深度神经网络本质上是通过具有多个连接的感知器而形成的，其中感知器是单个神经元。可以将人工神经网络视为一个系统，其中包含沿加权路径馈入的一组输入。然后处理这些输入，并产生输出以执行某些任务。随着时间的流逝，ANN“学习”了，并且开发了不同的路径。各种路径可能

随着机器学习应用的增多，很多人需要了解采用机器学习训练数据的好处。在将数据加载到人工智能模型以进行模型训练之前，必须正确格式化数据并确保其准确性。假设用户正在使用公共云中流行的机器学习系统创建欺诈检测引擎。或者通过人工智能引擎指导者提供外部经验，从而使人工

根据GMI Research最新分析，人工智能市场将在2026年达到2390亿美元，在2019-2026年的预测期内以30.1%的复合年增长率增长。AI被定义为在旨在像人类一样思考并模仿其行为的机器中模拟人类智能。其中，由于对硬件平台的需求不断增长，并且

人工智能并不能解决所有问题，但如果应用得当，它可以在短时间内产生很大的变化。您或许已经听说过机器学习和人工智能的前景。这两个技术概念，已经引起了全世界的关注。自动驾驶汽车、人形机器人、设备预测维护——这些应用不仅仅限于消费者领域，工业界也开始疯狂了。这种趋

近年来，3D 计算机视觉和人工智能两个领域都取得了飞快的发展，但二者之间如何实现有效的结合还有很长的路要走。基于此，英伟达于今日推出了 Kaolin PyTorch 库，借助于这个库，只需几步即可将 3D 模型迁移至神经网络的应用范畴。此外，Kaolin

深度学习技术的不断普及，越来越多的语言可以用来进行深度学习项目的开发，即使是JavaScript这样曾经只是在浏览器中运行的用于处理轻型任务的脚本语言。TensorFlow.js是谷歌推出的基于JavaScript的深度学习框架，它提供的高级API使得开发

Fregata是TalkingData开源的一个基于Spark的轻量级、超快速的大规模机器学习库，并在Scala中提供高级API。当面对超高维问题时，Fregata会动态计算剩余内存来确定输出的稀疏性，自动平衡精度和效率；轻量：Fregata只使用了Spa

从PyTorch到Mxnet ，对比这些Python深度学习框架。选择什么深度学习框架一直是开发者非常关心的一个话题，而且深度学习框架之间的「战争」也越来越激烈。Indico Data Solutions 的 CTO Madison May 根据他们公司在

当我们获取信息时，我们一般会处理它，然后生成一个输出。类似地，在神经网络的情况下，神经元接收输入，处理它并产生输出，而这个输出被发送到其他神经元用于进一步处理，或者作为最终输出进行输出。例如，如果一个神经元有两个输入，则每个输入将具有分配给它的一个关联权重

由此产生的超像素采样网络是端到端可训练的，它允许学习具有灵活损失功能的特定于任务的超像素，并具有快速运行时间。大量的实验分析表明，SSN不仅在传统的分割基准测试中胜过现有的超像素算法，而且还可以学习其他任务的超像素。此外，SSN可以轻松集成到下游深度网络中

纽约大学心理学教授 Gary Marcus 曾是 Uber 人工智能实验室的负责人，他自己创立的人工智能创业公司 Geometric Intelligence 2016 年 12 月被 Uber 收购，自己也就加入 Uber 帮助他们建立人工智能实验室。

DGA是一种利用随机字符来生成C&C域名，从而逃避域名黑名单检测的技术手段。例如，一个由Cryptolocker创建的DGA生成域xeogrhxquuubt.com，如果我们的进程尝试其它建立连接，那么我们的机器就可能感染Cryptolocker勒

Keras 是提供一些高可用的 Python API ，能帮助你快速的构建和训练自己的深度学习模型，它的后端是 TensorFlow 或者 Theano 。本文假设你已经熟悉了 TensorFlow 和卷积神经网络，如果，你还没有熟悉，那么可以先看看这个

神经网络是有史以来发明的最优美的编程范式之。在传统的编程法中，我们告诉计算机做什么，把问题分成许多小的、精确定义的任务，计算机可以很容易地执行。相反，它从观测数据中学习，找出它自己的解决问题的办法。2006 年，被称为 “深度神经网络” 的学习技术的发现

使用海量数据来识别照片和语音并实时翻译讲话，深度学习计算机朝着真正的人工智能迈进了一大步。还有很多深度学习的应用则在我们的视线之外影响世界。互联网搜索、广告推荐、金融量化交易、机器翻译、医疗大数据分析、智能法律咨询……可以说凡是需要从大量数据中预测未知信息