數(shù)據(jù)中心最新文章 國(guó)產(chǎn)OS元心推5G設(shè)備OS，高安全級(jí)可捕獲越權(quán)行為 今日，智能移動(dòng)OS商元心科技向外界推出全新微內(nèi)核操作系統(tǒng)SyberV、電子公文系統(tǒng)，以及基于云網(wǎng)端一體化安全框架的行業(yè)整體解決方案。 發(fā)表于：4/21/2019 網(wǎng)絡(luò)規(guī)模更小、速度更快，這是谷歌提出的MorphNet 一直以來(lái)，深度神經(jīng)網(wǎng)絡(luò)在圖像分類(lèi)、文本識(shí)別等實(shí)際問(wèn)題中發(fā)揮重要的作用。但是，考慮到計(jì)算資源和時(shí)間，深度神經(jīng)網(wǎng)絡(luò)架構(gòu)往往成本很高。 發(fā)表于：4/21/2019 速度提高100萬(wàn)倍，哈佛醫(yī)學(xué)院大神提出可預(yù)測(cè)蛋白質(zhì)結(jié)構(gòu)的新型深度模型 蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)是生命科學(xué)領(lǐng)域的一大難題。近日，來(lái)自哈佛大學(xué)醫(yī)學(xué)院的研究人員提出了一種基于氨基酸序列預(yù)測(cè)蛋白質(zhì)結(jié)構(gòu)的新方法，準(zhǔn)確率可媲美當(dāng)前最佳方案，但預(yù)測(cè)速度提升了100萬(wàn)倍。 發(fā)表于：4/21/2019 NAACL 2019 | 怎樣生成語(yǔ)言才能更自然，斯坦福提出超越Perplexity的評(píng)估新方法 語(yǔ)言生成不夠「生動(dòng)」？Percy Liang 等來(lái)自斯坦福大學(xué)的研究者提出了自然語(yǔ)言評(píng)估新標(biāo)準(zhǔn)。 發(fā)表于：4/21/2019 機(jī)器學(xué)習(xí)如何解決「看病難」？Jeff Dean等詳述機(jī)器學(xué)習(xí)在醫(yī)療領(lǐng)域的應(yīng)用 在這篇文章中，Jeff Dean 等人工智能大牛描繪了一幅機(jī)器學(xué)習(xí)在醫(yī)療領(lǐng)域的應(yīng)用藍(lán)圖。 發(fā)表于：4/21/2019 CVPR 2019 | 百度無(wú)人車(chē)實(shí)現(xiàn)全球首個(gè)基于深度學(xué)習(xí)的激光點(diǎn)云自定位技術(shù) 數(shù)名來(lái)自百度智能駕駛事業(yè)群組（Baidu IDG）的研究員和工程師們實(shí)現(xiàn)了全球首個(gè)基于深度學(xué)習(xí)的激光點(diǎn)云自定位技術(shù)，不同于傳統(tǒng)的人工設(shè)計(jì)的復(fù)雜算法，該系統(tǒng)首度基于深度學(xué)習(xí)網(wǎng)絡(luò)實(shí)現(xiàn)了高精度厘米級(jí)的自定位效果，取得了重要的技術(shù)突破。 發(fā)表于：4/21/2019 維基百科你已經(jīng)是個(gè)大百科了，該自己學(xué)會(huì)用ML識(shí)別原文出處了 維基百科可能是我們認(rèn)為比較客觀真實(shí)的材料了，但它包羅萬(wàn)象卻又會(huì)引起一些小問(wèn)題，例如很多句子或說(shuō)法提供不了引用出處。 發(fā)表于：4/21/2019 CVPR 2019 | PointConv：在點(diǎn)云上高效實(shí)現(xiàn)卷積操作 3D 點(diǎn)云是一種不規(guī)則且無(wú)序的數(shù)據(jù)類(lèi)型，傳統(tǒng)的卷積神經(jīng)網(wǎng)絡(luò)難以處理點(diǎn)云數(shù)據(jù)。來(lái)自俄勒岡州立大學(xué)機(jī)器人技術(shù)與智能系統(tǒng)（CoRIS）研究所的研究者提出了 PointConv，可以高效的對(duì)非均勻采樣的 3D 點(diǎn)云數(shù)據(jù)進(jìn)行卷積操作，該方法在多個(gè)數(shù)據(jù)集上實(shí)現(xiàn)了優(yōu)秀的性能。 發(fā)表于：4/21/2019 刷臉背后，卷積神經(jīng)網(wǎng)絡(luò)的數(shù)學(xué)原理原來(lái)是這樣的 計(jì)算機(jī)視覺(jué)技術(shù)在日常生活中有著非常普遍的應(yīng)用：發(fā)朋友圈之前自動(dòng)修圖、網(wǎng)上購(gòu)物時(shí)刷臉支付……在這一系列成功的應(yīng)用背后，卷積神經(jīng)網(wǎng)絡(luò)功不可沒(méi)。本文將介紹卷積神經(jīng)網(wǎng)絡(luò)背后的數(shù)學(xué)原理。 發(fā)表于：4/21/2019 CVPR 2019 | CSP行人檢測(cè)：無(wú)錨點(diǎn)框的檢測(cè)新思路 本文被收錄于 CVPR 2019，通訊作者單位為阿聯(lián)酋起源人工智能研究院（IIAI）。受啟發(fā)于傳統(tǒng)的特征點(diǎn)檢測(cè)任務(wù)和最近的全卷積式關(guān)鍵點(diǎn)檢測(cè)和配對(duì)的工作，本文作者提出了一種無(wú)需密集滑窗或鋪設(shè)錨點(diǎn)框、全卷積式預(yù)測(cè)目標(biāo)中心點(diǎn)和尺度大小的行人檢測(cè)方法，為目標(biāo)檢測(cè)提供了一個(gè)新的視角。 發(fā)表于：4/16/2019 微軟亞研：對(duì)深度神經(jīng)網(wǎng)絡(luò)中空間注意力機(jī)制的經(jīng)驗(yàn)性研究 空間注意力（Spatial Attention）機(jī)制最近在深度神經(jīng)網(wǎng)絡(luò)中取得了很大的成功和廣泛的應(yīng)用，但是對(duì)空間注意力機(jī)制本身的理解和分析匱乏。 發(fā)表于：4/16/2019 賈揚(yáng)清：我對(duì)人工智能方向的一點(diǎn)淺見(jiàn) 作為 AI 大神，賈揚(yáng)清讓人印象深刻的可能是他寫(xiě)的AI框架Caffe ，那已經(jīng)是六年前的事了。經(jīng)過(guò)多年的沉淀，成為「阿里新人」的他，對(duì)人工智能又有何看法？ 發(fā)表于：4/16/2019 除了Kaggle，這里還有一些高質(zhì)量的數(shù)據(jù)科學(xué)競(jìng)賽平臺(tái) 除了大名鼎鼎的 kaggle，數(shù)據(jù)科學(xué)家可以參加的數(shù)據(jù)競(jìng)賽平臺(tái)其實(shí)還蠻多的。有些比賽平臺(tái)不僅提供比賽，還讓你有機(jī)會(huì)自己創(chuàng)辦比賽。有些比賽由公司贊助，有些由政府機(jī)構(gòu)贊助。參加這些比賽不僅能讓你的能力獲得認(rèn)可，還可以獲得一些不菲的獎(jiǎng)金呢~ 發(fā)表于：4/16/2019 線性模型已退場(chǎng)，XGBoost時(shí)代早已來(lái) 什么是 XGBoost？如何直觀理解 XGBoost？它為什么這么優(yōu)秀？ 發(fā)表于：4/16/2019 最強(qiáng)學(xué)習(xí)資料：國(guó)內(nèi)多所重點(diǎn)大學(xué)課程攻略 或許每個(gè)經(jīng)歷過(guò)大學(xué)生涯的人都會(huì)有這樣的感受：曾經(jīng)努力收集各種課程資料，但在修完一門(mén)課程之后卻會(huì)發(fā)現(xiàn)遺漏了很多重點(diǎn)內(nèi)容。每一代前輩總結(jié)出的經(jīng)驗(yàn)也常常因?yàn)闊o(wú)處傳承而逐漸遺漏消失。 發(fā)表于：4/16/2019 ?…88899091929394959697…?
