无论是面试官还是求职者都可以看看。Batch Normalization 是训练神经网络模型的一种有效方法。Batch Normalization 可以避免 x 值经过非线性激活函数后趋于饱和的现象。Batch Normalization 也是一种正则化

Colorful Image Colorization图片的颜色上色，主要使用到了CNN卷积神经网络，作者在ImageNet数据集上进行了大量的训练，并将此问题使用在分类任务中，以解决问题的潜在的不确定性，并在训练时使用颜色重新平衡的损失函数方法来增加颜色

在这篇文章中，我们将学习人工网络架构以及如何使用其中一个来帮助恶意软件分析师和信息安全专业人员检测和分类恶意代码。恶意软件是每个现代组织的噩梦。安全厂商正在尽最大努力防范恶意软件攻击，但遗憾的是，每月发现的数百万恶意软件无法实现这一点。现在讨论主要的人工神

对神经网络而言，使用同一架构的网络，从不同初始值开始优化，最终的泛化效果可以完全不同。在传统的机器学习中，对优化算法和泛化性能的研究是分开的，但对深度学习这样的非凸问题而言，两者是密不可分的。本文试图对这个问题做出统一的解释。神经网络有很多异于传统机器学习

尽管深度学习已经存在了好几年，但这仍然是一个悬而未决的问题。设计一个好的神经网络的许多困难源于它们仍然是黑盒子的事实。我们对它们如何工作有一些高层次的想法，但我们并不真正知道它们如何实现这个结果。最近的研究为我们提供了一些具体的证据，证明CNN的精度提高了

可解释性是深度神经网络的最大挑战之一，尤其是对处理图像等非结构化数据集的神经网络而言是非常难的。换句话说，理解图像分类模型是如何构建其认知，是很困难的。虽然图像分类模型已被证明比人类等效系统更有效，但由于缺乏可解释性，限制了其适用程度。因为我们无法审计或有

在过去的十年里，计算机视觉领域取得的进步是前所未有的。机器现在可以识别视频中的图像或某一帧，准确率(98%)超过人类(97%)。之所以有这么大的突破，就是得益于对人脑的研究。其中，代表特定特征的探测器，又被称为滤波器或核。每一个这样的滤波器都将用于检测图像

在这篇文章中，我们将了解人工网络架构以及如何使用其中之一来帮助恶意软件分析师和信息安全专业人员检测和分类恶意代码。黑客和网络犯罪分子总是想出新的恶意软件来攻击目标。安全厂商也竭尽全力防范恶意软件的攻击，但遗憾的是，由于每月都有数百万个恶意软件被发现，他们无

深度神经网络是计算机视觉和语音识别领域的关键突破。在过去的十年中，深层网络使得机器能够识别图像、语音，甚至能够以人类几乎不可能的准确度玩游戏。为了实现高精度，需要大量数据和计算能力来训练这些网络。然而，尽管涉及计算复杂性，我们可以遵循某些指导方针来减少训练

本文假定正在阅读的你已经拥有了有关神经网络优化算法的基本知识。特别是，有关SGD和SGD的知识将对理解这篇文章非常有帮助。RMSprop-是专为神经网络设计的未发表的优化算法，最一开始是由Geoff Hinton在其在线课程《神经网络机器学习》的第6讲中提

NVIDIA的研究人员开发了第一个可以教机器人仅通过观察人类的行为来完成任务的深度学习系统。该方法利用合成数据来训练神经网络，是第一次在机器人上使用以图像为中心的域随机化方法。这是第一个这样的系统，研究由Stan Birchfield和Jonathan T

在本文中，会向您展示几种不同的技术。帮助您开发可用于经典图像分类问题的算法：从图像中检测狗品种。此外，如果检测到人类，算法将提供最相似狗的品种的估计值。卷积神经网络是一类深度神经网络，它在计算机视觉和视觉图像应用方面得到广泛采用。，他们通过单个CNN证明了

作者用了一种新奇的方法来训练神经网络。更新权重的分布而不是顺序更新静态权重，得到了更有趣和可靠的结果。贝叶斯方法给了我们一个机会，使得我们可以不手动添加正则项的情况下对神经网络进行正则化，理解模型的不确定性，并尽可能使用更少的数据得到更好的结果。我不会深入

目前，深度学习受到大规模的炒作，人们恨不得在各个地方都使用神经网络，但确实在每一个地方都适用么？我们将在下面的章节中进行讨论，阅读完它后，您将知道神经网络的主要缺点，并且当您为当前的机器学习问题选择正确类型的算法时，您将有一个粗略的指导原则。您还将了解我们

递归神经网络是最先进的顺序数据算法之一，在苹果Siri和Google语音搜索中都使用到的算法。在这篇文章中，你将学习递归神经网络如何工作的基本概念，最大的问题是什么以及如何解决它们。介绍递归神经网络是一种功能强大的神经网络类型，属于目前最有前途的算法，因为

如果我们要创造广义的人工智能，我们必须教会它和我们一样思考。去年，人工智能AlphaGo首次在人机围棋大赛中战胜了人类世界冠军。鉴于围棋的巨大复杂性，这次胜利抓取了所有人的目光。虽然AlphaGo打败了多位世界级围棋棋手的胜利令人印象深刻，但这种人工智能仍

2017年度百度奖学金10位候选人中，人大的陈师哲和北大的王云鹤所学专业主要集中在计算机视觉，本文将详细呈现CV学子的求学经历和研究感悟，并独家分享他们和自己的学术大牛导师的相处轶事。王云鹤在神经网络加速压缩方面做了深入研究。

当前，深度学习扛起了人工智能的大旗，让我们得以一窥智能机器在将来的能耐。但深度学习有个不小的问题：没人知道它是如何运作的。作为当今神经网络的核心，机器学习算法已经发展了几十年，它定义完善，文献丰富。目前，DataRobot正在与Immuta合作，旨在寻找并

今天在这里我给大家讲解一些深度学习中卷积神经网络的原理和一些经典的网络结构。然而SIFT这类算法提取的特征还是有局限性的，在ImageNetILSVRC比赛的最好结果的错误率也有26%以上，而且常年难以产生突破。卷积神经网络提取的特征则可以达到更好的效果，