自然語言處理技術，用于計算機中模擬人類的對話和文本理解。主要源于AI大模型化的NLP技術突破是將深度學習技術與傳統的NLP方法結合在一起，從而更好地提高NLP技術的準確性和效率。大模型化的NLP技術能夠更好地支持企業進行大規模的語料內容分析，并為企業更好地進行文本分析提供幫助。 語言是人類區
2023-02-13 09:47:00
2771 本文通過深度學習技術來闡述2017年NLP領域所取得的一系列進步
2017-12-16 07:59:006939 英特爾人工智能產品事業部，數據科學主任 Yinyin Liu 近日撰寫了一篇文章，介紹了深度學習為自然語言處理帶來的種種變化。有趣的大趨勢是首先產生在 CV 領域的技術也不斷用于 NLP，而深度學習解決方案的構建方式也隨著時間在進化。
2018-05-02 10:00:255766 
基于神經網絡中層信息量指標，分析不同神經網絡模型的處理能力。我們分析比較了四種在 NLP 中常用的深度學習模型，即 BERT， Transformer， LSTM， 和 CNN。在各 NLP 任務中，BERT 模型往往表現最好，Transformer 模型次之。
2020-09-11 16:56:241160 
深度學習與圖神經網絡學習分享：CNN 經典網絡之-ResNet resnet 又叫深度殘差網絡 圖像識別準確率很高，主要作者是國人哦 深度網絡的退化問題 深度網絡難以訓練，梯度消失，梯度爆炸
2022-10-12 09:54:42685 
NLP之tfidf作詞向量
2020-06-01 17:28:24
NLP面試題目6-10
2020-05-21 15:02:41
一：深度學習DeepLearning實戰時間地點：1 月 15日— 1 月18 日二：深度強化學習核心技術實戰時間地點： 1 月 27 日— 1 月30 日(第一天報到 授課三天；提前環境部署 電腦
2021-01-09 17:01:54
的網絡最終來實現更通用的識別。這些多層的優點是各種抽象層次的學習特征。例如，若訓練深度卷積神經網絡（CNN）來對圖像進行分類，則第一層學習識別邊緣等最基本的東西…
2022-11-11 07:55:50
最終來實現更通用的識別。這些多層的優點是各種抽象層次的學習特征。例如，若訓練深度卷積神經網絡（CNN）來對圖像進行分類，則第一層學習識別邊緣等最基本的東西。下一層學習識別成形的邊緣的集合。后續圖層學習
2019-03-13 06:45:03
深度學習常用模型有哪些？深度學習常用軟件工具及平臺有哪些？深度學習存在哪些問題？
2021-10-14 08:20:47
CPU優化深度學習框架和函數庫機器學***器
2021-02-22 06:01:02
具有深度學習模型的嵌入式系統應用程序帶來了巨大的好處。深度學習嵌入式系統已經改變了各個行業的企業和組織。深度學習模型可以幫助實現工業流程自動化，進行實時分析以做出決策，甚至可以預測預警。這些AI
2021-10-27 06:34:15
一：深度學習DeepLearning實戰時間地點：1 月 15日— 1 月18 日二：深度強化學習核心技術實戰時間地點： 1 月 27 日— 1 月30 日(第一天報到 授課三天；提前環境部署 電腦
2021-01-10 13:42:26
學習，也就是現在最流行的深度學習領域，關注論壇的朋友應該看到了，開發板試用活動中有【NanoPi K1 Plus試用】的申請，介紹中NanopiK1plus的高大上優點之一就是“可運行深度學習算法的智能
2018-06-04 22:32:12
TF之CNN：CNN實現mnist數據集預測 96%采用placeholder用法+2層C及其max_pool法+隱藏層dropout法+輸出層softmax法+目標函數cross_entropy法+
2018-12-19 17:02:40
TF之CNN：利用sklearn(自帶手寫圖片識別數據集)使用dropout解決學習中overfitting的問題+Tensorboard顯示變化曲線
2018-12-24 11:36:58
傳統的視覺算法受打光以及圖像的邊緣對比度影響，無法做到人眼的分辨效果，而且人具有學習能力，經過大量樣本的學習，人就可以找到不同物體之間的細微差別，從而分辨出物體的類別。CNN就是模擬人的大腦
2020-07-23 20:33:10
，非線性回歸，手寫數字分類模型開始講起。逐步講到一些深度學習網絡的應用如CNN，LSTM。最后會帶著大家完成一些實際的應用案例如圖像識別，圖片風格轉換，seq2seq模型的應用，情感分類，生成對抗網絡等。下面
2018-07-17 11:40:31
1 CNN簡介
CNN即卷積神經網絡(Convolutional Neural Networks)，是一類包含卷積計算的神經網絡，是深度學習（deep learning）的代表算法之一，在圖像識別
2023-08-18 06:56:34
深度學習（Deep Learning）核心技術開發與應用1,Deep Learning—循環神經網絡2,Deep Learning—CNN應用案例3,Deep Learning—對抗性生成網絡4
2018-09-05 10:22:34
深度學習是什么意思
2020-11-11 06:58:03
什么是深度學習為了解釋深度學習，有必要了解神經網絡。神經網絡是一種模擬人腦的神經元和神經網絡的計算模型。作為具體示例，讓我們考慮一個輸入圖像并識別圖像中對象類別的示例。這個例子對應機器學習中的分類
2023-02-17 16:56:59
【深度學習】卷積神經網絡CNN
2020-06-14 18:55:37
ABSTRACT1.基于深度學習的異常檢測的研究方法進行結構化和全面的概述2.回顧這些方法在各個領域這個中的應用情況，并評估他們的有效性。3.根據基本假設和采用的方法將最先進的深度異常檢測技術分為
2021-07-12 06:36:22
異常檢測的深度學習研究綜述原文：arXiv:1901.03407摘要異常檢測是一個重要的問題，在不同的研究領域和應用領域都得到了很好的研究。本文的研究目的有兩個：首先，我們對基于深度學習的異常檢測
2021-07-12 07:10:19
單片機（Cortex-M內核，無操作系統）可以跑深度學習嗎？ ——Read Air 2019.8.20Xu_CNN框架待處理：1.需要設計一個可讀寫的消息棧 （）2.函數的類型參數使用結構體傳入 （已實現）3.動態...
2021-12-09 08:02:27
的方式，取代了特徵提取這個環節，如下圖說明機器學習與深度學習的主要差異。 卷積神經網路(Convolutional Neural Network, CNN )，為具代表性的深度學習算法之一，是由類神經網
2019-09-20 09:05:05
基于特征的遷移學習基于分類器適配的遷移學習章節目標：掌握遷移學習的思想與基本形式，了解傳統遷移學習的基本方法，對比各種方法的優缺點，掌握遷移學習的適用范圍。四、深度遷移學習介紹深度遷移學習概述基于距離函數
2022-04-28 18:56:07
怎樣從傳統機器學習方法過渡到深度學習？
2021-10-14 06:51:23
紋理就能被更準確地捕捉和分類。 在基于紋理的分類任務重，紋理分析對于深度學習的重要性 由于紋理基于局部模式，而傳統的深度學習方法強調復雜的特征，對紋理分類沒有幫助，因此，傳統的CNN架構不能很好
2022-10-26 16:57:26
請問一下什么是深度學習？
2021-08-30 07:35:21
前段時間忙著研究Zedboard，這幾天穿插著加入Python的深度學習的研究，最近使用谷歌的tensorflow比較多，而且官方出了中文教程，比較給力，下面在Windows10下安裝一下
2018-07-04 13:46:51
基于特征的遷移學習基于分類器適配的遷移學習章節目標：掌握遷移學習的思想與基本形式，了解傳統遷移學習的基本方法，對比各種方法的優缺點，掌握遷移學習的適用范圍。四、深度遷移學習介紹深度遷移學習概述基于距離
2022-04-21 15:15:11
及使用、事件驅動編程與回送、類關系及類事件、VS2005控件介紹及相關使用方法、數據庫連接與讀取方法、XML格式概述及數據存取、文件管理系統應用等等...
2016-09-26 18:46:56416 及使用、事件驅動編程與回送、類關系及類事件、VS2005控件介紹及相關使用方法、數據庫連接與讀取方法、XML格式概述及數據存取、文件管理系統應用等等...
2016-09-27 16:04:41499 從分詞、詞性等基礎模塊，到機器翻譯、知識問答等領域，本文列舉并分析一些深度學習在 NLP 領域的具體運用，希望對大家研究深度學習和 NLP 有所幫助。
2017-08-18 17:06:587295 
本文從兩篇論文出發先簡要介紹了自然語言處理的基本分類和基本概念，再向讀者展示了深度學習中的 NLP。這兩篇論文都是很好的綜述性入門論文，希望詳細了解自然語言處理的讀者可以進一步閱讀這兩篇論文。
2017-08-22 14:56:366051 深度學習的出現使得算法對圖像的語義級操作成為可能。本文即是介紹深度學習技術在圖像超清化問題上的最新研究進展。 深度學習最早興起于圖像，其主要處理圖像的技術是卷積神經網絡，關于卷積神經網絡的起源，業界
2017-09-30 11:15:17
1 鄢志杰將在12月11日下午的深度學習分論壇進行題為Deep Learning 助力客服小二：數據技術及機器學習在客服中心的應用的主題演講，分享基于DNN、CNN、RNN（LSTM）及其各種組合模型
2017-10-13 17:01:220 CNN是目前自然語言處理中和RNN并駕齊驅的兩種最常見的深度學習模型。圖1展示了在NLP任務中使用CNN模型的典型網絡結構。一般而言，輸入的字或者詞用Word Embedding的方式表達，這樣
2017-11-15 17:59:1914700 
文本實體提取是自然語言處理（NLP）的主要任務之一。隨著近期深度學習領域快速發展，我們可以將這些算法應用到 NLP 任務中，并得到準確率遠超傳統方法的結果。我嘗試過分別使用深度學習和傳統方法來提取文章信息，結果非常驚人：深度學習的準確率達到了 85%，遠遠領先于傳統算法的 65%。
2018-07-13 08:33:006367 
微軟數據科學家Ilia Karmanov最新測試的結果顯示，亞馬遜MXNet在CNN、RNN與NLP情感分析任務上性能強勁，而TensorFlow僅擅長于特征提取。
2017-12-06 16:04:408245 現在都在談論人工智能或者大數據相關的知識，但是與之相關的機器學習、深度學習等你能分清嗎？數據科學比機器學習范圍大得多，數據科學實際上涵蓋了整個數據處理的范圍，而不只是算法或者統計學方面。
2017-12-18 16:28:50779 
本文作者Javier Couto是tryo labs公司的一名研發科學家，專注于NLP技術。這篇文章是他對2017年NLP領域中深度學習技術應用的總結，也許并不全面，但都是他認為有價值、有意義的成果。Couto表示，2017年是對NLP領域非常有意義的一年，隨著深度學習的應用，NLP技術也將繼續發展下去。
2017-12-28 10:02:285372 
用深度學習模型——Mask R-CNN，自動從視頻中制作目標物體的GIF動圖。
2018-02-03 14:19:2710987 本文用簡潔易懂的語言，講述了自然語言處理（NLP）的前世今生。從什么是NLP到為什么要學習NLP，再到如何利用機器學習進行NLP，值得一讀。這是該系列的第一部分，介紹了三種NLP技術：文本嵌入、機器翻譯、Dialogue 和 Conversations。
2018-06-10 10:26:1076462 
對于機器翻譯、文本摘要、Q&A、文本分類等自然語言處理任務來說，深度學習的出現一遍遍刷新了state-of-the-art的模型性能記錄，給研究帶來諸多驚喜。但這些任務一般都有各自的度量基準，性能也只在一組標準數據集上測試。
2018-06-26 15:19:094233 本深度學習是什么？了解深度學習難嗎?讓你快速了解深度學習的視頻講解本文檔視頻讓你4分鐘快速了解深度學習
深度學習的概念源于人工智能的人工神經網絡的研究。含多隱層的多層感知器就是一種深度學習結構。深度學習通過組合低層特征形成更加抽象的高層表示屬性類別或特征，以發現數據的分布式特征表示。
2018-08-23 14:36:1616 該視頻概述了Apache Spark *的BigDL分布式深度學習框架。
2018-10-30 06:41:002947 用深度學習對自然語言處理（NLP）進行分類
2018-11-05 06:51:002945 。該模型在訓練階段，將LDCT圖像經平穩小波（SWT）三級分解后的高頻系數作為輸入，將LDCT圖像高頻系數與NDCT圖像高頻系數相減得到殘差系數作為標簽，通過深度卷積神經網絡（ CNN）學習輸入和標簽之間的映射關系
2018-12-19 10:39:226 Sebastian Ruder 是一位 NLP 方向的博士生、研究科學家，目前供職于一家做 NLP 相關服務的愛爾蘭公司 AYLIEN，同時，他也是一位活躍的博客作者，發表了多篇機器學習、NLP 和深度學習相關的文章。
2019-01-08 11:25:323307 面我們介紹了 Word Embedding，怎么把一個詞表示成一個稠密的向量。Embedding幾乎是在 NLP 任務使用深度學習的標準步驟。我們可以通過 Word2Vec、GloVe 等從未標注數據無監督的學習到詞的 Embedding，然后把它用到不同的特定任務中。
2019-01-20 09:24:142700 
深度卷積神經網絡（CNN）是一種特殊類型的神經網絡，在各種競賽基準上表現出了當前最優結果。本綜述將最近的 CNN 架構創新分為七個不同的類別，分別基于空間利用、深度、多路徑、寬度、特征圖利用、通道提升和注意力。
2019-01-27 11:01:133930 
在信號處理、圖像處理和其它工程/科學領域，卷積都是一種使用廣泛的技術。在深度學習領域，卷積神經網絡（CNN）這種模型架構就得名于這種技術。但是，深度學習領域的卷積本質上是信號/圖像處理領域內的互相關（cross-correlation）。這兩種操作之間存在細微的差別。
2019-02-26 10:01:053093 
Lingvo 是一個 Tensorflow 框架，為協作式深度學習研究提供了一個完整的解決方案，特別側重于 sequence-to-sequence 模型。Lingvo 模型由靈活且易于擴展的模塊化
2019-02-27 09:28:5010988 
該項目是對基于深度學習的自然語言處理（NLP）的概述，包括用來解決不同 NLP 任務和應用的深度學習模型（如循環神經網絡、卷積神經網絡和強化學習）的理論介紹和實現細節，以及對 NLP 任務（機器翻譯、問答和對話系統）當前最優結果的總結。
2019-03-01 09:13:574424 
這篇文章是一名自然語言處理（nlp）的初學者，在nlp里摸爬滾打了許久的一些心得，推薦了nlp的學習路線和資料合集，本站極力推薦。
2019-03-03 11:05:055402 對于深度學習本人也是半路出家. 現在的工作內容主要就是使用CNN做CV任務. 干調參這種活也有兩年時間了. 我的回答可能更多的還是側重工業應用, 技術上只限制在CNN這塊.
2019-06-08 14:41:002136 此在線課程涵蓋從基礎到高級NLP，它是Coursera上高級機器學習專業化的一部分。你可以免費注冊本課程，你將學習情緒分析、總結、對話狀態跟蹤等。你將學習的主題包括文本分類介紹、語言建模和序列標記、語義向量空間模型、序列到序列任務等等。
2019-07-07 07:44:006408 訓練 CNN 需要相當大量的數據，因為對于典型的圖像分類問題，其需要學習幾百萬個權值。從頭開始訓練 CNN 的另一個常見做法是使用預先訓練好的模型自動從新的數據集提取特征。這種方法稱為遷移學習，是一種應用深度學習的便捷方式，其無需龐大的數據集以及長時間的訓練。
2019-09-16 15:11:205433 
深度學習技術成為機器視覺的熱門話題之一。深度學習是機器學習的一個領域，它使計算機能夠通過卷積神經網絡（CNN）等體系結構進行訓練和學習。
2019-08-23 17:02:03758 深度學習和機器學習已經變得無處不在，那它們之間到底有什么區別呢？本文我們為大家總結了深度學習VS機器學習的六大本質區別。
2019-11-30 11:17:0214218 隨著人類技術的不斷發展，人工智能，深度學習，機器學習和NLP都是受歡迎的搜索熱詞。
2020-05-03 18:09:002435 在這篇教程中，我希望能為 NLP 開發者和新手介紹一些基礎背景知識，術語，實用工具以及方法論，從而明白其背后的神經網絡模型的理論，應用到他們自己的工作中。.. 面向的是那些有志于利用已有的，有價值的技術，并創造新方法去解決他們最感興趣的 NLP 的人。
2020-04-17 15:08:101861 
自然語言處理(NLP)最近取得了巨大的進步，每隔幾天就會發布最新的結果。排行榜瘋狂是指最常見的NLP基準，如GLUE和SUPERGLUE，它們的得分越來越接近人類的水平。這些結果大多是通過超大(數十億個參數)模型從大規模數據集中遷移學習得到的。
2020-05-04 12:03:002821 
學習。” 在這 5 堂課中，學生將可以學習到深度學習的基礎，學會構建神經網絡，并用在包括吳恩達本人在內的多位業界頂尖專家指導下創建自己的機器學習項目。Deep Learning Specialization 對卷積神經網絡 （CNN）、遞歸神經網絡 （RNN）、長短期
2020-09-01 08:00:005 本文針對NLP項目給出了4種常見的解題思路，其中包含1種基于機器學習的思路和3種基于深度學習的思路。
2020-09-24 10:33:332004 
隨著近期深度學習領域快速發展，我們可以將這些算法應用到 NLP 任務中，并得到準確率遠超傳統方法的結果。我嘗試過分別使用深度學習和傳統方法來提取文章信息，結果非常驚人：深度學習的準確率達到了 85%，遠遠領先于傳統算法的 65%。
2020-12-25 19:15:13462 Abstract 主動學習試圖通過標記最少量的樣本使得模型的性能收益最大化。而深度學習則對數據比較貪婪，需要大量的數據供給來優化海量的參數，從而使得模型學會如何提取高質量的特征。近年來，由于互聯網
2021-02-17 11:55:003128 
的庫手把手教你，從如何實現梯度下降開始到手磕一個CNN經典網絡，讓你不再對深度學習框架的內部機制感到神秘。 短短幾年，這位大佬再度出了“續集”—《深度學習進階：自然語言處理》［1］！（可以說是NLP入門必讀的經典著作了！） 小齋這次的寫作風格和前作一樣，都是
2021-01-18 16:09:464829 
概述 深度學習中CNN網絡是核心，對CNN網絡來說卷積層與池化層的計算至關重要，不同的步長、填充方式、卷積核大小、
2021-04-06 15:13:252453 
機器學習領域是巨大的，為了學習不迷路，可以從以下列表幫助學習。它概述深度學習的一些學習細節。 階段1：入門級入門級能夠掌握以下技能： 能夠處理小型數據集 理解經典機器學習技術的關鍵概念 理解經典網絡
2021-06-10 15:27:482216 基于CNN分類回歸聯合學習等的左心室檢測方法
2021-06-25 11:15:0233 其數學和理論細節。雖然數學術語有時是必要的，并且可以進一步理解，但這些文章盡可能使用類比和圖像來提供易于理解的信息，包括對深度學習領域的直觀概述。
2022-04-28 16:59:033240 LeNet 卷積神經網絡是由深度學習三巨頭之一的 Yan Le Cun于 1994 年提出來的。其對構建的 MNIST手寫字符數據集進行分類。LeNet 的提出確立了 CNN 的基本網絡架構。
2022-07-05 11:50:091569 深度學習主要包含卷積神經網絡和Faster R-CNN兩種網絡模型，通過利用算法模型自動學習的特點，不再受限于復雜多變的環境，可自動提取缺陷特征，最終實現自動檢測。
2022-10-19 15:08:481791 R-CNN 算法在 2014 年提出，可以說是歷史性的算法，將深度學習應用于目標檢測領域，相較于之前的目標檢測方法，提升多達 30% 以上
2022-10-31 10:08:051143 鑒于科學的快速增長和發展，了解使用哪些人工智能技術來推進項目可能具有挑戰性。本文概述了機器學習和深度學習之間的差異，以及如何確定何時應用這兩種方法。
2022-11-30 14:22:00706 人工智能的概念在1956年就被提出，如今終于走入現實，離不開一種名為“深度學習”的技術。深度學習的運作模式，如同一場傳話游戲。給神經網絡輸入數據，對數據的特征進行描述，在神經網絡中層層傳遞，最終
2023-01-14 23:34:43588 
，深入淺出地介紹了深度學習在 NLP 領域進展，并結合工業界給出了未來的 NLP 的應用方向，相信讀完這篇文章，你對深度學習的整體脈絡會有更加深刻認識。
2023-02-22 09:54:49332 
，深入淺出地介紹了深度學習在 NLP 領域進展，并結合工業界給出了未來的 NLP 的應用方向，相信讀完這篇文章，你對深度學習的整體脈絡會有更加深刻認識。
2023-02-22 09:54:59205 
，深入淺出地介紹了深度學習在 NLP 領域進展，并結合工業界給出了未來的 NLP 的應用方向，相信讀完這篇文章，你對深度學習的整體脈絡會有更加深刻認識。
2023-02-22 09:55:10248 
深度學習可以學習視覺輸入的模式，以預測組成圖像的對象類。用于圖像處理的主要深度學習架構是卷積神經網絡(CNN)，或者是特定的CNN框架，如AlexNet、VGG、Inception和ResNet。計算機視覺的深度學習模型通常在專門的圖形處理單元(GPU)上訓練和執行，以減少計算時間。
2023-05-05 11:35:28729 卷積神經網絡（CNN）是一種用于對目標進行重建、分類等處理的深度學習方法。自2016年深度學習被首次應用于散射成像，該研究一直是光學成像領域的熱門方向。
2023-05-24 09:51:21166 
Studio 實驗室在 SageMaker Studio Lab 中打開筆記本
除了第 14.7 節中描述的單次多框檢測之外，基于區域的 CNN 或具有 CNN 特征的區域 (R-CNN) 也是將深度學習
2023-06-05 15:44:37339 
因為CNN的特有計算模式，通用處理器對于CNN實現效率并不高，不能滿足性能要求。 因此，近來已經提出了基于FPGA，GPU甚至ASIC設計的各種加速器來提高CNN設計的性能。
2023-06-14 16:03:431453 
深度學習算法簡介 深度學習算法是什么?深度學習算法有哪些?? 作為一種現代化、前沿化的技術，深度學習已經在很多領域得到了廣泛的應用，其能夠不斷地從數據中提取最基本的特征，從而對大量的信息進行機器學習
2023-08-17 16:02:566010 什么是深度學習算法？深度學習算法的應用 深度學習算法被認為是人工智能的核心，它是一種模仿人類大腦神經元的計算模型。深度學習是機器學習的一種變體，主要通過變換各種架構來對大量數據進行學習以及分類處理
2023-08-17 16:03:041305 的。PyTorch是一個開源的深度學習框架，在深度學習領域得到了廣泛應用。本文將介紹PyTorch框架的基本知識、核心概念以及如何在實踐中使用PyTorch框架。 一、PyTorch框架概述 PyTorch是一個Facebook開源項目，是一個動態計算圖的深度學習框架。與靜態計算圖的T
2023-08-17 16:03:061075 深度學習框架是什么？深度學習框架有哪些？? 深度學習框架是一種軟件工具，它可以幫助開發者輕松快速地構建和訓練深度神經網絡模型。與手動編寫代碼相比，深度學習框架可以大大減少開發和調試的時間和精力，并提
2023-08-17 16:03:091589 深度學習框架和深度學習算法教程 深度學習是機器學習領域中的一個重要分支，多年來深度學習一直在各個領域的應用中發揮著極其重要的作用，成為了人工智能技術的重要組成部分。許多深度學習算法和框架提供
2023-08-17 16:11:26638 卷積神經網絡概述 卷積神經網絡的特點 cnn卷積神經網絡的優點? 卷積神經網絡（Convolutional neural network，CNN）是一種基于深度學習技術的神經網絡，由于其出色的性能
2023-08-21 16:41:481662 卷積神經網絡（CNN 或 ConvNet）是一種直接從數據中學習的深度學習網絡架構。
CNN 特別適合在圖像中尋找模式以識別對象、類和類別。它們也能很好地對音頻、時間序列和信號數據進行分類。
2023-10-12 12:41:49422 
電子發燒友App
工商網監
評論