在 AI 巨头企业向我们讲述人工智能故事时，最先试用 AI 前沿技术的是开发者。借助各类开源库和开源模型，开发者将最闪亮的思想嵌入到模型中，通过不断的修正后得到最实用的方法，继而探索 AI 产品目前的能力边界。在「WAIC 开发者·上海临港人工智能开发者大

在最新一期的NeuIPS 2019 线上论文分享中，我们邀请到了华为诺亚方舟实验室研究员许奕星为我们介绍模型压缩这一热门研究主题。12 月 8 日-14 日，NeurIPS 2019 将于加拿大温哥华举办。在论文方面，今年大会投稿数量也创下了历史新纪录，一

高屋建瓴，统领全局，学习tensorflow。AI包括学习，推理，计划，感知，语言理解和机器人等任务。常见的误解这是一项特定的技术。任何解决问题的方法都算作对AI的贡献。但是，AI系统解决的任务类型往往与传统的算法任务有很大不同，例如排序数字列表或计算平方

BP神经网络是1986年由Rumelhart和McCelland为首的科学家小组提出，是一种==按误差逆传播算法训练的多层前馈网络==，是目前应用最广泛的神经网络模型之一。BP网络能学习和存贮大量的==输入-输出模式映射关系==，而无需事前揭示描述这种映射

深度学习在诸多方面，如图像分割、时序预测和自然语言处理，都优于其他机器学习方法。嵌入，即用连续向量表示离散变量的方法，在其中起到了不可或缺的作用。像机器翻译中的词嵌入和分类变量中的实体嵌入，都是嵌入的成功应用。相关概念已在之前的工作——将Wikipedia

在最近发表的论文中，Young及其同事汇总了基于深度学习的自然语言处理系统和应用程序的一些最新趋势。在这篇全面的综述中，你可以详细了解NLP深度学习的过去，现在和未来。此外，你还将学习一些 在NLP中应用深度学习的最佳实践。Collobert和Weston

胶囊网络是一种可能会对深度学习产生深远影响的热门新型神经网络结构，特别是在计算机视觉领域。我们不是都已经见过卷积神经网络在各种计算机视觉任务中达到超人水平的例子吗?最后，卷积神经网络需要额外的组件来自动识别部件属于哪个目标，而胶囊网络为你免费提供部件层次。

来看看阿里技术大牛的分享！神经网络和深度学习技术是当今大多数高级智能应用的基础。在本文，来自阿里巴巴搜索部门的高级算法专家孙飞博士将简要介绍神经网络的演变，并讨论该领域的最新发展。本文主要围绕以下五个方面：。神经网络主要是一种计算模型，它以简化的水平模拟人

为了理解RNN，我们需要对序列建模进行简要概述。但是，RNN的计算能力使得它们很难训练。由于梯度问题的爆发或消失，训练RNN相当困难。长期的短期记忆：将RNN用于长期记忆值的小模块。

本文会为你揭开递归神经网络的面纱。在本文的第一部分中，我们将介绍递归神经网络的来源，说明传统神经网络的局限性。需要注意的是，递归神经网络不仅仅局限于有序数据，因为很多问题都可以分解为一系列的子问题。例如，我们用递归神经网络产生带有某种顺序的手写数字，模仿艺

递归神经网络可存储记忆神经网络，LSTM是其中一种，在NLP领域应用效果不错。递归神经网络，时间递归神经网络，结构递归神经网络。两者训练属同一算法变体。RNN引入定向循环，神经元为节点组成有向环，可表达前后关联关系。RNN关键是隐藏层，隐藏层捕捉序列信息，

相信我们，用一个像素点，足以实现对神经网络攻陷。在很多情况下，我们甚至可以让神经网络给出我们想要的任何答案。以下项目是 Keras 重现和教程：One pixel attack for fooling deep neural networks. 在这套攻击

该教程将介绍如何入门神经网络，一共包含五部分。你可以在以下链接找到完整内容。多层网络的泛化随机梯度下降的最小批处理分析在这个教程中，我们把前馈神经网络推到任意数量的隐藏层。其中的概念我们都通过矩阵乘法和非线性变换来进行系统的说明。这个神经网络将是通过随机梯

当我们要使用神经网络来构建一个多分类模型时，我们一般都会采用 softmax 函数来作为最后的分类函数。softmax 函数对每一个分类结果都会分配一个概率，我们把比较高的那个概率对应的类别作为模型的输出。这就是为什么我们能从模型中推导出具体分类结果。为了

问题引入试想，一个对象本身和由对象组成的一个集合都需要支持逻辑上相同的操作，实际实现可能不一样.既然在语义这个更高级抽象可以把两者统一，那么如果这两者都继承同一个基类岂不是更好?Essentially, we try to give single obje

Dropout 是一类用于神经网络训练或推理的随机化技术，这类技术已经引起了研究者们的广泛兴趣，并且被广泛地应用于神经网络正则化、模型压缩等任务。虽然 Dropout 最初是为密集的神经网络层量身定制的，但是最近的一些进展使得 Dropout 也适用于卷积

TensorFlow是谷歌推出的深度学习平台，目前在各大深度学习平台中使用的最广泛。TensorFlow 中最基本的单位是常量、变量和占位符。在第一步使用 TensorFlow 构建计算图中，需要构建整个模型的架构。第三步更新权重并获取返回值，控制训练过程

由于图结构非常复杂且信息量很大，因此对于图的机器学习是一项艰巨的任务。本文将介绍 GCN，并使用代码示例说明信息是如何通过 GCN 的隐藏层传播的。读者将看到 GCN 如何聚合来自前一层的信息，以及这种机制如何生成图中节点的有用特征表征。GCN 是一类非常

南洋理工大学的综述论文《Recent Advances in Convolutional Neural Networks》对卷积神经网络的各个组件以及进展情况进行总结和解读，其中涉及到 CNN 中各种重要层的数学原理以及各种激活函数和损失函数。近段时间来，

现在网络上充斥着大量关于神经网络的消息，但是，什么是神经网络？其本质到底是什么？你是不是对这个熟悉又陌生的词感到困惑？想要透彻的了解神经网络，我们首先要知道什么是机器学习。为了更好的理解机器学习，我们首先谈谈人的学习，或者说什么是“经典程序设计”。一般来说