5 集智人工智能

尚未进行身份认证

集智人工智能官方博客(官方网站为https://jizhi.im/index),我们关注人工智能、机器学习、数据科学等相关领域,并愿意在此无偿分享我们的知识技术。集智隶属于北京景略信息科技有限公司,我们是一家以在线教育、互联网技术服务为主要营业方向的技术服务的公司。 业务内容包括机器学习、大数据分析、计算机编程技能教育、数据可视化等多个方面。

等级
TA的排名 10w+

浅说深度学习(2):简史

本文首发于集智专栏 https://jizhi.im/blog/post/dl_nutshell_02History深度学习简史第一个貌似深度学习的、具有多层非线性特征的算法可以追溯到1965年,Ivakhnenko和Lapa 用多项式激励函数组了个模型(图1),不宽但还挺深,结合统计方法做分析。在每一层里都用统计方法选择出最好的特征,并前馈给下一层。他们并没有使用反向传播

2017-04-21 22:00:12

浅说深度学习(1):核心概念

本文首发于集智专栏 https://jizhi.im/blog/post/dl_nutshell_01此为系列首篇,旨在提供直观简明的深度学习引导,涵盖深度学习的基本概念,而不设计很多数学和理论细节。当然如果要做更深入的研究,数学肯定是必不可少的,但是本系列主要还是用图片和类比等方式,帮助初学者快速建立大局观。第一节介绍深度学习的主要概念。第二节交代一些历史背景,并解释训练过程、算

2017-04-21 21:53:24

Kaggle入门教程——机器学习和数据科学竞赛的大数据平台

Kaggle入门教程——机器学习和数据科学竞赛的大数据平台        Kaggle是由联合创始人、首席执行官安东尼·高德布卢姆(Anthony Goldbloom)2010年在墨尔本创立的,主要为开发商和数据科学家提供举办机器学习竞赛、托管数据库、编写和分享代码的平台。该平台已经吸引了80万名数据科学家的关注,这些用户资源或许正是吸引谷歌的主要因素。

2017-04-03 15:57:09

卷积滤波器如何提取图像特征

本文首发于集智专栏:https://jizhi.im/blog/post/zen_bra在卷积:如何成为一个很厉害的神经网络 - 知乎专栏中,热心网友提出了这样的问题:该文在卷积神经网络的构成上讲解的比较直观,但是没有深入地探讨数学原理。本文将详细介绍卷积滤波器的具体机理,当然不要担心数学问题,只要能熟练掌握百以内加减法和九九乘法表就可以。之前在微博

2017-04-03 14:23:29

《机器学习有意思! 03》- 深度学习与卷积神经网络

本文首发于集智专栏:https://jizhi.im/blog/post/ml_is_fun_03你是否厌倦了每天被深度学习相关的新闻轰炸却不明所以?此诚求变之机。这一次我们将学习如何用深度学习来写程序识别图像中的物体。也可以说我们是要解释Google图片搜索背后的黑科技:Google可以通过描述搜索图片——即使图片没有事先打上标签!这是如何实现的?就像

2017-04-03 13:40:11

《机器学习有意思! 02》- 使用机器学习生成超级玛丽关卡

本文首发于集智专栏:https://jizhi.im/blog/post/ml_is_fun_02在系列的Part 1中我们已经讲过,机器学习是用普适的算法从数据中挖掘出有趣的东西,而无需针对具体问题写代码。这次我们将见识一种普适算法的炫酷表现——创造乱真的游戏关卡。我们将建立一个神经网络,导入已有的超级马里奥数据,然后创造新的关卡。正如Part 1一样

2017-04-03 13:16:10

《机器学习有意思! 01》- 世界上最简单的机器学习入门

本文首发于https://jizhi.im/blog/post/ml_is_fun_01你是否也曾听人们谈起机器学习但是只有一个朦胧的概念?你是否厌倦了在同事的高谈阔论中颓然欲睡?此诚求变之机。本教程适合所有对机器学习感到好奇,却不知从何下手的读者。我想应该有很多人试着读了维基百科页面,然后愈发迷惘、沉沦,盼望着有人能够提供一个high-level的解释,那你找对地

2017-04-03 13:01:23

卷积:如何成为一个很厉害的神经网络

本文首发于:https://jizhi.im/blog/post/intuitive_explanation_cnn什么是卷积神经网络?又为什么很重要?卷积神经网络(Convolutional Neural Networks, ConvNets or CNNs)是一种在图像识别与分类领域被证明特别有效的神经网络。卷积网络已经成功地识别人脸、物体、交通标志,应用在机器

2017-04-03 12:12:52

增强学习入门之Q-Learning

“机器学习”的话题一直很火热,相关的概念也是层出不穷,为了不落后于时代,我们都还是要学习一个。第一次听到“增强学习”(Reinforcement Learning)的时候,我以为只是在“深度学习”的基础上又玩儿的新花样。后来稍微了解了一下,发现其实是完全不同的概念,当然它们并非互斥,反而可以组合,于是又有了“深度增强学习”(Deep Reinforcement Learning)。

2017-04-03 11:26:56
勋章 我的勋章
    暂无奖章