卷积神经网络已经断断续续的学了大半年了，却发现自己还是一头雾水，连基本的概念都没搞清楚。这两天在网上查了一些资料，看了一些教程。将卷积神经网络的基本概念和原理理了一下，并整理出来，以供大家参考。白化是将PCA去相关性之后将每一特征的方差归一化到1. 这样p

Momentum是Gradient Descent算法的扩展、可加速或抑制参数更新。MLP是多层神经网络的最基本形式，如果它超过2层，则是深度神经网络。NMT系统使用神经网络在不同语言之间进行翻译，例如英语和法语。NTM通常学习某种形式的记忆和注意力机制来

Image Restoration Using Very Deep Convolutional Encoder-Decoder Networks with Symmetric Skip Connections. 本文提出了一个深度的全卷积编码-解码框架来解

Keras介绍Keras是一个开源的高层神经网络API，由纯Python编写而成，其后端可以基于Tensorflow、Theano、MXNet以及CNTK。Keras 为支持快速实验而生，能够把你的idea迅速转换为结果。Keras适用的Python版本是

你好，欢迎阅读长短期记忆网络和门控循环单元的图解文章。我是Michael，是AI语音助理领域的机器学习工程师。在这篇文章中，我们将从LSTM和GRU背后的原理出发。然后我将解释允许LSTM和GRU表现良好的内部机制。问题根源短期记忆递归神经网络具有短期记忆

基本流程1. 利用web引擎进行渲染，保存截图以及DOM树2. 使用卷积神经网络预测候选元素是否是目标元素。预处理从DOM树中提取所有的节点以及其位置，以矩形框表示，使用其文本作为文本输入, 叶节点作为候选输入，然后使用卷积神经网络来处理视觉信息和文本信息

欢迎大家前往腾讯云+社区，获取更多腾讯海量技术实践干货哦~目前结合神经网络的端到端的声学模型训练方法主要CTC和基于Attention两种。本文主要介绍CTC算法的基本概念，可能应用的领域，以及在结合神经网络进行CTC算法的计算细节。

摘要： 在2016年Google率先发布上线了机器翻译系统后，神经网络表现出的优异性能让人工智能专家趋之若鹜。本文将借助多个案例，来带领大家一同探究RNN和以LSTM为首的各类变种算法背后的工作原理。t时刻的状态ht，是由前一时刻的状态ht-1与Whh做矩

本文以最简单的RNNs模型为例：Elman循环神经网络，讲述循环神经网络的工作原理，即便是你没有太多循环神经网络的基础知识，也可以很容易的理解。该文中完整代码在Github上是可实现的。Jeff Elman首次提出了Elman循环神经网络，并发表在论文《F

解答如何在阿里云上快速部署和运行MXNet，以及介绍了阿里云上的MXNet一些性能实践。目前从事阿里云GPU异构计算基础设施的研发以及GPU在深度学习等领域的应用研究和性能调优等工作。所以MXNet尝试将两种模式无缝的结合起来。在命令式编程上MXNet提供

深夜脑子不是很清楚，大部分代码参考了github……此CNN图像识别神经网络的用途是之后用来评估NVIDIA-DGX服务器的性能，因此尽量扩大网络的训练时间。此服务器搭载了8块NVIDIA TESLA V100显卡，是目前顶级的深度学习计算卡，单卡售价10

使用图神经网络寻找最短路径在本文中，我们将展示具有关注读写功能的图形网络如何执行最短路径计算。经过最少的培训后，该网络可以100％的准确率执行此任务。在Octavian，我们相信图是表示复杂知识的强大媒介。神经网络是一种创造人类无法表达的函数的方法。人们使

conda install pytorch torchvision -c soumith目前PyTorch仅支持MacOS和Linux，暂不支持Windows。安装 PyTorch 会安装两个模块，一个是torch，一个 torchvision, torc

CNN作为一个深度学习架构被提出的最初诉求是降低对图像数据预处理的要求，避免复杂的特征工程。在卷积神经网络中，第一个卷积层会直接接受图像像素级的输入，每一层卷积（滤波器）都会提取数据中最有效的特征，这种方法可以提取到图像中最基础的特征，而后再进行组合和抽象

机器不学习 www.jqbxx.com : 深度聚合机器学习、深度学习算法及技术实战神经网络和深度学习—浅层神经网络。神经网络基本的结构和符号可以从上面的图中看出，这里不再复述。在logistic regression中，一般我们都会用来表示参数大小，计算

机器不学习 www.jqbxx.com : 深度聚合机器学习、深度学习算法及技术实战从今天起，正式开始讲解卷积神经网络。这是一种曾经让我无论如何也无法弄明白的东西，主要是名字就太“高级”了，网上的各种各样的文章来介绍“什么是卷积”尤为让人受不了。听了吴恩达

机器不学习 www.jqbxx.com : 深度聚合机器学习、深度学习算法及技术实战介绍目标探测的基本方法，传统方法 DPM，神经网络分类 R-CNN 系列方法和神经网络回归 YoLo 系列方法。目标探测先来看下什么是目标探测，下图矩形框表示的物体都可以作

命名实体识别 是语义理解中的一个重要课题。NER就像自然语言领域的“目标检测”。找到文档D 中的名词实体还不够，许多情况下，我们需要了解这个名词是表示地点，人名还是组织，等等：。在神经网络出现之前，几乎所有NER半监督或者非监督的方法，都要依靠手工的单词

本文主要讲如何不依赖TenserFlow等高级API实现一个简单的神经网络来做分类，所有的代码都在下面；在构造的数据上做了验证，经过1个小时的训练分类的准确率可以达到97%。上面是一个简单的三层网络；输入层包含节点X1 , X2；隐层包含H1，H2；输出层