本文约1700字，建议阅读8分钟。最近一年我一直致力于深度学习领域。过拟合的模型通常是不精确的，因为这样的预测趋势并不会反映数据的真实情况。最常见的技术是L1和L2正则化：。L1惩罚项的目的是使权重绝对值最小化。而当数据足够简单，可以精确建模的话，L1更合

清北学霸现场分享最新的科研成果。激辩学术论题，探寻科学真谛！2019年11月20日，第二期AI Time PhD在冬日寒冷的北京擦出了学术的火花。现场来自各大高校的学子与嘉宾一同认真聆听、仔细记录、热烈讨论。未能到达现场的观众也通过观看微信群文字直播、远程

作者 | 电子科技大学统计机器智能与学习实验室责编 | Jane出品 | AI科技大本营图卷积网络是近年来逐渐流行的一种神经网络结构。相比于一般的拓扑图而言，人体骨骼拓扑图具有更加良好的稳定性和不变性，因此从2018年开始，就有许多学者尝试将图卷积网络应用

本文约4300字，建议阅读10+分钟。本文带你快速浏览典型NN模型核心部分，并教你构建RNN解决相关问题。人类不会每听到一个句子就对语言进行重新理解。看到一篇文章时，我们会根据之前对这些词的理解来了解背景。我们将其定义为记忆力。这就是循环神经网络发挥作用的

本文为你详细介绍序列模型，并分析其在不同的真实场景中的应用。简介如何预测一个序列中接下来要发生什么事情是一个非常吸引人的课题，这是我对数据科学如此着迷的原因之一！有趣的是——人类的头脑确实擅长于此，但是机器却不是这样的。多亏了深度学习，我们今天能做的事情比

2012年，三位深度学习的“巨人”Alex Krizhevsky, Ilya Sutskever 和 Geoffrey Hinton，联合发表了题为 “ImageNet Classification with Deep Convolutional Netw

本文约4700字，建议阅读10+分钟。本文简要介绍深度学习以及它支持的一些现有信息安全应用，并提出一个基于深度学习的TOR流量检测方案。我们看到的大多数深度学习应用程序通常面向市场、销售、金融等领域，但在使用深度学习来保护这些领域的产品和业务、避免恶意软件

当地时间 7 月 22 日，备受瞩目的 CVPR 2017 最佳论文在夏威夷会议中心揭晓。本届 CVPR 2017 共有两篇最佳论文，两篇最佳论文提名，以及一篇最佳学生论文。除了这些获奖论文之外，CVPR 2017还收录了一些非常有意思的论文。其中，MIT

本文为大家比较全面详细的介绍关于神经网络结构图的工具。在控制论或者是智能领域，神经网络是经常接触到的，另外，研究网络时，也经常需要绘制网络结点图，下面介绍一个tikz库可以非常方便地绘制这类图。The following example shows a R

AI100 已经引入 Hugo Larochelle 教授的深度学习课程，会每天在公众号中推送一到两节课，并且对视频中的 PPT 进行讲解。课后，我们会设计一系列的问题来巩固课程中的知识。本节课是 Hugo Larochelle 教授深度学习的第四节课。回

文章导读：这篇文章不是为了全面深入的介绍循环神经网络，而是为那些没有任何机器学习背景知识的读者提供一种思路，意在展示艺术家和设计师运用简单的Javascript和p5.js库构造预训练神经网络、进而创作出交互式数字作品的过程。近年来，对于那些富有创造性的群

RNN与LSTM这一部分主要涉及循环神经网络的理论，讲的可能会比较简略。什么是RNNRNN全称循环神经网络，是用来处理序列数据的。但是这种普通的神经网络对于很多关于时间序列的问题却无能无力。RNN之所以称为循环神经网路，即一个序列当前的输出与前面的输出也有