他的研究兴趣包括人体姿态估计、语义分割、图像分类等，曾在BMVC、ICCV、CVPR等国际顶级会议上发表过论文。最近几年，用于图像分类的卷积神经网络成为解决视觉识别问题的标准结构，比如图1所示的LeNet-5。

我们采访了刘知远教授，他向我们介绍了 NLP 在过去一年的重要发展历程，以及实验室的重要研究成果与方向。在过去的 2018 年中，自然语言处理出现了很多令人激动的新想法与新工具。从概念观点到实战训练，它们为 NLP 注入了新鲜的活力。在这一年中，清华大学副

本文约5600字，建议阅读30+分钟。我们将不止学习理论，还包括编写4个不同的用例，看看PyTorch的表现如何。简介你可能已经在社交媒体上看到过N次关于PyTorch和 TensorFlow的两极分化的争论。这些框架的普及推动了近年来深度学习的兴起。Py

胶囊网络是什么？胶囊网络怎么能克服卷积神经网络的缺点和不足？机器学习顾问AurélienGéron发表了自己的看法。营长将文章内容翻译如下。胶囊网络是一种热门的新型神经网络架构，它可能会对深度学习特别是计算机视觉领域产生深远的影响。目前，解决这个问题主要是

为你推荐一个适合碎片时间学习的关于神经网络编程和PyTorch的课程。Deeplizard网站推出了一系列关于神经网络编程和PyTorch的免费课程。PyTorch是一个 Python 的深度学习框架，一经推出就立刻引起了广泛关注，并迅速在研究领域流行起来

过去十年间，深度神经网络被用于解决多种人工智能的任务，例如：图像分类、语音识别和游戏等，并迅速成为最先进的解决方法。研究人员致力于开发可以帮助我们理解DNN模型学习原理的可视化工具，揭开DNN在图像分类领域成功的秘密。这就是所谓的“图像风格迁移”。在过去几

本文涵盖了神经网络结构、机器学习、TensorFlow、Pandas、Numpy、Python、Scikit-Learn、Scipy等的基本概念与使用方法。这个部分展示了Scikit-learn中每个算法的适用范围及优缺点，可以帮你快速找到解决问题的方法。

深度神经网络和深度学习是既强大又受欢迎的算法。这两种算法取得的成功主要归功于神经网络结构的巧妙设计。我们来回顾一下，神经网络设计在过去几年以及在深度学习中的发展历程。这是文章中的一张具有代表性的图表，如下所示：。在多种受欢迎的神经网络结构中，大部分的操作需

本文为图文结合，建议阅读10分钟。本文为大家解读如何简单明了的解释卷积，并且分享了学习中的一些方法案例。丢骰子时加起来要等于4的概率是多少？关于卷积中常用到的一些概念：神经网络的卷积是对应位相乘，现在是信号相乘。卷积和池化可能导致欠拟合！任何其他先验类似，

在本系列中，你将会学习如何利用深度学习解决那些比较简单的问题。在解决问题的过程中，你不仅会学到深度学习中的某一种类型，也可以在 Keras 和 Tensorflow 这两种著名的深度学习程序库中编写代码。本文为本系列的第一部分，主要内容是谈论 basics

目前，深度学习已经成为了一门热门的技术。很多开发人员想系统的学习一下深度学习，但苦于没有找到一个很好的平台。基于此，AI100 开始引入 Hugo Larochelle 教授的深度学习课程。每天在公众号中推送一个视频，并且对视频中的 PPT 进行讲解。课后

作为全球 AI 语言翻译服务的领先者之一，2016年9月，谷歌推出了新型的翻译系统，Google Neural Machine Translation，能让翻译系统不再像以往那样逐字逐字地翻译，而是从整体上分析句子，大幅提升了机器翻译的质量。谷歌表示，在一