已有0人关注此标签
《中国人工智能学会通讯》——1.34 应 用
作者: 知与谁同
10人浏览
本节书摘来自CCAI《中国人工智能学会通讯》一书中的第1章，第1.34节， 更多章节内容可以访问云栖社区“CCAI”公众号查看。
《中国人工智能学会通讯》——1.12 研究热点
作者: 知与谁同
6人浏览
本节书摘来自CCAI《中国人工智能学会通讯》一书中的第1章，第1.12节， 更多章节内容可以访问云栖社区“CCAI”公众号查看。
《数字逻辑设计与计算机组成》一 导读
作者: 华章计算机
11人浏览
本书内容包括存储器组织、处理器核心和处理器组织结构，以及硬件支持的计算机安全等。由于技术的进步以及对高速和低功耗设计的需求改变了计算机组织结构的基础，因此本书尝试不仅提供简单的实例用于展示基本的设计概念，而且揭示对现代计算机设计目标的理解。
不可思议的Word2Vec之系列三-提取关键词
作者: yabmarlboro
57人浏览
本文主要是给出了关键词的一种新的定义，并且基于Word2Vec给出了一个实现方案。这种关键词的定义是自然的、合理的，Word2Vec只是一个简化版的实现方案，可以基于同样的定义，换用其他的模型来实现。
不可思议的Word2Vec系列二训练好的模型
作者: yabmarlboro
33人浏览
由于后面几篇要讲解Word2Vec怎么用，因此笔者先训练好了一个Word2Vec模型。为了节约读者的时间，并且保证读者可以复现后面的结果，笔者决定把这个训练好的模型分享出来，用Gensim训练的。单纯的词向量并不大，但第一篇已经说了，我们要用到完整的Word2Vec模型，因此我将完整的模型分享出来了，包含四个文件，所以文件相对大一些。
不可思议的Word2Vec系列一数学原理
作者: yabmarlboro
38人浏览
对于了解深度学习、自然语言处理NLP的读者来说，Word2Vec可以说是家喻户晓的工具，尽管不是每一个人都用到了它，但应该大家都会听说过它——Google出品的高效率的获取词向量的工具。 I. Word2Vec不可思议？ 大多数人都是将Word2Vec作为词向量的等价名词，也就是说，纯粹作为一个用来获取词向量的工具，关心模型本身的读者并不多。
【深度神经网络 One-shot Learning】孪生网络少样本精准分类
作者: 知与谁同
47人浏览
传统观点一般认为，深度神经网络通常比较擅长从高维数据中学习，例如图像或者语言，但这是建立在它们有大量标记的样本来训练的情况下。然而，人类却拥有单样本学习的能力——如果你找一个从来没有见过小铲刀的人，给他一张小铲刀的图片，他应该就能很高效的将它从其他厨房用具里面鉴别出来。
连克林贡语都能翻译 外星人也阻止不了Microsoft Translator
作者: 玄学酱
18人浏览
今年三月，在旧金山举办的微软Build 2016开发者大会，微软除了展示了拥抱开源的新变化，以及诸如Windows 10、Azure等一众令人兴奋的产品和策略外，还有一个小细节吸引了众多观众的目光——全程演讲的实时翻译字幕。
“明明白白我的心” 语音交互成无人驾驶汽车刚需
作者: 玄学酱
21人浏览
试想，如果有一天人类与机器人对话，会使用什么方式？尤其是当人类指挥一个车型机器人行驶在道路上的时候，是用计算机语言不断给机器人输入代码，还是只是简单地使用人类最熟悉的交互方式——人类语言？答案显而易见。
LSTM的“前生今世”
作者: 【方向】
1066人浏览
本文介绍了LSTM的发展历史，并且深入浅出的介绍了LSTM的核心思想（无非就是几个高深莫测的公式），作者通过图形化的方法解释了公式，使得核心思想更加容易理解。
忽悠VC指南：假装成一名人工智能专家的正确姿势
作者: 琴瑟
43人浏览
不知道你是否已经感受到了人工智能的存在。最近两年间，关于“人工智能和机器学习将如何革新每个行业”，“所有的工作都将消失”，类似这种论调的预言简直无穷无尽。不过，这也意味着人工智能领域存在着多种可能和巨大的机遇。
PaperWeekly 第47期 | 开学啦！咱们来做完形填空：“讯飞杯”参赛历程
作者: 技术小能手
535人浏览
1. 前言 从今年开始，CCL 会议将计划同步举办评测活动。笔者这段时间在一创业公司实习，公司也报名参加这个评测，最后实现上就落在我这里，今年的评测任务是阅读理解，名曰《第一届“讯飞杯”中文机器阅读理解评测》。
智能语音交互：阿里的研究和实践
作者: 场景研读
1059人浏览
云栖TechDay40期，iDST智能语音交互团队总监智捷带来智能语音交互的演讲。本文主要讲解了语音识别的核心组件，语音识别准确率以及影响准确率因素，还分享了iDST智能语音交互以及阿里云的对外输出。
PaperWeekly 第二十三期 --- 机器写诗
作者: 青衫无名
49人浏览
引言 什么是艺术？ 机器的作品能否叫艺术？ 机器能否取代艺术家？ 这些问题，相信不同的人，会有不同的答案。很多人认为机器生成的作品只是简单的模仿人类，没有创造性可言，但是人类艺术家，不也是从模仿和学习开始的吗？本文是一篇机器诗歌生成的综述文章，希望能增进大家对这个领域的了解。
PaperWeekly 第二十六期 --- 2016年最值得读的NLP paper解读（3篇）+在线Chat实录
作者: 青衫无名
53人浏览
引言 本期Chat是PaperWeekly第一次尝试与读者进行互动交流，一共分享和解读3篇paper，均选自2016年最值得读的自然语言处理领域paper，分别是： End-to-End Reinforcement Learning of Dialogue Agents for Informa.
PaperWeekly 第十一期
作者: 青衫无名
53人浏览
引言 Memory Networks是由Facebook的Jason Weston等人提出的一个神经网络框架，通过引入长期记忆组件(long-term memory component)来解决神经网络长程记忆困难的问题。
PaperWeekly 第八期
作者: 青衫无名
36人浏览
SIGDIAL是ACL所属的关于对话系统的兴趣小组，SIG的文章针对性比较强，但文章的质量良莠不齐，本期给大家精心挑选了4篇SIGDIAL 2016的文章，带着大家一起来看看对话系统最新的研究成果。4篇文章分别是： 1、Joint Online Spoken Language Understand.
深度学习零基础进阶第四弹｜干货分享
作者: 青衫无名
29人浏览
雷锋网曾编译了《干货分享 | 深度学习零基础进阶大法！》系列，相信读者一定对深度学习的历史有了一个基本了解，其基本的模型架构（CNN/RNN/LSTM）与深度学习如何应用在图片和语音识别上肯定也不在话下了。
NLP工程师技术解读：智能语音助理类产品的未来在哪里？
作者: 青衫无名
34人浏览
雷锋网按：本文作者李超，出门问问NLP工程师。文中的所有观点系作者个人观点，不代表出门问问公司的立场。雷锋网(公众号：雷锋网)独家文章。 最近AI热火烧遍全国，语音智能助理是热中之热。各大公司不断加大了对这方面的投入，做垂直或者通用领域的初创团队也如雨后春笋般涌现，竞争非常激烈，不少业内人士认为智能助理将替代APP，成为新的交互方式。
