IT思维

这篇文章可以作为一个设计指南，为特定分类任务的 CNN 设计提供指导。作者围绕准确率、速度、内存消耗三个指标的权衡，从网络类型、架构设计、数据处理和迁移学习等方面介绍了 CNN 设计过程中使用的方法。

Facebook 陷入水深火热之中。假新闻、恐怖主义、操纵俄罗斯大选，也许之后就是受管制了。这家公司把求救之手转向 AI。而这个策略将要求 Facebook 突破计算上的几大挑战。

是的，你没有看错，数据科学领域从业者最离不开的两大编程语言，当红炸子鸡 Python 和“过气网红”R 真的要展开合作了。

计算正变得无处不在，而智能边缘计算将会是下一个关键技术前沿。

无人车所至，自然引起路人的瞩目。德州人鲜有见过如此「外表张扬」的无人车。他们挥手、大笑、指指点点，似乎想引起这辆车的注意。

每当一个新技术普及时，它们常常会引起伦理问题。

撰写这篇文章，主要是详细介绍我们在十年前提出互联网大脑模型的原因；十年来在计算机和智能领域产生了哪些进展；在未来，互联网大脑模型对互联网、人工智能、混合智能、智慧城市和智慧社会建设有怎样的推动。

运行深度神经网络对计算能力、能耗及磁盘空间要求甚高，智能手机的计算资源十分有限，需要多种优化才能高效运行深度学习应用。

虽然强化学习问题的一般形式可以有效地推理不确定性，但强化学习和概率推断的联系并不是很明显。

音箱大战过后，语音生态之争已在巨头间拉开序幕。

你是如何骑自行车出门的？强化学习模型要如何模仿？

自20世纪50年第一台“会思考的机器”在一间地下室诞生开始，教计算机如何去“看”就一直是研究者所追求的目标。

为什么这样的情况经常出现？我们该如何避免让那些聪明且有天赋的人在这样无效的工作上浪费自己的时间和精力呢？

目前研究人员们已经在八个主体上进行了实验，并可以可靠的最大化实验对象停留在半梦半醒之间的时间，同时可以塑造他们此时微型梦境的内容。

那是什么使得 GAN 和 VAE 的联系不够显然呢？

我们都知道变色龙可以改变皮肤的颜色纹理，而如今深度学习技术甚至可以做到将一只猫的图像同时转变为狗、甚至狮子和老虎的图像。

Chen等人报道了另一种排名很靠前的方法。其基本思想是利用人工制作的特征将激光雷达点云投影到基于体素的RGB地图上，如密度、最大高度和一个具有代表性的点强度。

因其强大的表征能力，除图像分类以外，包括目标检测和人脸识别在内的许多计算机视觉应用都得到了性能提升。

中兴“告急”再次敲响了中国芯缺失的警钟。

本研究提出的模型由两个卷积网络（ConvNet）构成——外观流和动态流，二者分别经过预训练，用于目标识别和光流预测。

通过采用互联网功能的安全摄像头，可能会给您的家庭网络和宽带连接带来持续不断的视频流。

面对6300位来自世界各地的SAS用户，SAS®ViyaTM最新版本在Jonathan的操作下显示出了强大的机器学习能力。

其实，除了神经网络以外，AI领域中还包含很多更有趣、更新颖，更有前景的技术，文章中就将这些技术介绍给大家。

正则表达式对数据处理而言非常重要。近日，Dataquest 博客发布了一篇针对入门级数据科学家的正则表达式介绍文章，通过实际操作详细阐述了正则表达式的使用方法和一些技巧。

在生物学和医学领域，显微镜技术可以帮助研究人员观察到肉眼看不到的细胞和分子的细节。透射光学显微镜将生物样本的一侧照射并成像，这种显微镜相对简单，活体培养物可以很好地耐受，但是生成的图像可能难以准确评估。