远离神经网络这个黑盒，人工智能不止这一条路可走
本文来自AI新媒体量子位（QbitAI） 神经网络横扫硅谷如卷席，各式各样的人工智能(AI)已经潜入各式各样的互联网服务之中。不过就算神经网络已经能轻松的认出猫咪的图片，但仍然有很多不足之处，所以一些人怀疑目前人工智能的模式识别系统，是否是一种先进、可靠的AI发展之路。 无论是Facebook的面部识别、微软的翻译或是Google的搜索，背后都是神经网络通过分析大量数据学会执行任务。人工...
【AI TOP 10】马化腾：AI技术沦为网络黑产新工具；网易区块链项目被传夭折； 人工智能可以让狗跟人说话
产业观察 马化腾：AI技术沦为网络黑产新工具 SpaceX的龙飞船完成补给任务成功返回地球 松下或与特斯拉在中国建超级电池工厂 英特尔：修复芯片漏洞的补丁也有漏洞 Facebook：调整信息流市值一夜蒸发30亿美元 亚马逊多项专利曝光，聚焦视频、AR以及智能家居 网传“网易招财猫”区块链项目夭折：测试资金正在清退 学术新闻 人工智能可以让狗跟人说话 忘记算法，AI的未来是硬件...
如果网络是一个战场，人工智能如何帮助我们建立安全防线
本月，天池和阿里云安全合作举办的第二届阿里云安全算法挑战赛落下帷幕，近2000名安全算法人的正义梦想，也从这里刚刚起航。 在网络为中心的世界中，人工智能和机器学习的技术，开始与“威胁论”挂上了钩。但技术本无善恶，往往取决于使用技术的人。 在网络安全领域中，我们用人工智能和机器学习，来更精准地检测或防御网络攻击，不管它是一次恶意的系统入侵，一次虚假的账号登录，还是对你重要密码的强行破解。人工智能战....
《中国人工智能学会通讯》——3.7 跨网络链接预测问题定义
3.7 跨网络链接预测问题定义 令G = (V, E, R)表示一个社交网络，其中V = {v 1 ,v 2 ，… , v N } 表示 |V| = N 个用户的集合，E ⊆ V×V表示用户之间的边。e ij =〈v i , v j 〉∈E 表示用户 v i 到用户 v j 的一条有向边，R 是一个 N×d 的属性矩阵。则跨网络链接预测问题的输入包括多个带用户属性的社交网络 {G 1 , G 2....
《中国人工智能学会通讯》——3.6 跨网络链接预测的研究
3.6 跨网络链接预测的研究 在线社交网络已取得飞速发展，众多网站，如Facebook（脸书）、Twitter 以及国内的新浪微博、人人网、腾讯网等迅速崛起。其中，Facebook 的用户数已经达到14亿，成为世界人口最多的“国家”，这些用户每月花在 Facebook 上的时间超过 6.4 亿分钟；Twitter 用户数也达到 6.4 亿。微信和微博是国内在线社交网络的两个代表，用户数也分别达到....
《中国人工智能学会通讯》——3.4 网络表示学习的应用
3.4 网络表示学习的应用 由于基于神经网络的网络表示方法的高效性，它被越来越多地应用到除传统应用场景（如网络节点分类、推荐和链接预测等）之外的其他方面（如文本建模[17,28]和可视化处理[29] ）。 文本语料可以表示为一个带权重的网络结构（节点表示词，边权重表示词与词之间共现的程度），因此网络的表示方法同时也可以应用到文本建模中。LINE [17] 模型一个重要的应用就是学习词的向量表示，....
《中国人工智能学会通讯》——3.3 基于网络结构和节点信息的网络表 示方法
3.3 基于网络结构和节点信息的网络表 示方法 除了节点之间的网络结构信息，网络节点本身往往存在丰富的信息。比如，在维基百科中的文章连接形成的信息网络中，每篇文章作为一个节点，节点包含了丰富的文本信息；在社交网络中（如图2 所示），每个用户节点包含用户产生的文本内容及用户属性（如性别、学校、地点、公司等）。 这部分介绍两种同时考虑网络结构和节点信息的模型：TADW 和 Multi-faceted....
《中国人工智能学会通讯》——3.2 基于网络结构信息的网络表示方法
3.2 基于网络结构信息的网络表示方法 基于网络结构信息的网络表示方法只考虑网络节点之间的链接关系。给定网络图 G=(V, E)。其中V 表示网络中的节点集合；E 是网络中的边集合网络表示学习的目的在于从网络信息中学习得到各个节点的低维表示是向量的维度。 这部分分别介绍 DeepWalk、LINE 和 GraRep三种模型。其中 DeepWalk 是以 Skip-gram 模型为基础，本质上使用....
《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》——4.31 网络诱导时滞
4.31 网络诱导时滞 由于网络的硬件条件限制，当网络负载太大，需要传输的信号量又很多时，网络的传输环境将会很差，信号将会发生拥塞。此时，下一个节点接收到上一个节点传来的信号实际上是受到网络诱导时滞影响的。诱导时滞包括数据包在网络中的等待时滞、传输时滞和接受处理时滞，它是由网络的状态决定的，是随机发生的，具有不确定性。随着半导体工业的迅猛发展，处理器的性能以指数的趋势发展着，节点处理计算信号带来....
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。
