原创 阿里研究員華先勝:圖像搜索的前世今生

摘要讓你買買買停不下來的淘寶是如何做到所拍即所得的?   以下內容爲由4月27日由將門主辦的“計算機視覺”主題技術專家微信羣分享嘉賓實錄。   自我介紹 我在2001年北大數學系十年寒窗博士畢業以後加入了微軟亞洲研究

原创 Google 自學課程:深度學習與 TensorFlow

英文原文: Teach Yourself Deep Learning with TensorFlow and Udacity 作者:Vincent Vanhoucke,Google 首席科學家。翻譯:Guokai Han。 近些年

原创 200美元“造”出一臺可由語音控制外加能進行人臉識別的自主飛行無人機

繼“如何用100美元和TensorFlow來造一個能‘看’東西的機器人” 之後,Lukas又一最新力作。 結合深度學習和便宜硬件的更多探奇。 在“造”出能進行物體識別的機器人後,下一步就很清晰了,我要“造”一個能飛的東西!我決定搞一

原创 機器學習中,有哪些特徵選擇的工程方法?

知乎用戶 ,做過幾個機器學習系統 237 人贊同 特徵選擇是特徵工程中的重要問題(另一個重要的問題是特徵提取),坊間常說:數據和特徵決定了機器學習的上限,而模型和算法只是逼近這個上限而已。由此可見,特徵工程尤其是特徵選擇在機器學

原创 How Bayesian inference works

Bayesian inference is a way to get sharper predictions from your data. It’s particularly useful when you don’t have as

原创 CNCC 2016 | 周志華 57 張 PPT 揭開機器學習本質

雷鋒網按:本文根據周志華教授今天上午在 CNCC 2016 上所做的大會特邀報告《機器學習:發展與未來》編輯整理而來,在未改變原意的基礎上略作了刪減。 周志華, CCF 會士、常務理事、人工智能專委主任。南京大學教授,校學術委員會

原创 白話tensorflow分佈式部署和開發

關於tensorflow的分佈式訓練和部署, 官方有個英文的文檔介紹,但是寫的比較簡單, 給的例子也比較簡單,剛接觸分佈式深度學習的可能不太容易理解。在網上看到一些資料,總感覺說的不夠通俗易懂,不如自己寫一個通俗易懂給大家分享一下。

原创 間諜衛星的基礎?YOLT——利用卷積神經網絡對衛星影像進行多尺度目標檢測(Part I)

摘要: 利用卷積神經網絡(CNN)對衛星影像進行多尺度目標檢測,該文是在YOLO模型的基礎上改進提出YOLT模型,該方法極大的提高了背景區分,並能夠在不同尺度和多個傳感器上快速檢測出物體。 本文由北郵@愛可可-愛生活 老師推薦,阿里

原创 霧霾太重?深度神經網絡教你如何圖像去霧

導讀 北京城被中度污染天氣包圍,到處都是灰濛濛一片——霧霾天又來了。從11日起,霧霾天氣就開始出現,根據北京環境監測中心最新預報,這一輪霧霾短期內不會明顯好轉,尤其是今明兩天,北京空氣質量維持在4級中度污染,霧霾會一直持續到本週日。

原创 奇異值分解(SVD) --- 線性變換幾何意義

作者:餘露 來源:http://blog.sciencenet.cn/blog-696950-699380.html  PS:一直以來對SVD分解似懂非懂,此文爲譯文,原文以細緻的分析+大量的可視化圖形演示了SVD的幾何意義。能在有

原创 參數估計:最大似然、貝葉斯與最大後驗

來源:https://guangchun.wordpress.com/ 中國有句話叫“馬後炮”,大體上用在中國象棋和諷刺人兩個地方,第一個很厲害,使對方將帥不得動彈,但這個跟我們今天說的基本沒關係;第二個用途源於第一個,說事情都

原创 機器學習實戰1:樸素貝葉斯模型:文本分類+垃圾郵件分類

http://www.cnblogs.com/rongyux/p/5602037.html

原创 構建機器學習系統的20個經驗教訓

數據科學家對優化算法和模型以進一步發掘數據價值的追求永無止境。在這個過程中他們不僅需要總結前人的經驗教訓,還需要有自己的理解與見地,雖然後者取決於人的靈動性,但是前者卻是可以用語言來傳授的。最近Devendra Desale就在KDnu

原创 VMware Workstation cannot connect to the

參考百度經驗 http://jingyan.baidu.com/article/cbf0e50091dd362eaa2893e3.html 點贊 收藏 分享 文章舉報 南山牧笛

原创 Deep Residual Networks for Image Classification with Python + NumPy

https://dnlcrl.github.io/projects/2016/06/22/Deep-Residual-Networks-for-Image-Classification-with-Python+NumPy.html T