已有0人关注此标签
通用词向量、句向量研究现状
作者: 【方向】
158人浏览
目前，词和语句的嵌入已经成为任何基于深度训练的自然语言处理系统的重要组成部分。自然语言处理系统在固定长度的密集向量中编码单词和语句，从而通过神经网络极大地改进文本数据的处理。
IBM对决微软：“人类对等”级别的语音识别精度纪录再次易手
作者: 玄学酱
10人浏览
人工智能虽然能够在众多层面实现远超人类的处理能力，但语音识别显然尚不在其中——至少目前尚不在其中。IBM公司在最近的语音识别测试当中已经正式超越微软，并将词汇错误率控制在5.5%水平。 尽管已经拿下最新世界纪录，但IBM公司表示要让机器拥有超越人类的对话内容理解能力，恐怕还需要再等待一段时间。
Master60胜，AI又实现一个小目标！背后则是机器学习的一大进步
作者: 【方向】
2324人浏览
凌晨，满屏被Master就是最新AlphaGo,60战全胜的消息刷屏。AI已经是2017年当之无愧的爆点之一。社区也翻译了一篇海外专家的文章，概述了整个2016年机器学习领域中的主要突破与发展，期待2017！
Python自然语言处理常用库
作者: 武耀文
25人浏览
1.NLTK NLTK 在使用 Python 处理自然语言的工具中处于领先的地位。它提供了 WordNet 这种方便处理词汇资源的接口，以及分类、分词、词干提取、标注、语法分析、语义推理等类库。
Hinton胶囊网络后最新研究：用“在线蒸馏”训练大规模分布式神经网络
作者: 技术小能手
137人浏览
深度学习领域的大牛、多伦多大学计算机科学教授Geoffrey Hinton近年在distillation这一想法做了一些前沿工作。今天我们介绍的是Hinton作为作者之一，谷歌大脑、DeepMind等的研究人员提交的distillation的更进一步工作：通过online distillation进行大规模分布式神经网络训练。
IBM PowerAI编程大赛Q2场来袭！探秘金融语料大数据识别
作者: 玄学酱
56人浏览
由CSDN主办，IBM和兴业数金协办的PowerAI人工智能线下马拉松编程大赛Q2场将拉开序幕。本赛季赛题将聚焦金融行业的语料大数据识别，基于人工智能相关技术，计算有关金融场景的信息聚类，将电话银行海量通话内容结构化，并打上各类标签。
一文读懂深度学习模型近年来重要进展（附梳理图）
作者: 技术小能手
2093人浏览
唐杰老师学生帮忙整理的Deep Learning模型最近若干年的重要进展。有4条脉络，整理很不错。分享一下。 track1 cv/tensor 1943年出现雏形，1958年研究认知的心理学家Frank发明了感知机，当时掀起一股热潮。
深度学习(11)：序列模型
作者: fdvdx
210人浏览
深度学习(11)：序列模型 2018-03-09 采用循环神经网络能够建立各种各样的序列模型（Sequence Model）。加入一些注意力机制，能够使这些序列模型更加强大。 Seq2Seq模型 2014年Cho等人在论文[Learning Phrase Representations using RNN Encoder-Decoder for Statistical Machine Translation]中首次提出了Seq2Seq（Sequence-to-Sequence）模型。
深度学习(10)：自然语言处理
作者: fdvdx
332人浏览
深度学习(10)：自然语言处理 2018-03-01 自然语言处理（Natural Language Processing，NLP)是人工智能和语言学领域的学科分支，它研究实现人与计算机之间使用自然语言进行有效通信的各种理论和方法。
深度学习(9)：循环神经网络
作者: fdvdx
257人浏览
深度学习(9)：循环神经网络 2018-02-20 随深度学习技术的发展，使用循环神经网络（Recurrent Neural Network，RNN）建立的各种序列模型，使语音识别、机器翻译及自然语言理解等应用成为可能。
从算法、硬件到研究社区，全面回顾2016年机器学习领域主要进展
作者: 行者武松
119人浏览
人工智能圣杯虽然遥远，但这并不妨碍机器学习继续在2016年高歌猛进，其中，深度学习仍是最亮眼的明星。 人工智能圣杯虽然遥远，但这并不妨碍机器学习继续在2016年高歌猛进，其中，深度学习仍是最亮眼的明星。
词向量-LRWE模型
作者: 技术小胖子
130人浏览
我们尝试基于CBOW模型，将知识库中抽取的知识融合共同训练，提出LRWE模型。模型的结构图如下： 下面详细介绍该模型的思想和求解方法。 1. LWE模型 在Word2vec的CBOW模型中，通过上下文的词预测目标词，目标是让目标词在其给定上下文出现的概率最大，所以词向量训练的结果是与其上下文的词相关联的。
吴恩达deeplearning.ai五项课程完整笔记了解一下？
作者: 技术小能手
381人浏览
Deeplearning.ai 课程开课以来，一直受到大家的关注，也有众多读者积极的参与到学习中。Mahmoud Badry 完成的笔记主要分为五部分，分别对应神经网络与深度学习基础、提升 DNN 性能的技巧与方法等、结构化机器学习项目、卷积神经网络和序列模型五门课程。
学习算法你必须知道的一些基础知识（文末福利）
作者: 异步社区
338人浏览
机器学习是解决很多文本任务的基本工具，本文自然会花不少篇幅来介绍机器学习。要想搞明白什么是机器学习，一定要知道一些概率论和信息论的基本知识，本文就简单回顾一下这些知识。
<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-strict.dtd">
<html><head><meta http-equiv="Cont
作者: jailman王
86人浏览
递归神经网络 人类并不是每时每刻都从头开始思考。正如你阅读这篇文章的时候，你是在理解前面词语的基础上来理解每个词。你不会丢弃所有已知的信息而从头开始思考。
科大讯飞推出新一代语音识别技术：呼叫导航
作者: 玄学酱
124人浏览
日前，科大讯飞正式推出新一代语音识别技术--呼叫导航。用户使用“自由随意”的语言拨打语音自助服务系统，系统就能提供所需的服务与资讯，极大提升了广大用户的消费体验。 传统的语音自助服务系统利用命令词识别系统接受用户的语音输入，它解决了传统按键操作的生硬及提示音冗长等缺点，但命令词识别系统严格限制了用户的语音内容。
学习笔记CB009:人工神经网络模型、手写数字识别、多层卷积网络、词向量、word2vec
作者: 利炳根
294人浏览
人工神经网络，借鉴生物神经网络工作原理数学模型。 由n个输入特征得出与输入特征几乎相同的n个结果，训练隐藏层得到意想不到信息。信息检索领域，模型训练合理排序模型，输入特征，文档质量、文档点击历史、文档前链数目、文档锚文本信息，为找特征隐藏信息，隐藏层神经元数目设置少于输入特征数目，经大量样本训练能还原原始特征模型，相当用少于输入特征数目信息还原全部特征，压缩，可发现某些特征之间存在隐含相关性，或者有某种特殊关系。
