深度学习第19讲：CNN经典论文研读之残差网络ResNet及其keras实现
在 VGG 网络论文研读中，我们了解到卷积神经网络也可以进行到很深层，VGG16 和 VGG19 就是证明。但卷积网络变得更深呢？当然是可以的。深度神经网络能够从提取图像各个层级的特征，使得图像识别的准确率越来越高。但在2014年和15年那会儿，将卷积网络变深且取得不错的训练效果并不是一件容易的事。 深度卷积网络一开始面临的最主要的问题是梯度消失和梯度爆炸。那什么是梯度消失和梯度爆炸呢？所谓梯.....
深度学习第18讲：CNN经典论文研读之VGG网络及其tensorflow实现
在前两期的论文研读中，笔者和大家一起学习了 LeNet-5 和 AlexNet 这两个经典的卷积神经网络结构和基本实现方式。今天我们继续 CNN 经典论文研读之路——VGGNet。VGGNet 是牛津大学计算机视觉组（Visual Geometry Group）和谷歌 DeepMind 一起研究出来的深度卷积神经网络，因而冠名为 VGG。在2014年的 ILSVRC 中取得了第二名的成绩，可能你....
深度学习笔记16：CNN经典论文研读之AlexNet及其Tensorflow实现
在 Yann Lecun 提出 Le-Net5 之后的十几年内，由于神经网络本身较差的可解释性以及受限于计算能力的影响，神经网络发展缓慢且在较长一段时间内处于低谷。2012年，深度学习三巨头之一、具有神经网络之父之称的 Geoffrey Hinton 的学生 Alex Krizhevsky 率先提出了 AlexNet，并在当年度的 ILSVRC（ImageNet大规模视觉挑战赛）以显著的优势获得....
深度学习论文集锦（中英文对照）：图像分类、物体识别等
论文译介是新智元最受欢迎的内容之一，这非常好理解，如今几乎每天都会新增几十乃至几百篇新的论文，其中不乏佳作，而新智元的任务则是将优秀论文和研究成果介绍给读者。 然而这只是第一步，感兴趣的读者自会搜索英文原论文阅读。虽然中文是目前世界上使用人口最多的语言，但英语才是学术界的通用语。不过，对于初学者而言，阅读英文论文还是比较困难。 因此，我们要感谢Github用户SnailTyan，他的Github....
TIP 2018论文概述：基于深度学习的HEVC复杂度优化
本文概述了 2018 年 6 月发表在 IEEE TIP 期刊的论文 Reducing Complexity of HEVC : A Deep Learning Approach。在此论文中，北京航空航天大学博士研究生李天一及其导师徐迈，提出了一种基于深度学习的视频编码复杂度优化方法，实现了在几乎不影响编码效率的前提下，显著降低高效率视频编码（High Efficiency Video Codi....
【神经网络本质是多项式回归】Jeff Dean等论文发现逻辑回归和深度学习一样好
起因是以色列理工学院工业工程与管理学院的助理教授 Uri Shalit 在 Twitter 上发文，指出这篇论文的补充材料里，有一处结果非常值得注意：标准化逻辑回归实质上与深度神经网络一样好。 Uri Shalit 的研究方向是将机器学习应用于医疗领域，尤其是在向医生提供基于大型健康数据的决策支持工具方面。其次，他也研究机器学习和因果推断的交集，重点是使用深度学习方法进行因果推断。在加入以色列.....
深度学习模型复现难？看看这篇句子对模型的复现论文
论文介绍 这篇文章是 COLING 2018 的 Best Reproduction Paper，文章主要对现有的做句子对任务的最好的几个模型进行了重现，并且作者实现出来的效果和原文章声称的效果相差不多，这点还是很厉害的，而且作者对语义理解的集中任务也做了相关梳理，文章简单易读，还是很值得一看的。 任务 句子对建模是 NLP，NLU 中比较基础，并扮演着重要角色的任务，主要集中在语义理解，语义交....
【CNN已老，GNN来了】DeepMind、谷歌大脑、MIT等27位作者重磅论文，图网络让深度学习也能因果推理
作为行业的标杆，DeepMind的动向一直是AI业界关注的热点。最近，这家世界最顶级的AI实验室似乎是把他们的重点放在了探索“关系”上面，6月份以来，接连发布了好几篇“带关系”的论文，比如： 关系归纳偏置（Relational inductive bias for physical construction in humans and machines）关系深度强化学习（Relational D....
进化计算在深度学习中的应用 | 附多篇论文解读
基于遗传规划的自动机器学习 自动机器学习（Automated/Automatic Machine Learning, AutoML）作为近年来逐渐兴起的热门研究领域，旨在降低机器学习的门槛，使其更加易用。 一般而言，一个完整的机器学习（特别是监督式机器学习）工作流通常包含以下部分，数据清洗，特征工程，模型选择，训练测试以及超参数调优。每一道工序都有相当多的实现选项，且工序之间相互影响，共同决定最....
我的深度学习论文阅读之旅（一）
0. 参考资料 Xception: Deep Learning with Depthwise Separable Convolutions. François Chollet, 2017. 如何评价谷歌的xception网络？ MobileNet V2 论文初读 纵览轻量化卷积神经网络：SqueezeNet、MobileNet、ShuffleNet、Xception 无需数学背景，读懂 Res.....
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。
深度学习更多论文相关
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