机器学习的分支,试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的算法
更多内容,见微*公号往期文章:有史以来最详细的卷积神经网络(CNN)及其变体讲解!!!(多图)
在现代生物学研究领域,可视化和理解组织和生物体内复杂结构的能力至关重要。经过组织透明化和特定结构染色后的光片显微镜 (LSM) 提供了一种高效、高对比度和超高分...
论文: Not All Images are Worth 16x16 Words: Dynamic Transformers for Efficient Ima...
论文: Swin Transformer: Hierarchical Vision Transformer using Shifted Windows
在现代自然语言处理(NLP)领域,Transformer 模型的出现带来了革命性的变化。它极大地提升了语言模型的性能和效率,而自注意力机制是其中的核心组件。
看一篇发表在NC上的使用DL来预测糖类结合位点(DeepGlycanSite)的文章。
策略梯度方法(Policy Gradient Methods)是强化学习中的一种重要方法,通过直接优化策略(Policy),使智能体(Agent)能够在给定环境...
图神经网络(Graph Neural Network,GNN)是一类能够处理图结构数据的深度学习模型。与传统的神经网络不同,GNN可以直接处理图结构数据,例如社...
神经网络嵌入是利用深度学习模型实现 Embedding 的一种方法,适用于多种数据类型,包括文本、图像和图结构数据。
随着深度学习技术的快速发展,高效的计算框架和库对于模型训练至关重要。TensorFlow作为目前最流行的深度学习框架之一,其GPU版本能够显著提升模型训练的速度...
Sebastian Raschka 是一名机器学习和人工智能研究员,曾在威斯康星大学麦迪逊分校担任统计学助理教授,专门研究深度学习和机器学习。他让关于 AI 和...
自2006年深度学习概念被提出以来,20年快过去了,深度学习作为人工智能领域的一场革命,已经催生了许多具有影响力的算法或模型。那么,你所认为深度学习的最牛的模型...
语言模型是用来估计一个句子(或一个单词序列)概率的模型。简单地说,语言模型试图预测下一个单词。基于深度学习的语言模型,如GPT-2和BERT,已经在自然语言处理...
适用模型:自然语言及图像识别上面深度学习无疑是王者,但在表格类异构数据上,xgboost等集成学习树模型才是实打实的神器。大量实验表明基于树的模型在中型表格数据...
随着大数据和人工智能技术的快速发展,深度学习已经成为了机器学习领域最具前景的一个分支。Python作为一种功能强大、易于学习和使用的编程语言,已经成为了深度学习...
英特尔公司近年推出的Xe架构代表了其在图形计算领域的一次重大创新。Xe架构不仅仅是一个图形处理单元(GPU),而是一个统一的计算架构(Unified Compu...
深度学习简介:核心理念:Nvidia的这个四部分系列介绍了2015年实践的深度学习基础知识,对于任何刚刚学习AI的人来说都是一个很好的资源。
MindSpore提供了基于Pipeline的数据引擎,通过Dataset和Transforms实现高效的数据预处理。它提供了内置的文本、图像、音频等数据集加载...
Caffe深度学习框架支持多种编程接口,包括命令行、Python和Matlab,下面将介绍如何使用这些接口。