Alexa，你在偷听我吗?当然，这也会产生隐私泄露的风险，想想亚马逊或谷歌的转包商坐在一旁听我们家里传送过来的音频片段，或者黑客远程监视我们的孩子，这有多恐怖。Picovoice表示，它已经在与各大家电公司合作开发语音控制设备。更重要的一点是，边缘AI反应

我们为什么要睡觉?一个明显的原因是恢复我们身体和四肢的力量。但是睡眠的另一个非常重要的作用是巩固记忆并组织清醒时大脑摄入的所有信息。缺乏适当睡眠的人会认知能力下降，记忆力下降。睡眠的奇观和奥秘仍然是研究的活跃领域。人工智能研究人员也在研究这一领域所做的工作

人工智能初创公司Cerebras Systems去年很火，8月份，其发布了史上最大半导体芯片WSE，拥有1.2万亿晶体管，比最大的GPU大56.7倍；11月份，第一台基于该芯片的计算机CS-1发布，号称世界上最快的深度学习计算系统。WSE比通常用于神经网络

当你越过前馈神经网络，进入卷积神经网络和递归神经网络时，反向传播似乎是许多人感到困惑的话题之一。通过本文介绍的反向传播的基本原理，你可以理解反向传播的全过程。甚至在LSTM中表示分叉之类的东西也被假定并且在讨论中被省略。我们将用另一种方式解释LSTM RN

近期，来自 Facebook AI、新加坡国立大学、奇虎 360 的研究人员联合提出了一种新的卷积操作 ，用于替代现有的通用卷积。这款新卷积不仅占用更少的内存和计算，还有助于提高性能。卷积神经网络在很多计算机视觉任务中都取得了卓越的成就，然而高准确率的背后

随后这些抽象的语义信息能用于许多 NLP 任务，如情感分析、自动摘要、机器翻译和问答系统等。卷积神经网络因为其在计算机视觉中的有效性而被引入到自然语言处理中，实践证明它也非常适合序列建模。其中查找表可以将每一个词转换为一个用户自定义维度的向量。

春节假期刚刚结束，在这个时间节点，不免情不自禁地要回望一下过去，展望一下未来。在过去几天机器之心已经发布了对数位顶尖学者的年度专访，针对不同领域的发展趋势做了深度对话。本文我们将介绍针对 NLP 领域的发展对微软亚洲研究院副院长、ACL 主席周明博士的专访

选自fritz.ai，机器之心编译，机器之心编辑部。今天 reddit 上一篇帖子引起了热议，博主 jamesonatfritz 称他将原本具备 1.7M 参数的风格迁移网络减少到只有 11,868 个参数，该网络仍然能够输出风格化的图像。他所试验的第一个

选自 arXiv,机器之心编译,参与：思源.昨日，reddit 上一篇帖子引发热议，该帖介绍了一篇关于梯度下降对过参数化神经网络影响的论文，该论文只用单个非常宽的隐藏层，并证明了在一定条件下神经网络能收敛到非凸优化的全局最优解。社区中很多人对此发表了看法。

机器之心专栏，作者：马悦驰、翁文康。近日，来自清华大学交叉信息研究院量子信息中心、南方科技大学量子科学与工程研究所的马悦驰、翁文康所著论文「利用机器学习将贝尔不等式转变为神经网络」正式发表在 NPJ Quantum Information 上。该成果对于量

至少苏黎世联邦理工学院的研究人员是这样认为的，在他们开发的 AI Benchmark 应用中，搭载麒麟芯片的华为 P20 Pro 的神经网络处理性能第一，比第二名一加 6 手机的 3.4 倍还多。这款 APP 目前已经在 Google Play Store

人类在看到图像时可以进行合理的推理与预测，而目前的神经网络系统却还难以做到。近日，来自卡耐基梅隆大学的陈鑫磊、Abhinav Gupta，谷歌的李佳、李飞飞等人提出了一种新型推理框架，其探索空间和语义关系的推理性能大大超过了普通卷积神经网络。目前该工作已被

人类可以在应对各种情况时在大脑中事先进行充分思考，那么人工智能也可以吗？近日，由谷歌大脑研究科学家 David Ha 与瑞士 AI 实验室 IDSIA 负责人 Jürgen Schmidhuber共同提出的「世界模型」可以让人工智能在「梦境」中对外部环境的

深度学习的根本理论问题之一是「深度有何作用」？虽然增加神经网络的层数可以提高其性能，但是训练和优化的难度也随之增加。深度学习理论中有一个根本的问题：即「网络的深度有何作用？」传统观点认为添加隐藏层可以提升网络表现力。但是往往这种能力的提升需要付出一定的代价

在进行各种小实验和思维训练时，你会逐步发现为什么在训练深度神经网络时，合适的权重初始化是如此重要。本文作者James Dellinger，总结了Jeremy Howard在fast.ai上最新的《Deep Learning Part II》课程之后，他自己

早在2014年，Booz Allen Hamilton和俄勒冈州立大学的哈特菲尔德海洋中心组织了一场精彩的数据科学Kaggle竞赛，作为当年国家数据科学碗的一部分。比赛的目的是创建一种算法，自动将不同浮游生物图像分类为121种不同物种之一。传统的用于测量和

另外，我的GitHub页面中提供了本教程中使用的源代码。本教程也可在TowardsDataScience获得。之后，我们的使用NumPy从头开始构建ANN。人工神经网络并没有完全创建起来，只是准备好了前向传递，但并没有用于更新网络权重的后向传递。GA为特定

在很大程度上归功于诸如词嵌入，以及由至少部分地通过神经网络构建的语言模型驱动的聊天机器人的爆炸式增长，神经网络在该领域取得的成就也越来越大。它涵盖了神经网络在NLP中使用的主要成就。该项目概述了基于深度学习的自然语言处理的最新趋势。感谢Elvis Sara

最近，我对在旧金山的Google Cloud Next大会上关于"TensorFlow有什么新事物？"这个问题的一些观点进行了总结。TensorFlow是一个机器学习框架，如果你拥有大量数据或者已经掌握了最先进的人工智能：深度学习，那么

本文将重点介绍如何使用LSTM神经网络架构，使用Keras和Tensorflow提供时间序列预测，特别是在股票市场数据集上，以提供股票价格的动量指标。这些被称为递归神经网络。与RNN神经元一样，LSTM神经元在其管道中可以保持记忆，以允许解决顺序和时间问题