哺乳动物大脑神经元也能做深度学习，未来10年神经科学与人工智能将迎突破
神经网络受生物神经网络启发而来，但大脑里的学习过程真如深度学习那样吗？这个问题的答案有望实现更强大的深度学习模型，也有助于进一步了解人类的智能。 12月5日，CIFAR研究员、多伦多大学的Blake A. Richards和同事在期刊eLife发表了论文《尝试用分离的树突进行深度学习》（Towards deep learning with segregated dendrites）[1]。他们在....
深度学习框架中的魔鬼：探究人工智能系统中的安全问题
ISC 2017中国互联网安全大会举办了人工智能安全论坛。 我们把论坛总结成为一系列文章，本文为系列中的第一篇。 深度学习引领着新一轮的人工智能浪潮，受到工业界以及全社会的广泛关注。 虽然大家对人工智能有很多美好的憧憬，但是现实是残酷的 — 随着一批深度学习应用逐渐开始变成现实，安全问题也渐渐显现出来。 人工智能应用面临来自多个方面的威胁：包括深度学习框架中的软件实现漏洞、对抗机器学习的恶意样.....
《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....
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。
深度学习更多人工智能相关
- 人工智能深度学习卷积
- 人工智能入门深度学习
- 人工智能浪潮深度学习
- 人工智能深度学习自然语言处理
- 人工智能深度学习模型训练
- 人工智能深度学习融合
- 人工智能深度学习平台
- 人工智能深度学习入门
- 人工智能深度学习篇章
- 深度学习人工智能视频
- 人工智能通讯深度学习
- 人工智能深度学习神经网络
- 人工智能深度学习区别
- 深度学习人工智能技术
- 人工智能通讯深度学习推荐系统
- 数据科学人工智能深度学习
- 人工智能深度学习研究
- 人工智能深度学习cuda
- 人工智能深度学习强化学习
- 人工智能深度学习计算机视觉
- 人工智能深度学习统计
- 深度学习通往人工智能
- 智能引擎深度学习人工智能
- 人工智能通讯知识图谱遇见深度学习
- 深度学习人工智能学习
智能引擎技术
AI Online Serving，阿里巴巴集团搜推广算法与工程技术的大本营，大数据深度学习时代的创新主场。
+关注