人工智能已对人类及其未来产生深远影响，这里我们抛开其对科学技术发展中的作用不谈，从STS的角度着重说明这一技术对人类的经济利益、社会和文化生活等方面的影响。而大数据将为社会带来三方面变革：思维变革、商业变革、管理变革，各行业将大数据纳入企业日常配置已成必然

在算法f中，优化算法可得到f的最大值或最小值。在深度学习中，可通过优化代价函数J来训练神经网络。代价函数J的值是预测值y '与实际值y之间损失L的均值。第一个方程表示权值矩阵W的变化量，第二个方程表示偏置b的变化量。接下来本文将通过下图来解释梯度下降法的原

一般来说，我们应用开发人员与数据科学家和IT部门合作，将AI模型部署到生产环境。数据科学家使用特定的框架来训练面向众多使用场景的机器/深度学习模型。我们将经过训练的模型整合到为解决业务问题而开发的应用程序中。然后，IT运营团队在数据中心或云端运行和管理已部

从很大程度上来说，深度学习实际上是在解决大量烦人的优化问题。实质上，通过训练神经网络，我们是在最小化一个损失函数。这个损失函数的值衡量了我们网络的性能在给定数据集上离完美还差多少。一个很棒的损失函数的轮廓可能是这样的。因为拥有这种轮廓的损失函数就像圣诞老人

使用了深度学习技术，金融服务、信用卡、电信、零售业等多个行业都可以发现并预防欺诈，运用深度学习的预测性比传统线性数据分析模型要好得多。Teradata Everywhere的第二个承诺是，只要客户购买了软件，便可以将软件运行在任何地方，无论是运行在本地、A

它通常包含具有许多节点的神经网络，并且每个节点都有许多需要在学习过程中必须不断更新的连接。因此，神经网络的结构适用于GPU可以高效执行的计算类型。深度学习框架的创建目标是在GPU上高效运行深度学习系统。在这篇文章中，我想向大家介绍推动深度学习发展的5个主力

功能磁共振的空间分辨率很高，但其时间分辨率比较有限，只能采集到2s 左右时间内的平均活动程度，同时对于神经活动的检测有一定延时。

最近笔者终于跑通TensorFlow Object Detection API的ssd_mobilenet_v1模型，这里记录下如何完整跑通数据准备到模型使用的整个过程，相信对自己和一些同学能有所帮助。Object Detection API提供了5种

近日，加州大学圣克鲁兹分校斯图尔特实验室博士后 Pablo Cordero 在其个人博客上发表了首篇文章《WHEN NOT TO USE DEEP LEARNING》，探讨了深度学习的当前现状和先入之见，并分析了其局限性。这一切开始于 Jeff Leek

回顾2016年，深度学习在应用领域取得了三个重大进展。展望2017年，深度学习在应用领域将会有新的突破，其中一大看点，就是机器阅读。LSTM 也是一种神经网络，特色有二 [4]。所以，LSTM 是处理序列的利器，语句就是序列的一种，序列的例子还包括，股票价