量子计算碰上机器学习，谷歌今日的博客介绍了他们在 量子神经网络 方面的最新进展。

什么是循环神经网络（RNN）？它们如何运行？可以用在哪里呢？本文试图回答上述这些问题，还展示了一个 RNN 实现 demo，你可以根据自己的需要进行扩展。

元学习 是目前机器学习领域一个令人振奋的研究趋势，它解决的是学习如何学习的问题。

新的一年即将到来了，这里先祝各位新年快乐，狗年财运旺旺的 。在新年的最后一篇推送中，就简单的介绍一下和狗相关的一项黑科技，狗练识别。

递归神经网络（RNN）是一类神经网络，包括一层内的加权连接（与传统前馈网络相比，连接仅馈送到后续层）。因为 RNN 包含循环，所以它们可以在处理新输入的同时存储信息。这种记忆使它们非常适合处理必...

今天主要和大家说的是分类检测过程中，一些稀疏和集成学习的相关知识，首先和大家说下图像目标定位与检测的方法分类。

今天看到一些感兴趣的东西，现在总结了给大家分享一下，如果有错，希望大家指正批评，谢谢！那就开始进入正题。

近日，Nature 发表了一个研究团队开发了一种能自主学习的人工突触，它能提高人工神经网络的学习速度。该研究表明记忆就是神经元间相连接突触的强度分布所表示，而学习可以通过突触的重新配置（即可塑性...

深度学习正在给自然语言处理带来巨大的变革。 但是，作为一个初学者，要从哪里起步才好呢？ 深度学习和自然语言处理都是很宽泛的领域。哪些方面才是最重要的，还有，深度学习又是从哪个层面深刻影响了 NLP 呢？

该笔记用技术教学的方式介绍三种最常见的神经网络架构形式：前馈、卷积和循环，详细介绍了每一种网络的基本论文技术性地介绍了三种最常见的神经网络：前馈神经网络、卷积神经网络和循环神经网络。且该文详细介...

近日，Slav Ivanov 在 Medium 上发表了一篇题为《37 Reasons why your Neural Network is not working》的文章，从四个方面（数据集、...

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。

几千年来，人们就已经有了思考如何构建智能机器的想法。从那时开始，人工智能 (AI) 经历了起起落落，这证明了它的成功以及还未实现的潜能。如今，随时都能听到应用机器学习算法来解决新问题的新闻。从癌...

以下内容来源于一次部门内部的分享，主要针对AI初学者，介绍包括CNN、Deep Q Network以及TensorFlow平台等内容。由于笔者并非深度学习算法研究者，因此以下更多从应用的角度对整...

BP神经网络，训练的时候，给定一组输入和输出，不断的对权值进行训练，使得输出达到稳定。但BP神经网络并不是适合所有的场景，并不真正的体现出某些场景的真正特点。回到经典的概率论问题，抛硬币问题，假...

前几天，Google DeepMind 公开了一篇新论文《克服神经网络中的灾难性遗忘（Overcoming catastrophic forgetting in neural networks）...

本文介绍几个较新的基于深度学习的SR方法，包括SRCNN，DRCN, ESPCN，VESPCN和SRGAN等。

众所周知，图像就是像素值的集合，而这个观点可以帮助计算机科学家和研究者们构建一个和人类大脑相似并能实现特殊功能的神经网络。有时候，这种神经网络甚至能超过人类的准准度。

神经网络已经成为了人工智能最火的领域，是源于大脑结构的计算模型。 属于信息处理结构，其最重要的属性是其从数据中学习的能力。 这些技术在营销、工程等诸多领域取得了巨大的成功。

对于那些对AI感兴趣但还没有深入研究的传统数据科学家，下面是对数据科学技术的简要概述，这些数据科学技术在通俗报纸中被称为人工智能（AI）。