iT邦幫忙

deep learning相關文章
共有 116 則文章
鐵人賽 AI & Data DAY 26

技術 27 Attention model

繼 Seq2seq model 之後,真正可以做到 end-to-end 翻譯的,很多都是用了 attention model。 Attention model...

鐵人賽 AI & Data DAY 12

技術 [魔法陣系列] 王者誕生:AlexNet 之術式解析

在上一篇前言提到 AlexNet 是一個歷史分水嶺,這是由於在 AlexNet 之前,Deep Learning 已經沈寂很久,而在2012年的 ImageNe...

鐵人賽 AI & Data DAY 11

技術 [魔法陣系列] Convolutional Neural Network(CNN)之術式解析

2012年,Alex Krizhesky 和 Geoff Hinton 提出的 AlexNet 在 ImageNet 的圖像分類競賽中以巨大優勢贏得冠軍,使 C...

鐵人賽 AI & Data DAY 24

技術 25 Recurrent model 之死

當大家正在開心的用著 RNN 跟 LSTM 等等模型之時,就有人跳出來了。 不要再用 RNN 為基礎的模型了!! 就是這篇 The fall of RNN /...

鐵人賽 AI & Data DAY 10

技術 [魔王出沒] 深度學習中的魔王軍簡介

其實這篇應該先寫於《精進魔法》系列之前的,但沒關係,只要有 [地圖] 深度學習世界的魔法陣們 指引,你能夠照你想要挑戰的項目去學習。 以下介紹深度學習的魔王們,...

鐵人賽 AI & Data DAY 9

技術 [精進魔法] Optimization:優化深度學習模型的技巧(下)- Batch Normalization

本文主題是「Batch Normalization」,Ian Goodfellow 大大在《Deep Learning》一書中是這麼描述 Batch Norma...

鐵人賽 AI & Data DAY 8

技術 [精進魔法] Optimization:優化深度學習模型的技巧(中)- Adaptive Learning Rates

前情提要 在 [精進魔法] Optimization:優化深度學習模型的技巧(上)一文中提及了下面三種優化 deep learning 模型的作法: Batc...

鐵人賽 AI & Data DAY 21

技術 22 Convolutional encoder-decoder 架構

標題這不是一個專有名詞。 在電腦視覺的領域中有幾個有名的問題: 影像辨識(Image recognition) 物件辨識(Object detection)...

鐵人賽 AI & Data DAY 7

技術 [精進魔法] Optimization:優化深度學習模型的技巧(上)

上篇提到怎麼避免 Overfitting 的技巧,本文要帶給大家的是如何優化深度學習,提高模型的效能。 Batch & Mini batch 深度學習每...

鐵人賽 AI & Data DAY 6

技術 [精進魔法] Regularization:減少 Overfitting ,提高模型泛化能力

當開始興致勃勃的嘗試畫魔法陣,搭建神經網絡模型時,也許會遇到下面的情形: 哥布林之吶喊:我明明在訓練集表現很好啊,為什麼實際上線時結果卻崩潰了(抱頭) 那你...

鐵人賽 AI & Data DAY 20

技術 21 Activation functions and ReLU

今天我們來談談 activation function 吧! 先談談線性轉換 談 activation function 之前先要談談線性轉換。 有上到比較後面...

鐵人賽 AI & Data DAY 5

技術 [實戰系列] 使用 TensorFlow 搭建一個 ANN 魔法陣(模型)

有了先前的 ANN 魔法陣教學後,該是來讓各位見習魔法使實戰演練了,前情提要請參見: [魔法陣系列] Artificial Neural Network (A...

鐵人賽 AI & Data DAY 19

技術 20 Convolutional neural network

Convolution layer 這邊我們回到我們的 convolution layer,如果把以上的一維向量拓展到二維的矩陣資料會長什麼樣子呢? 我們先來看...

鐵人賽 AI & Data DAY 4

技術 [魔法陣系列] Artificial Neural Network (ANN) 之術式啟動

上篇介紹 ANN 魔法陣結構:輸入層(Input Layer)、隱藏層(Hidden Layer)及輸出層(Output Layer)。此外,也解釋了神經元與激...

鐵人賽 AI & Data DAY 18

技術 19 Convolution 運算

熱身運動都做好了,接下來我們就一路往影像處理上的重要技術 CNN 前進啦! Convolutional neural network,顧名思義,他是一種神經網路...

鐵人賽 AI & Data DAY 3

技術 [魔法陣系列] Artificial Neural Network (ANN) 之術式解析

第一個魔法陣:Artificial Neural Network (ANN, 1943) 首先先來看看 ANN 的結構: 圖片來源:https://hack...

鐵人賽 AI & Data DAY 2

達標好文 技術 [地圖] 深度學習世界的魔法陣們

剛開始研究 deep learning 時,正好是 AlphaGo 跟南韓棋士李世乭對戰(2016年3月8日到3月15日)的前一兩個月,那時我們小組嘗試用 CN...

鐵人賽 AI & Data DAY 15

技術 16 深度學習其實是一種 Representation learning

機器學習的技術已經發展了非常久的時間,我們有非常多的模型可以幫我們做預測,包含像是 regression、classification、clustering、s...

鐵人賽 AI & Data DAY 1

達標好文 技術 [序幕] AI(人工智慧)、Machine Learning(機器學習)、 Deep Learning(深度學習)是什麼?

2018年堪稱是台灣的「AI 元年」,政府推動產業 AI 化,同時也不遺餘力的培養 AI 種子們。相信不管是在新聞媒體上或是公司內部都可常看到或聽到「AI」字眼...

鐵人賽 AI & Data DAY 14

技術 15 為什麼要深?

接著我們就來到了蠻重要的問題,既然一個 hidden layer 的網路架構就可以逼近任何連續函數,那麼為什麼要深度學習? 對於這個問題,台大李宏毅老師有非常詳...

鐵人賽 Big Data DAY 29

技術 江山代有才人出,各領風騷迎禧年;CES 2017的東歐新秀,Almotive AI自動駕駛軟體與套件公司進軍美國,傳統汽車產業又多一威脅

汽車向來是最高檔次的消費產品類,封閉的產業;但當AI人工智慧的演算法和複雜架構因著GPU助長了深度學習的進展,微控制器和opensource的快速經驗複製加速了...

鐵人賽 Big Data DAY 20

技術 路邊的野花不要摘,網上的數據小心採!「閉」源的自動輔助駕駛軟硬體公司開放下載某車CAN Bus控制信號與ROS架構

先說在前面,採取專利或技術保密,或者開源共同競爭技術門檻或是營造市場,都是正確的商業策略, OpenSource vs 技術保密不公開,這個題目絕不是一翻兩瞪眼...

鐵人賽 Big Data DAY 14

技術 Linux 、機器人、自然語言學、演算法、電腦視覺、微波、封包、圖學、預測、Autopilot,汽車界橫空出世的破壞性創新,發展史上看似獨立無關的科技,背後總有個脈絡

上個世紀初福特T型車的流水生產線,開啟了人類移動世代, 這個世紀是由擁有多元知識的T型人才,交織出創新的未來, 從2016年9月陸續有人類因為被「主動預防系統預...

鐵人賽 Big Data DAY 10

技術 自幹自動駕駛靠不靠譜?OpenCV電腦視覺接深度學習「看路循著車道修正含多路」的狀況是如何?有影片有真相___當然是這位開創者的

連俄羅斯美女主播都有興趣,早在2015年12月就報導喬治霍茲,這位26歲就被Tesla伊隆馬斯克找去發展自動駕駛,談不攏沒合作、自己獨立開發出自動駕駛系統、自立...

鐵人賽 Big Data DAY 1

技術 今年最火紅的話題的就是電腦視覺、深度學習、自動駕駛

宅宅駕駛座旁無伊人,莫辜負自幹雙手萬能, 怎沒人響應開源自動駕駛,一起來做沒有人 簡介 今年最火紅的話題的就是電腦視覺、深度學習、自動駕駛, 最近最衝擊的兩新聞...