作者: 玄学酱
1813人浏览
评论数：0
5年前
Fast Gradient Sign方法 先回顾一下《杂谈CNN：如何通过优化求解输入图像》中通过加噪音生成对抗样本的方法，出自Christian Szegedy的论文《Intriguing properties of neural networks》： 其中
作者: 【方向】
7959人浏览
评论数：0
5年前
生成对抗网络（GAN）是由两个相互竞争的网络组成的深度神经网络架构。 2014年，Lan Goodfellow和蒙特利尔大学包括Yoshua Bengio在内的其它研究人员在论文中介绍了生成对抗网络。Facebook的AI研究主管Yann LeCun称对抗训练
作者: 行者武松
3569人浏览
评论数：0
5年前
在深度学习之前已经有很多生成模型，但苦于生成模型难以描述难以建模，科研人员遇到了很多挑战，而深度学习的出现帮助他们解决了不少问题。本章介绍基于深度学习思想的生成模型——VAE和GAN，以及GAN的变种模型。 VAE 本节将为读者介绍基于变分思想的深度学习的生成
作者: 1833619571093157
2231人浏览
评论数：0
4年前
导言 激活函数在神经网络中具有重要的地位。在SIGAI之前的公众号文章“理解神经网络的激活函数”中，我们回答了3个关键的问题： 为什么需要激活函数？ 什么样的函数能用作激活函数？ 什么样的函数是好的激活函数？ 这篇文章从理论的角度介绍了激活函数的作用。承接上
作者: KB小秘书
1813人浏览
评论数：0
3年前
在刚刚结束的信息检索顶级会议SIGIR-2018中，阿里巴巴搜索事业部智能内容生成项目成果受到了学术界的关注，项目负责人清淞收到EASR-workshop keynote的邀请，参加了于2018年7月12日上午在美国安娜堡密歇根大学举行的第一届可解释性推荐与
作者: 玄学酱
1337人浏览
评论数：0
5年前
AI加持，计算机要拥有嗅觉了 辨识颜色是件容易的事情：只要光的波长为510纳米，大多数人就会说它是绿色。然而，要想根据一个特定的分子特征辨识出对应的味道，那是非常困难的。现在这个难题有新的解决方案了。 22个计算机科学家团队通过收集超过100万个数据点，构建
作者: 技术小能手
5585人浏览
评论数：0
5年前
GAN与造假 虽然生成对抗网络几年前就出现了，我对它是相当怀疑的。几年过去了，即使看到GAN在生成64x64分辨率的图像方面取得了巨大的进步，我对它仍是怀疑的。在阅读了一些数学文章之后，我更加怀疑了，因为这些文章说GAN并没有真正了解分布。但在2017年，事情
作者: 技术小能手
2640人浏览
评论数：0
4年前
1. R-CNN R-CNN是2014年出现的。它是将CNN用于对象检测的起源，能够基于丰富的特征层次结构进行目标精确检测和语义分割来源。 如何确定这些边界框的大小和位置呢？R-CNN网络是这样做的：在图像中提出了多个边框，并判断其中的任何一个是否对应着一个
