能从10%下降到5%了。通过人工查看就可以知道你改进的方向有多少价值。
近年来，各种图像效果越来越受到人们的关注。散景一个很受欢迎的例子是在图像的非聚焦范围进行虚化。这个效果由快速镜头大光圈实现。不幸的是，手机摄像头很难实现这种效果，因为它还没达到技术规格的要求。然而，如果每幅图像的像素可以分为人和背景两个类别，就可以达到只有背景被虚化的散景效果。每个像素被分类的过程叫做语义分割，并且可以应用到不同的地方，比如改变图像的背景或者分别对前景或者背景进行过滤。
语音识别正在「入侵」我们的生活。我们的手机、游戏主机和智能手表都内置了语音识别。他甚至在自动化我们的房子。只需50美元，你就可以买到一个Amazon Echo Dot，这是一个可以让你订外卖、收听天气
机器学习是实践中人工智能的一个例子。智能系统和设备已经普及到我们日常生活的结构中。电脑和手机使用脸部识别来解锁；系统感知并调整我们家中的温度；设备回答问题或按需播放我们最喜爱的音乐；几乎所有主要的汽车公司都竞相开发安全自驾车。
识别延迟一直是设备端语音识别技术需要解决的重大问题，谷歌手机今天更新了手机端的语音识别技术——Gboard，重磅推出了一款端到端、全神经、基于设备的语音识别器，支持Gboard中的语音输入。通过谷歌最新的（RNN-T）技术训练的模型，该模型精度超过CTC，并且只有80M，可直接在设备上运行。
刚刚，他们披露了AI研究方面的最新进展，和此前的潮头公司一样，vivo也把目光投向游戏领域，而且一出手就是《王者荣耀》。
原文地址：10 Machine Learning Examples in JavaScript
【编者按】Google将为其Gmail应用推出一项称为智能回复（Smart Reply）的新功能，这篇博文解析了Smart Reply的技术原理：建立在一对循环神经网络（RNN）之上，其中一个RNN用于对收到的电子邮件进行编码，另一个用于预测可能的回复。 机器智能 我喜欢在Google工作，因为可以使用前沿的机器智能来造福人类。最近的两篇研究型博文谈到了我们是如何使用 深度神经网络的机器学习来提高语音搜索能力和 YouTube视频缩略图。如今，我们可以分享更疯狂的功能——智能回复（Smart Reply）
手机端运行卷积神经网络的一次实践 — 基于 TensorFlow 和 OpenCV 实现文档检测功能 1. 前言 本文不是神经网络或机器学习的入门教学，而是通过一个真实的产品案例，展示了在手机客户端上运行一个神经网络的关键技术点 在卷积神经网络适用的领域里，已经出现了一些很经典的图像分类网络，比如 VGG16/VGG19，Inception v1-v4 Net，ResNet 等，这些分类网络通常又都可以作为其他算法中的基础网络结构，尤其是 VGG 网络，被很多其他的算法借鉴，本文也会使用 VGG16 的基础
帕金森病是一种影响运动的神经退行性疾病，影响着全世界超过一千万人，每年大约有60000人被诊断出来患有这种疾病。早期检测可以预防严重症状的发作，但目前没有特定的测试来诊断帕金森病。
【编者按】Google将为其Gmail应用推出一项称为智能回复（Smart Reply）的新功能，这篇博文解析了Smart Reply的技术原理：建立在一对循环神经网络（RNN）之上，其中一个RNN用于对收到的电子邮件进行编码，另一个用于预测可能的回复。 机器智能 我喜欢在Google工作，因为可以使用前沿的机器智能来造福人类。最近的两篇研究型博文谈到了我们是如何使用深度神经网络的机器学习来提高语音搜索能力和 YouTube视频缩略图。如今，我们可以分享更疯狂的功能——智能回复（Smart Reply），
大数据文摘编辑 素材来自： 雷锋网（http://www.leiphone.com/） 生物探索（http://www.biodiscover.com/） 导读：不同的科学家用自己的方式探索这个星球最复杂的机器——人类大脑。计算机科学家尝试用芯片、机器学习搭建大脑；生物科学家在用人体的其他细胞（比如皮肤细胞）经过重新编程后，培育出大脑。哪一个才是方向，亦或兼而有之？今天的文章带您感受这两个领域的最新进展。 IBM用48块芯片构建啮齿动物大脑 作者：老吕IO/雷锋网、wired 在美国圣何塞附近的研究室里，I
如今的手持设备足够强大，可以在本地运行神经网络，而不需要云服务器的连接，这在您外出时是一个很大的便利。不过，在您的手机或平板电脑上部署和运行一个自定义的神经网络并不简单，而且这个过程取决于机器的操作系统。在这篇文章中，我将专注于iOS设备，并指导您完成所有必要的步骤，使用Wolfram语言训练一个自定义的图像分类器神经网络模型，通过ONNX（12.2版中的新功能）导出，将其转换为Core ML（苹果的机器学习框架，用于iOS应用程序），最后将其部署到您的iPhone或iPad。
这则通告来自当年的Homebrew计算机俱乐部。Homebrew是一个业余爱好者社区，俱乐部成员对一种当时叫做微处理器的新型组件的潜力很感兴趣。
通常，语音识别的深度学习方法依靠强大的远程服务器进行大量处理。但是，滑铁卢大学和创业公司DarwinAI的研究人员声称已经开创了一种设计语音识别网络的策略，该策略不仅能够达到最先进的精度，而且能够生成足够强大的模型，以便在低端智能手机上运行。
继小米在 6 月宣布自研的移动端深度学习框架 Mobile AI Compute Engine (MACE:https://github.com/xiaomi/mace)开源以来，小米近日又宣布开源移动端神经网络框架基准测试项目 MobileAIBench（https://github.com/xiaomi/mobile-ai-bench）。
设备预测维护与工业大数据应用在设备接入(IOT HUB)和实现数据可视化之后，就要用到云计算的数据分析、机器学习和深度学习功能。目前机器学习与深度学习框架包括 TensorFlow、Caffe、Keras、CNTK、Torch7、MXNet、Leaf、Theano、DeepLearning4、Lasagne、Neon 等。
高通、华为、联发科有什么共通点？这三家厂商都做加速手机、平板等移动设备中计算机视觉、NLP 以及其他机器学习任务的硬件架构。然而，这存在一个问题，即开发者难以判断哪家的芯片对特定平台的算法优化较好。于是，来自 ETH Zurich（苏黎世联邦理工学院）的研究员开发了一个名为 AI Benchmark 的 APP，可用于测试手机上机器学习算法的表现。
是否想过“人工智能”一词背后隐藏着什么？使用Google实验提供的在线应用程序可以直观地看到“机器学习”带给我们的可能性。通常，由一群设计师和工程师组成的小组创建有趣的实验，以此作为基于Google技术引入这些概念的方式。其中一些是可爱而又快速的网页游戏，另一些则更高级，但是所有这些都是为了使其他人更容易理解新技术。
AI科技评论按：本文作者为 Backchannel 的 编辑 Steven Levy，AI科技评论编译发布。 当被问及是否想要用人工智能领导全球最大的社交网站时，Joaquin Quiñonero Candela 犹豫了。 犹豫不是因为这个西班牙裔又自诩为“机器学习人”的科学家没有意识到人工智能会对 Facebook 提供巨大帮助。自从2012年 Candela 加入 Facebook 以来，他一直负责用机器学习的方法改革公司的广告运营，让广告投放更加具有相关性和有效性。更重要的是，他让团队中的工程师在
加州理工学院的研究人员开发了一种由DNA制成的人工神经网络，可以解决经典的机器学习问题：正确识别手写数字。这项工作是证明将人工智能编入合成生物分子电路的能力的重要一步。
【新智元导读】继AI制作动画人物、创作剧本、编辑电影之后，今天，一款AI软件正式获得黄金时段艾美奖提名：热播电视剧《硅谷》中一个使用深度学习自动识别热狗的软件再度走入公众视野，使用TensorFlow和英伟达GPU开发。
机器之心原创 记者：CZ、Tony Peng 当地时间 5 月 17 日，谷歌在山景城开启了本年度的谷歌 I/O 开发者大会。昨日机器之心对此次大会上将出现的有关人工智能和机器学习的内容进行了梳理。机器之心作为谷歌官方受邀媒体来到现场，近距离为大家报道谷歌人工智能的最新进展。 从大会主题演讲可以看出，谷歌人工智能主要体现在以下五大方面： AI First 的整体战略； TPU 的升级与云服务； 集研究、工具、应用于一体的 Google.ai ； 人工智能技术的产品落地； 基于安卓和 TensorFlow 的
摘要：对于Blippar，其创始人Omar Tayeb 表示其目标是将任一照相机均转变为智能设备，不论其连接了高端智能手机与否。我们只需要一个不低于2或3兆像素的相机即可以完成所有的工作。所有的“思维
---- 新智元报道 来源：Google AI Blog 编辑：LRS 【新智元导读】机器学习又跨界发Nature啦！美国东北大学的研究员将研究成果发表在Nature上，探究世界各地人类的表情有什么不一样？结果相关率只有30%。 全球各地的人微笑或难过都是一个表情吗？ 人们面部表情具有一致性似乎是合理的，举例来说，无论一个人是来自巴西、印度还是加拿大，他们看到亲密朋友时的微笑，或者看到烟花表演时的激动神情，看起来基本上是一样的。 但这真的合理吗？这些面部表情和跨越地域的相关背景之间的联系真的普遍
雷锋网按：本文根据涂图CTO在七牛云架构师沙龙上的演讲整理，本篇主要谈谈人脸识别技术的原理与具体实践的一些问题，作者授权发布雷锋网。 在上篇文章的最后，我们提到了美颜2.0最关键的技术——人脸识别。这是项复杂但又非常热门的技术，我们将在这篇文章中聊一聊图像识别技术。 一、如何让机器看懂世界？ 这里我们来简单聊聊机器学习与深度学习。 近段时间，机器学习、深度学习的概念非常火，尤其是今年 AlphaGo 击败了韩国棋手这件事，引起了世界的轰动。机器学习和深度学习这两个概念，比较容易混淆，以至于很多媒体在写报道时
AI 科技评论按：随着神经网络的研究和应用越来越多，人们也越发地认识到神经网络所需的计算力近乎于无底洞 。如果说高校实验室和一般爱好者在耐心等待之外办法不多的话，大公司们要面对的则是“做还是不做”的问题。 英特尔、英伟达、微软、谷歌这几年为了“做”，都有哪些举动呢？纽约时报的这篇文章可以带我们看看这一变化的梗概。AI 科技评论编译如下，有删改。 最近人们希望电脑能做的事情越来越多。电脑要跟人对话，要能认出人脸，也要能认出路边的小花，再过不久还要给人类开车。所有这些人工智能都需要极高的计算能力，即便当下最
谷歌公司推出了Android O, 其亮点之一在于可消除复制粘贴的大麻烦。Android O可自动识别和高亮电子邮件中的名字、地名、地址等文本，用户无需拖动箭头逐字逐句选中内容，便可轻轻松松地完成复制
【导读】普度大学机器学习、软硬件专家Eugenio Culurciello，在其主页分享了一篇博文，详细描述了自己对机器学习、深度神经网络、人工智能的个人见解。重点介绍了机器学习如何演化成AI，以及在
手机本身就是一个消耗品，任何电子产品用久了，性能会下降，就会出现卡顿，死机等现象。不过手机的处理器的集成度很高，想要老化也需要十年左右的时间，所以手机出现卡顿的现象和处理器老化并没有很大的关系。
当地时间上午10点，为期5天的WWDC17苹果开发者大会在万众瞩目下正式拉开帷幕。本次大会历时两个半小时，发布了包括机器学习API——CoreML，四大软件系统，以及Mac系列及智能音箱HomePod硬件更新，这是苹果迄今为止，发布时间最长、产品最密集的一场开发者大会。 以“将科技与人文结合，为世界带来新概念、新体验”为主旨，本次大会的侧重点在于用户体验的进一步提升。当然，在人工智能和增强现实这两股浪潮之下，苹果也在其多个产品中加入了这两个元素。 Core ML：为移动设备提供的快速机器学习API 在此次
哈喽，大家好，今天来让我们了解下什么是卷及神经网络，在这篇文章中，我会介绍什么是卷积神经网络，以及卷积神经网络的基本结构和某些具体的应用。话不多说，马上进入正题。 卷积神经网络是近些年来兴起的一种人工网络结构，因为利用卷积神经网络在图片和语言方面能够给出更优秀的结果，因此呢，这种技术也被广泛的传播和应用。卷积神经网络最常用的部分是计算机图片识别。不过因为他的不断创新和不断地迭代也被广泛的用于了视频分析，自然语言处理，药物发现等等。近期很火的阿尔法狗能让计算机看懂围棋，这也是利用了这门技术。 那现在让我们概
编译 | AI科技大本营（rgznai100） 世界上最受欢迎的机器学习框架是TensorFlow，最初它是作为谷歌内部的深度学习框架，2015年底，谷歌已经将其开源，目前在图形分类、音频处理、推荐系统和机器翻译等场景下都有丰富的应用。 TensorFlow的开源使入门深度学习的门槛变得越来越低，只要你有编程和机器学习的基础，建立神经网络的模型将会十分简单。 谷歌拥有的不仅仅是海量的数据，它还拥有世界上最大的计算机集群。因此TensorFlow具有动态伸缩性，它可以运行在多台GPU或者是CPU上，甚至
论文地址：https://arxiv.org/pdf/2305.12972.pdf
场景描述：今日凌晨，一场技术直播引来了无数人的围观，甚至不惜肝到天明，到底是什么让开发者如此激动？原来是一年一度的 TensorFlow 技术峰会，这场线上直播的盛会，带来了哪些关于 TensorFlow 的信息，本文就将从几个重点进行一次深入的回顾。
基于神经网络的人工智能系统最近创造了多项佳绩：战胜人类围棋大师、创造品酒记录、迷幻艺术作品大奖，但若做到将这些异常复杂的高能耗系统用于现实并将其集成到便携式设备中并非易事，但据美国电气电子工程师学会《科技纵览》报道，美国麻省理工学院、英伟达和韩国科学技术院（KAIST）的研究团队在2016年2月旧金山召开的IEEE国际固态电路会议上展示的几种低能耗芯片原型拉近了这一目标，这些芯片的设计用途是运行人工神经网络，为智能手机识别所见的事物提供线索，并能让自动驾驶汽车预测行人的动向。 到目前为止，若想在智能手机、小
在过去的三十年，深度学习运动一度被认为是学术界的一个异类，但是现在， Geoff Hinton（如下图1）和他的深度学习同事，包括纽约大学Yann LeCun和蒙特利尔大学的Yoshua Bengio，在互联网世界受到前所未有的关注。Hinton是加拿大多伦多大学教授和研究员，目前就职于Google，他利用深度学习技术来提高语音识别、图像标签以及无数其他的在线工具，LeCun在Facebook做类似的工作。当下人工智能在微软、IBM以及百度和许多其它公司受到极大的关注。 我非常兴奋，我们发现一种可以使神经网
机器之心投稿 作者：腾讯 iOS 客户端高级工程师冯牮 本文作者通过一个真实的产品案例，展示了在手机客户端上运行一个神经网络的关键技术点。 前言 本文不是神经网络或机器学习的入门教学，而是通过一个真实的产品案例，展示了在手机客户端上运行一个神经网络的关键技术点。 在卷积神经网络适用的领域里，已经出现了一些很经典的图像分类网络，比如 VGG16/VGG19，Inception v1-v4 Net，ResNet 等，这些分类网络通常又都可以作为其他算法中的基础网络结构，尤其是 VGG 网络，被很多其他的算法借鉴
【新智元导读】前几天我们向大家推荐了自学成为 Data Scientist 在线课程系列，很多人纷纷收藏和分享。今天新智元再针对数学，为大家介绍几本书和相关资料。你或许没有强大的数学基础，你或许都还没
TensorFlow是一个机器学习框架。如果你有大量的数据或你在人工智能中追求的最先进的东西，那么这个框架可能是你最好的选择：深度学习。
选自HeartBeat 作者：Julien Despois 机器之心编译 参与：Pedro、张倩、刘晓坤 运行深度神经网络对计算能力、能耗及磁盘空间要求甚高，智能手机的计算资源十分有限，需要多种优化
【新智元导读】纽约大学的B. Lake、MIT的J. Tenenbaum等人2015年底在《科学》刊发封面论文，描述“看一眼便能学会写字”的计算机。Lake、Tenenbaum等人今年4月又出力作，结合神经网络最新进展与更为结构化的认知模型，提出搭建类人学习计算机的一些可行方法。论文强调了降低训练数据量以及加强任务迁移，并预见了这些因素会如何推进核心人工智能的实际应用。 搭建像人类一样学习和思考的机器 Building Machines That Learn and Think Like People 作者
以下为演讲实录： 吴恩达：谢谢，大家好，人工智能已经在世界有很大的影响力，百度是引领人工智能发展的公司之一，今天我想跟大家分享一些我们正在做的先进技术，我也希望未来我们能把这些技术开放给我们的合作伙伴。 从李彦宏讲的一席话里我们看到语音识别重要性，百度和北京团队一起正在研究新一代的语音识别技术，让我为大家演示一下。这是一段用户手机的录音，请大家仔细听听，你能听出他在讲什么吗。来。现在请大家闭上眼睛再听一次他到底在讲什么。有时候由于噪音、口音等等，很难听清楚电话那边的人在说什么，我们把这段语音放给我们
【导读】AI科技大本营曾报道过，TensorFlow 2.0 已经在开发计划中了，相信在不久的将来就会和我们见面。那么现在的 TensorFlow 都有哪些功能，大家是否都全部了解呢？近日，谷歌在 Google Cloud Next 上发布了关于TensorFlow 的所有新内容，AI科技大本营已经为你准备好了~
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
对象存储
腾讯会议
实时音视频
