《Web安全之机器学习入门》一 1.1 人工智能、机器学习与深度学习
1.1 人工智能、机器学习与深度学习 如今，人工智能、机器学习与深度学习几乎成了家喻户晓的名词，究竟这三者之间有什么联系和区别呢？通常认为，机器学习是实现人工智能的主要方式，人类基于机器学习以及海量的数据，逐步实现人工智能，其中深度学习是机器学习的一个分支。如果用同心圆来表示三者的范围，那么人工智能是最外面的一个圆，深度学习是最里面的圆。人可以在1秒以内做出的判断，都可以用机器来实现，而且机器可....
《中国人工智能学会通讯》——6.4 基于深度学习的知识图谱构建
6.4 基于深度学习的知识图谱构建 随着深度学习在自然语言处理领域应用的不断深入，人们也开始尝试将深度神经网络用于知识图谱的自动构建。在此，以实体和关系的表示学习技术为基础，讨论深度学习在命名实体识别、关系抽取、关系补全等任务上的应用。 命名实体识别 命名实体识别是从文本中提取出和人名、地名等特定的短语或名称的任务。早期的命名实体识别主要基于规则和词典来进行，对规律性较强的文本环境较为适合，但难....
《中国人工智能学会通讯》——1.31 深度学习 在自然语言处理研究上的进展
1.31 深度学习 在自然语言处理研究上的进展 近年来，深度学习在人工智能的多个子领域都取得了显著的进展。在自然语言处理领域，虽然深度学习方法也收到越来越多的关注，在很多任务上也取得了一定效果，但是并没有其他领域那么显著。传统的主流自然语言处理方法是基于统计机器学习的方法，所使用的特征大多数是基于 onehot 向量表示的各种组合特征。这个特征表示方式会导致特征空间非常大，但也带来一个优点。就是....
《中国人工智能学会通讯》——第6章 6.1 基于深度学习技术的知识图谱构建技术研究
第6章 6.1 基于深度学习技术的知识图谱构建技术研究 随着互联网、云计算等技术的发展，信息资源不断丰富，人们的知识需求也有所增长。如何正确理解知识需求，定位和提取相关的知识，并提供有效的知识服务，是知识工程的重要研究问题。其中，知识图谱作为目前主流的知识工程基础技术，支撑着包括智能搜索、智能问答、个性化推荐等多种知识服务，涉及到知识表示、知识获取、知识融合、知识推理等关键技术。 知识图谱是对知....
《中国人工智能学会通讯》——11.76 基于深度学习的特征表示模型
11.76 基于深度学习的特征表示模型 随着数据规模不断增大，深度学习在大数据分析中扮演着越来越重要的角色。图 5 显示了数据规模与性能之间的关系，传统学习算法在数据规模达到一定时性能几乎不再增加，而深度学习算法的性能会随着数据规模增加而增加。通过深度学习进行特征表示学习已经成为了机器学习和数据挖掘社区的一个快速突起的方法，并已经在许多领域获得成功，如计算机视觉、语音识别和自然语言处理等。蒙特利....
《中国人工智能学会通讯》——第3章 3.1基于深度学习的网络表示研究进展
第3章 3.1基于深度学习的网络表示研究进展 网络结构在现实世界中无处不在（如航线网络、通信网络、论文引用网络、世界万维网和社交网络等），在此基础之上的应用和研究问题受到了学术界和工业界的广泛关注，这些研究问题包括链接预测[1] 、网络节点分类 [2-3] 、推荐 [4]和异常检测[5]等。随着计算机信息技术的高速发展和迅速普及，现实世界中的网络结构，尤其是以 Twitter、Facebook和....
《中国人工智能学会通讯》——2.27 利用深度学习改进统计机器翻译
2.27 利用深度学习改进统计机器翻译 利用深度学习改进统计机器翻译的核心思想是以统计机器翻译为主体，使用深度学习改进其中的关键模块，如语言模型[1] 、翻译模型 [2] 、调序模型 [3] 、词语对齐[4]等。 深度学习能够帮助机器翻译缓解数据稀疏问题。以语言模型为例。语言模型能够量化译文的流利度，对译文的质量产生直接的重要影响，是机器翻译中的核心模块。传统的语言模型采用 n-gram方法，通....
《中国人工智能学会通讯》——2.26 基于深度学习的机器翻译研究进展
2.26 基于深度学习的机器翻译研究进展 机器翻译研究如何利用计算机实现自然语言的自动转换，是人工智能和自然语言处理的重要研究领域之一。机器翻译大致可分为理性主义和经验主义两类方法。 基于理性主义的机器翻译方法 , 主张由人类专家通过编纂规则的方式 , 将自然语言之间的转换规律“传授”给计算机。这种方法的主要优点是能够显式描述深层次的语言转换规律。然而，理性主义方法对于人类专家的要求非常高，不仅....
《中国人工智能学会通讯》——2.18 深度学习算法的计算与访存特征
2.18 深度学习算法的计算与访存特征 图 1 是一个用于手写识别的深度卷积神经元网络 LeNet5 [6] ，以此为例讨论深度学习算法的计算特征。在 LeNet5 中，包括了卷积层 C1、C3、C5 和Subsampling 层 S2、S4，以及全连接层 F6。其中卷积层是最为费时的操作。 对 于 有 R 个 输 入 feature map 和 Q 个 输 出feature map 的卷积层.....
《中国人工智能学会通讯》——2.17 面向深度学习的计算机系统结构
2.17 面向深度学习的计算机系统结构 深度学习[1-2]采用多层神经元网络，在包括图像识别[2] 、自然语言处理 [3]以及语音识别[4]等多个领域都表现出了巨大潜力，引发了产业界和学术界的广泛关注。人们发现，通过使用更多的训练数据和更大的模型规模（更多的参数），能够显著提高最终的识别效果。例如 Google 大脑计划使用的神经元网络有超过 10 亿个参数[5] 。 因此，如何能够快速地训练大....
本页面内关键词为智能算法引擎基于机器学习所生成，如有任何问题，可在页面下方点击"联系我们"与我们沟通。
AI更多深度学习相关
- AI深度学习实践
- AI人工智能机器学习深度学习
- 构建AI深度学习
- AI深度学习优化实践
- 构建AI深度学习优化
- AI深度学习优化
- 深度学习AI驱动
- AI深度学习区别
- AI优化深度学习
- AI hinton深度学习
- 深度学习AI革命part
- AI人工智能深度学习关键词对照
- AI机器学习深度学习区别
- 学习记录AI深度学习
- 机器学习数据科学AI深度学习统计学区别
- AI从业者深度学习
- AI学习笔记神经网络深度学习
- yoshua bengio深度学习AI
- 深度学习项目AI
- AI英伟达深度学习
- 统一深度学习分布式通信框架弹性AI
- 深度学习教程AI应用实践策略
- 深度学习课程AI
- AI初学者入门指南深度学习五级分类
- 名校AI课程深度学习deeplearning
- 深度学习论文AI
- AI深度学习开源框架
- AI深度学习计算机视觉
产品推荐
阿里云机器学习平台PAI
阿里云机器学习PAI（Platform of Artificial Intelligence）面向企业及开发者，提供轻量化、高性价比的云原生机器学习平台，涵盖PAI-iTAG智能标注平台、PAI-Designer（原Studio）可视化建模平台、PAI-DSW云原生交互式建模平台、PAI-DLC云原生AI基础平台、PAI-EAS云原生弹性推理服务平台，支持千亿特征、万亿样本规模加速训练，百余落地场景，全面提升工程效率。
+关注