EEPW首頁(yè) >>
主題列表 >>
機(jī)器學(xué)習(xí)
機(jī)器學(xué)習(xí) 文章 最新資訊
機(jī)器學(xué)習(xí)“捧紅”GPU 英特爾地位受挑戰(zhàn)
- 目前Google、微軟和亞馬遜在打造AI網(wǎng)絡(luò)方面仍處于早期階段，各家采用的方法各有不同，像Google為了提升機(jī)器學(xué)習(xí)效能已設(shè)計(jì)出自己的芯片，因此最后哪家廠商能成為這場(chǎng)AI芯片戰(zhàn)的勝利者還有待觀察。
- 關(guān)鍵字： 機(jī)器學(xué)習(xí) GPU
云中的機(jī)器學(xué)習(xí)：FPGA上的深度神經(jīng)網(wǎng)絡(luò)
- 人工智能正在經(jīng)歷一場(chǎng)變革，這要得益于機(jī)器學(xué)習(xí)的快速進(jìn)步。在機(jī)器學(xué)習(xí)領(lǐng)域，人們正對(duì)一類(lèi)名為“深度學(xué)習(xí)”算法產(chǎn)生濃厚的興趣，因?yàn)檫@類(lèi)算法具有出色的大數(shù)據(jù)集性能。在深度學(xué)習(xí)中，機(jī)器可以在監(jiān)督或不受監(jiān)督的方式下從大量數(shù)據(jù)中學(xué)習(xí)一項(xiàng)任務(wù)。大規(guī)模監(jiān)督式學(xué)習(xí)已經(jīng)在圖像識(shí)別和語(yǔ)音識(shí)別等任務(wù)中取得巨大成功。
- 關(guān)鍵字： 人工智能 機(jī)器學(xué)習(xí) FPGA 卷積神經(jīng)網(wǎng)絡(luò)
谷歌發(fā)布"自動(dòng)機(jī)器學(xué)習(xí)"技術(shù) AI可自我創(chuàng)造
- 5月24日消息，據(jù)Inverse報(bào)道，今年5月份，谷歌宣布其人工智能(AI)研究取得重大進(jìn)展，似乎幫助科幻小說(shuō)中最聳人聽(tīng)聞的末日預(yù)言成為現(xiàn)實(shí)。谷歌推出名為“自動(dòng)機(jī)器學(xué)習(xí)(AutoML)”的技術(shù)，在無(wú)需人類(lèi)工程師的支持下，允許AI進(jìn)行自我創(chuàng)造。 從表面上看，這種技術(shù)可能會(huì)讓人覺(jué)得AI發(fā)展終于迎來(lái)“奇點(diǎn)時(shí)刻”，它正在失去控制。但實(shí)際上，谷歌正利用它將機(jī)器學(xué)習(xí)令人不可思議的力量交到普通人手中。從本質(zhì)上講，AutoML的策略就是利用神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)其他神經(jīng)
- 關(guān)鍵字： 谷歌 機(jī)器學(xué)習(xí)
編輯記者等注定被機(jī)器人淘汰？我們可以去學(xué)編程
- 5月5日消息，據(jù)《金融時(shí)報(bào)》報(bào)道，現(xiàn)在也許是放棄從事新聞工作、成為機(jī)器學(xué)習(xí)程序員的時(shí)候了。這似乎是個(gè)符合邏輯的舉動(dòng)，與“如果不能打敗他們，就加入他們”的理念不謀而合。過(guò)去幾年里，我們已經(jīng)看到過(guò)成千上萬(wàn)的專(zhuān)欄文章討論人們擔(dān)心機(jī)器人搶走他們的工作。現(xiàn)在看來(lái)，唯一可保安全的工作就是為機(jī)器人編程。 這份工作的薪酬也很吸引人，機(jī)器學(xué)習(xí)專(zhuān)家的薪酬是計(jì)算機(jī)行業(yè)從業(yè)人員中最高的。程序員在線社區(qū)Stack Overflow統(tǒng)計(jì)顯示，在美國(guó)，機(jī)器學(xué)習(xí)專(zhuān)家的平均年薪超過(guò)10萬(wàn)美元。在英國(guó)和法國(guó)
- 關(guān)鍵字： 機(jī)器人 機(jī)器學(xué)習(xí)
像魚(yú)兒離不開(kāi)水，未來(lái)我們將高度依賴(lài)機(jī)器學(xué)習(xí)
- 在未來(lái)10年中，機(jī)器學(xué)習(xí)技術(shù)將日益成為我們生活中不必可少的部分，并改變我們的工作和生活方式。
- 關(guān)鍵字： 機(jī)器學(xué)習(xí)
斯坦福機(jī)器學(xué)習(xí)公開(kāi)課筆記15——隱含語(yǔ)義索引、奇異值分解、獨(dú)立成分分析
- 我們?cè)谏弦黄P記中講到了PCA(主成分分析)。PCA是一種直接的降維方法，通過(guò)求解特征值與特征向量，并選取特征值較大的一些特征向量來(lái)達(dá)到降維的效果?！ ”疚睦^續(xù)PCA的話(huà)題，包括PCA的一個(gè)應(yīng)用——LSI(Latent Semantic Indexing, 隱含語(yǔ)義索引)和PCA的一個(gè)實(shí)現(xiàn)——SVD(Singular Value Decomposition,奇異值分解)。在SVD和LSI結(jié)束之后，關(guān)于PCA的內(nèi)容就告一段落。視頻的后半段開(kāi)始講無(wú)監(jiān)督學(xué)習(xí)
- 關(guān)鍵字： 斯坦福 機(jī)器學(xué)習(xí)
機(jī)器學(xué)習(xí)技術(shù)使物聯(lián)網(wǎng)設(shè)備更加強(qiáng)大云端運(yùn)算為幕后推手
- 物聯(lián)網(wǎng)(IOT))產(chǎn)業(yè)吸引眾多科技廠商投入，而產(chǎn)品是否具備機(jī)器學(xué)習(xí)能力，決定其是否能獲得消費(fèi)者青睞。 根據(jù)VentureBeat報(bào)導(dǎo)，1996年時(shí)，芝加哥的CookCountyHospital急診室使用一種算法來(lái)了解，當(dāng)病人出現(xiàn)胸痛癥狀時(shí)，是否是因?yàn)榛加行呐K病，應(yīng)該要將他們移入病床。該算法使用一種系統(tǒng)性的基本測(cè)試，為快速、有效而且精準(zhǔn)的方法?？梢园?0%的病人劃分到低風(fēng)險(xiǎn)領(lǐng)域，其他病人中有95%為心臟病患，精準(zhǔn)度高于一般醫(yī)生判斷的75～89%。而當(dāng)時(shí)還沒(méi)有深度運(yùn)算技術(shù)。 現(xiàn)在全世界一年有6
- 關(guān)鍵字： 機(jī)器學(xué)習(xí) 物聯(lián)網(wǎng)
斯坦福機(jī)器學(xué)習(xí)公開(kāi)課筆記14——主成分分析
- 上一篇筆記中，介紹了因子分析模型，因子分析模型使用d維子空間的隱含變量z來(lái)擬合訓(xùn)練數(shù)據(jù)，所以實(shí)際上因子分析模型是一種數(shù)據(jù)降維的方法，它基于一個(gè)概率模型，使用EM算法來(lái)估計(jì)參數(shù)?！ ”酒饕榻BPCA(Principal Components Analysis, 主成分分析)，也是一種降維方法，但是該方法比較直接，只需計(jì)算特征向量就可以進(jìn)行降維了。本篇對(duì)應(yīng)的視頻是公開(kāi)課的第14個(gè)視頻，該視頻的前半部分為因子分析模型的EM求解，已寫(xiě)入筆記13，本篇只是后半部分的筆記，所以?xún)?nèi)容
- 關(guān)鍵字： 斯坦福 機(jī)器學(xué)習(xí)
人工智能誕生60周年 展望機(jī)器學(xué)習(xí)的未來(lái)發(fā)展
- 在最近十年，隨著大數(shù)據(jù)和云計(jì)算(大規(guī)模計(jì)算)的發(fā)展，機(jī)器學(xué)習(xí)進(jìn)入了發(fā)展的黃金期。
- 關(guān)鍵字： 人工智能 機(jī)器學(xué)習(xí)
斯坦福機(jī)器學(xué)習(xí)公開(kāi)課筆記13B——因子分析模型及其EM求解
- 本文是《斯坦福ML公開(kāi)課筆記13A》的續(xù)篇。主要講述針對(duì)混合高斯模型的問(wèn)題所采取的簡(jiǎn)單解決方法，即對(duì)假設(shè)進(jìn)行限制的簡(jiǎn)單方法，最后引出因子分析模型(Factor Analysis Model)，包括因子分析模型的介紹、EM求解等?！ ?nbsp; &nb
- 關(guān)鍵字： 斯坦福 機(jī)器學(xué)習(xí)
斯坦福機(jī)器學(xué)習(xí)公開(kāi)課筆記13A——混合高斯模型、混合貝葉斯模型
- 本文對(duì)應(yīng)公開(kāi)課的第13個(gè)視頻，這個(gè)視頻仍然和EM算法非常相關(guān)，第12個(gè)視頻講解了EM算法的基礎(chǔ)，本視頻則是在講EM算法的應(yīng)用。本視頻的主要內(nèi)容包括混合高斯模型(Mixture?of?Gaussian,?MoG)的EM推導(dǎo)、混合貝葉斯模型(Mixture?of?Naive?Bayes，MoNB)的EM推導(dǎo)、因子分析模型(Factor?Analysis?Model)及其EM求解。由于本章內(nèi)容較多，故而分為AB兩篇，本篇介紹至混
- 關(guān)鍵字： 斯坦福 機(jī)器學(xué)習(xí)
2017全球機(jī)器學(xué)習(xí)技術(shù)大會(huì)
- 以機(jī)器學(xué)習(xí)為代表的人工智能技術(shù)已經(jīng)被公認(rèn)為未來(lái)5～10年技術(shù)變革的浪潮，它必將全方位改變未來(lái)人們的工作和生活方式。秉承“全球?qū)＜?、連接智慧”的宗旨，我們特邀三十多位全球機(jī)器學(xué)習(xí)領(lǐng)域的技術(shù)領(lǐng)袖和行業(yè)應(yīng)用專(zhuān)家，于2017年6月29-30日在北京舉辦「2017全球機(jī)器學(xué)習(xí)技術(shù)大會(huì)」活動(dòng)家提供大會(huì)在線報(bào)名服務(wù)。大會(huì)融合主題演講、互動(dòng)研討、案例分享、高端培訓(xùn)等多種形式，探討機(jī)器學(xué)習(xí)在各領(lǐng)域的發(fā)展和實(shí)踐應(yīng)用。未來(lái)已來(lái)，Are?You?Ready??來(lái)2017全球機(jī)器學(xué)習(xí)技術(shù)大會(huì)，一場(chǎng)
- 關(guān)鍵字： 機(jī)器學(xué)習(xí)
斯坦福機(jī)器學(xué)習(xí)公開(kāi)課筆記12—K-Means、混合高斯分布、EM算法
- 本文對(duì)應(yīng)斯坦福ML公開(kāi)課的第12個(gè)視頻，第12個(gè)視頻與前面相關(guān)性并不大，開(kāi)啟了一個(gè)新的話(huà)題——無(wú)監(jiān)督學(xué)習(xí)。主要內(nèi)容包括無(wú)監(jiān)督學(xué)習(xí)中的K均值聚類(lèi)(K-means)算法，混合高斯分布模型(Mixture of Gaussians, MoG)，求解MoG模型的EM算法，以及EM的一般化形式，在EM的一般化形式之前，還有一個(gè)小知識(shí)點(diǎn)，即Jensen不等式(Jensen’s inequality)?！ ?nbsp;
- 關(guān)鍵字： 斯坦福 機(jī)器學(xué)習(xí)
人工智能誕生60周年 展望機(jī)器學(xué)習(xí)的未來(lái)發(fā)展
- 在最近十年，隨著大數(shù)據(jù)和云計(jì)算(大規(guī)模計(jì)算)的發(fā)展，機(jī)器學(xué)習(xí)進(jìn)入了發(fā)展的黃金期。2016年12月17日，在2016機(jī)器智能前沿論壇上，中外專(zhuān)家探討了機(jī)器學(xué)習(xí)的未來(lái)發(fā)展與展望。
- 關(guān)鍵字： 人工智能 機(jī)器學(xué)習(xí)
最全面的52個(gè)機(jī)器學(xué)習(xí)API盤(pán)點(diǎn)，一文讓你全get
- Microsoft?CogniTIve?Service?-?Computer?Vision:?該API能夠根據(jù)用戶(hù)輸入與用戶(hù)選擇分析可視化內(nèi)容。譬如根據(jù)內(nèi)容來(lái)標(biāo)記圖片、進(jìn)行圖片分類(lèi)、人類(lèi)識(shí)別并且返回他們的相似性、進(jìn)行領(lǐng)域相關(guān)的內(nèi)容識(shí)別、創(chuàng)建圖片的內(nèi)容描述、定位圖片中的文本、對(duì)圖片內(nèi)容進(jìn)行成人分級(jí)等。 Rekognition:?該API能夠根據(jù)社交圖片應(yīng)用的特點(diǎn)提供快速面部識(shí)別與場(chǎng)景識(shí)別。譬如基于人眼、嘴、面部以及鼻子等等特征進(jìn)行性
- 關(guān)鍵字： 機(jī)器學(xué)習(xí)
機(jī)器學(xué)習(xí)介紹
您好，目前還沒(méi)有人創(chuàng)建詞條機(jī)器學(xué)習(xí)!
歡迎您創(chuàng)建該詞條，闡述對(duì)機(jī)器學(xué)習(xí)的理解，并與今后在此搜索機(jī)器學(xué)習(xí)的朋友們分享。 創(chuàng)建詞條
歡迎您創(chuàng)建該詞條，闡述對(duì)機(jī)器學(xué)習(xí)的理解，并與今后在此搜索機(jī)器學(xué)習(xí)的朋友們分享。 創(chuàng)建詞條
機(jī)器學(xué)習(xí)相關(guān)帖子
機(jī)器學(xué)習(xí)資料下載
機(jī)器學(xué)習(xí)專(zhuān)欄文章
關(guān)于我們 -
廣告服務(wù) -
企業(yè)會(huì)員服務(wù) -
網(wǎng)站地圖 -
聯(lián)系我們 -
征稿 -
友情鏈接 -
手機(jī)EEPW
Copyright ?2000-2015 ELECTRONIC ENGINEERING & PRODUCT WORLD. All rights reserved.
《電子產(chǎn)品世界》雜志社 版權(quán)所有 北京東曉國(guó)際技術(shù)信息咨詢(xún)有限公司
京ICP備12027778號(hào)-2 北京市公安局備案：1101082052 京公網(wǎng)安備11010802012473
Copyright ?2000-2015 ELECTRONIC ENGINEERING & PRODUCT WORLD. All rights reserved.
《電子產(chǎn)品世界》雜志社 版權(quán)所有 北京東曉國(guó)際技術(shù)信息咨詢(xún)有限公司
京ICP備12027778號(hào)-2 北京市公安局備案：1101082052 京公網(wǎng)安備11010802012473