神經(jīng)網(wǎng)絡(luò) 文章進(jìn)入神經(jīng)網(wǎng)絡(luò)技術(shù)社區(qū)

面向網(wǎng)絡(luò)邊緣應(yīng)用的新一代神經(jīng)網(wǎng)絡(luò)　

介紹了面向網(wǎng)絡(luò)邊緣應(yīng)用的新一代神經(jīng)網(wǎng)絡(luò)——微型二值神經(jīng)網(wǎng)絡(luò)，可在保持低功耗的同時(shí)減少對(duì)存儲(chǔ)器的需求。
關(guān)鍵字：二值神經(jīng)網(wǎng)絡(luò) CNN FPGA 201801

從零開始：教你如何訓(xùn)練神經(jīng)網(wǎng)絡(luò)

　　作者從神經(jīng)網(wǎng)絡(luò)簡(jiǎn)單的數(shù)學(xué)定義開始，沿著損失函數(shù)、激活函數(shù)和反向傳播等方法進(jìn)一步描述基本的優(yōu)化算法。在理解這些基礎(chǔ)后，本文詳細(xì)描述了動(dòng)量法等當(dāng)前十分流行的學(xué)習(xí)算法。此外，本系列將在后面介紹?Adam?和遺傳算法等其它重要的神經(jīng)網(wǎng)絡(luò)訓(xùn)練方法?！　.?簡(jiǎn)介　　本文是作者關(guān)于如何「訓(xùn)練」神經(jīng)網(wǎng)絡(luò)的一部分經(jīng)驗(yàn)與見解，處理神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)概念外，這篇文章還描述了梯度下降(GD)及其部分變體。此外，該系列文章將在在后面一部分介紹了當(dāng)前比較流行的學(xué)習(xí)算法，例如：　　動(dòng)量隨機(jī)梯度下降法(S
關(guān)鍵字：神經(jīng)網(wǎng)絡(luò)

神經(jīng)網(wǎng)絡(luò)是怎樣理解圖片的？谷歌大腦研究員詳解特征可視化

　　我們總是聽說人工智能在圖像識(shí)別上超越了人類，刷臉也逐漸成了生活中司空見慣的事兒。這些圖像識(shí)別技術(shù)背后，通常是深度神經(jīng)網(wǎng)絡(luò)。　　不過，神經(jīng)網(wǎng)絡(luò)究竟是怎樣認(rèn)識(shí)圖像的? ? 　　△特征可視化能夠告訴我們神經(jīng)網(wǎng)絡(luò)在圖片中尋找的是什么　　特征可視化這個(gè)強(qiáng)大的工具，就能幫我們理解神經(jīng)網(wǎng)絡(luò)內(nèi)部的世界，知道它們的工作原理。　　谷歌研究員Christopher Olah、Alexander Mordvintsev和Ludwig Schubert今天在distill博客上發(fā)文深度探索了特征可
關(guān)鍵字：神經(jīng)網(wǎng)絡(luò) 谷歌

英特爾首個(gè)神經(jīng)網(wǎng)絡(luò)處理器揭開面紗，幕后推手是這位42歲的冒險(xiǎn)家

　　要了解計(jì)算機(jī)神經(jīng)系統(tǒng)科學(xué)家Naveen Rao，只要看看他的手就行了。　　這位42歲的Dr.在滑雪、滑板、騎自行車、輪滑溜冰、駕駛賽車、摔跤和打籃球的生涯中，弄傷了全部的十個(gè)手指。　　他是一個(gè)冒險(xiǎn)者，不斷挑戰(zhàn)身體和精神上的極限。在科學(xué)研究方面，他試圖通過創(chuàng)造受到人腦結(jié)構(gòu)和行為啟發(fā)的芯片和軟件，加速計(jì)算機(jī)行業(yè)進(jìn)入人工智能的新時(shí)代。　　讓Rao有別于其他正在嘗試同樣事情的人的是這樣一個(gè)事實(shí)，英特爾去年以4億美元的價(jià)格收購(gòu)了他在圣地亞哥創(chuàng)辦的公司：Nervana。　　這是一個(gè)認(rèn)證標(biāo)志。英特爾
關(guān)鍵字：英特爾神經(jīng)網(wǎng)絡(luò)

英特爾CEO科再奇：業(yè)內(nèi)第一個(gè)神經(jīng)網(wǎng)絡(luò)處理器發(fā)布以創(chuàng)新技術(shù)推進(jìn)人工智能發(fā)展

　　在近日舉行的WSJDLive全球技術(shù)大會(huì)上，我談到了認(rèn)知和人工智能技術(shù)，這兩個(gè)新領(lǐng)域?qū)⒏淖兏鱾€(gè)行業(yè)和整個(gè)世界。與此同時(shí)它們也提供了龐大的市場(chǎng)機(jī)會(huì)，預(yù)計(jì)到2020年整個(gè)行業(yè)規(guī)模將達(dá)到460億美元。英特爾正在這些領(lǐng)域進(jìn)行開拓性的研究和投入，包括硬件、數(shù)據(jù)算法和分析、技術(shù)創(chuàng)新和收購(gòu)等?！　∽鳛檫@些工作的一部分，我們今天宣布英特爾將在年底之前出貨英特爾?Nervana?神經(jīng)網(wǎng)絡(luò)處理器(NNP)，這是業(yè)內(nèi)第一個(gè)面向神經(jīng)網(wǎng)絡(luò)處理的芯片。在此，我們也很高興能與Facebook密切合作，分享這款新一代人工智能硬件的技
關(guān)鍵字：英特爾神經(jīng)網(wǎng)絡(luò)

深度學(xué)習(xí)入門必須理解這25個(gè)概念

　　神經(jīng)網(wǎng)絡(luò)基礎(chǔ)　　1、神經(jīng)元(Neuron)——就像形成我們大腦基本元素的神經(jīng)元一樣，神經(jīng)元形成神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)。想象一下，當(dāng)我們得到新信息時(shí)我們?cè)撛趺醋觥．?dāng)我們獲取信息時(shí)，我們一般會(huì)處理它，然后生成一個(gè)輸出。類似地，在神經(jīng)網(wǎng)絡(luò)的情況下，神經(jīng)元接收輸入，處理它并產(chǎn)生輸出，而這個(gè)輸出被發(fā)送到其他神經(jīng)元用于進(jìn)一步處理，或者作為最終輸出進(jìn)行輸出?！　?nbsp; 　　2、權(quán)重(Weights)——當(dāng)輸入進(jìn)入神經(jīng)元時(shí)，它會(huì)乘以一個(gè)權(quán)重。例如，如果一個(gè)神經(jīng)元有兩個(gè)輸入，則每個(gè)輸入將具有
關(guān)鍵字：深度學(xué)習(xí) 神經(jīng)網(wǎng)絡(luò)

每一個(gè)深鉆機(jī)器學(xué)習(xí)的人都會(huì)遇到這七大經(jīng)典問題

　　如果希望了解機(jī)器學(xué)習(xí)，或者已經(jīng)決定投身機(jī)器學(xué)習(xí)，你會(huì)第一時(shí)間找到各種教材進(jìn)行充電，同時(shí)在心中默認(rèn)：書里講的是牛人大神的畢生智慧，是正確無誤的行動(dòng)指南，認(rèn)真學(xué)習(xí)就能獲得快速提升。但實(shí)際情況是，你很可能已經(jīng)在走彎路。　　科技發(fā)展很快，數(shù)據(jù)在指數(shù)級(jí)增長(zhǎng)，環(huán)境也在指數(shù)級(jí)改變，因此很多時(shí)候教科書會(huì)跟不上時(shí)代的發(fā)展。有時(shí)，即便是寫教科書的人，也不見得都明白結(jié)論背后的“所以然”，因此有些結(jié)論就會(huì)落后于時(shí)代。針對(duì)這個(gè)問題，第四范式創(chuàng)始人、首席執(zhí)行官戴文淵近日就在第四范式內(nèi)部分享上，向大家介紹了機(jī)器學(xué)習(xí)教材中的七個(gè)經(jīng)典
關(guān)鍵字：機(jī)器學(xué)習(xí) 神經(jīng)網(wǎng)絡(luò)

手把手教你在FPGA實(shí)例上運(yùn)行“Hello World”

　　前言　　在4月19號(hào)的舊金山AWS技術(shù)峰會(huì)上，亞馬遜CTO Werner Vogels宣布了多項(xiàng)AWS新功能，其中就包括眾人期待已久的FPGA實(shí)例F1。　　F1 實(shí)例配有最新的 16 nm Xilinx UltraScale Plus FPGA，目前有f1.2xlarge和f1.16xlarge兩種類型，其中f1.2xlarge配備有1個(gè)FPGA卡， f1.16xlarge配備有8個(gè)FPGA卡?！　∈褂?/li>
關(guān)鍵字： FPGA 神經(jīng)網(wǎng)絡(luò)

Google：神經(jīng)網(wǎng)絡(luò)亟需最佳化硬件

　　Google資深研究員Jeff Dean強(qiáng)調(diào)，硬件系統(tǒng)可針對(duì)執(zhí)行少量特定的作業(yè)實(shí)現(xiàn)優(yōu)化，并形成大量機(jī)器學(xué)習(xí)模型，從而打造更強(qiáng)大的神經(jīng)網(wǎng)絡(luò)… 　　如果您目前尚未考慮到如何有效利用深度神經(jīng)網(wǎng)絡(luò)(deep neural network)來解決您的問題，那么您的腳步必須加快了。至少，根據(jù)Google資深研究員兼深度學(xué)習(xí)人工智能研究計(jì)劃(即Google Brain)主持人Jeff Dean是這么認(rèn)為的。　　在日前于美國(guó)加州舉行的Hot Chips大會(huì)專題演講中，Dean介紹神經(jīng)網(wǎng)絡(luò)如何大幅改
關(guān)鍵字： Google 神經(jīng)網(wǎng)絡(luò)

神經(jīng)網(wǎng)絡(luò)只是AI的一種工具？

　　業(yè)界專家指出，目前所討論的人工智能(AI)其實(shí)只是神經(jīng)網(wǎng)絡(luò)的誤稱。神經(jīng)網(wǎng)絡(luò)其實(shí)還無法實(shí)現(xiàn)基本的人類推理和理解力，它們只是在建構(gòu)人工智能漫漫長(zhǎng)路上所用到的工具之一... 　　神經(jīng)網(wǎng)絡(luò)(neural network)已經(jīng)發(fā)展到“技術(shù)炒作周期”(hype cycle)的顛峰。但根據(jù)日前參加“圖靈獎(jiǎng)”(Alan Turing award)50周年紀(jì)念活動(dòng)的專家們表示，神經(jīng)網(wǎng)絡(luò)技術(shù)看似具有廣泛的用途且前景無限，但實(shí)際上仍處于發(fā)展的早期階段，同時(shí)也存在許多局限性。
關(guān)鍵字：神經(jīng)網(wǎng)絡(luò) AI

Facebook宣布全面轉(zhuǎn)為神經(jīng)網(wǎng)絡(luò)人工智能翻譯

　　語言翻譯是一股能夠讓人們組建群體和使世界更加緊密的力量。它可以幫助人們與在海外居住的家庭成員聯(lián)系起來，或者可以更好地了解講不同語言的人們的觀點(diǎn)。通過使用機(jī)器翻譯，自動(dòng)翻譯文章和評(píng)論，以打破語言障礙，使得世界各地的人們可以相互溝通。　　 ? 　　即便體量大如Facebook，想要為20億使用的用戶創(chuàng)造無縫、高精確的翻譯體驗(yàn)也是很困難的，這需要同時(shí)考慮上下文、俚語、打字錯(cuò)誤、縮寫和語意。為了繼續(xù)提高翻譯質(zhì)量，F(xiàn)acebook團(tuán)隊(duì)最近宣布從基于短語的機(jī)器翻譯模型切換到基于神經(jīng)網(wǎng)絡(luò)的翻譯
關(guān)鍵字： Facebook 神經(jīng)網(wǎng)絡(luò)

神經(jīng)網(wǎng)絡(luò)加速器大戰(zhàn)一觸即發(fā)

　　隨著許多嵌入式系開始變得「智能」且「自主」，以人工智能(AI)神經(jīng)網(wǎng)絡(luò)為導(dǎo)向的嵌入式系統(tǒng)市場(chǎng)即將起飛，神經(jīng)網(wǎng)絡(luò)加速器大戰(zhàn)一觸發(fā)。.. 　　嵌入式神經(jīng)網(wǎng)絡(luò)加速器市場(chǎng)持續(xù)升溫，從智能音箱、無人機(jī)到智能燈泡等越來越多的系統(tǒng)準(zhǔn)備在本地執(zhí)行神經(jīng)網(wǎng)絡(luò)，以取代傳送至云端進(jìn)行運(yùn)算的途徑。　　Movidius副總裁兼總經(jīng)理Remi El-Ouazzane日前在接受《EE Times》訪問時(shí)，將這個(gè)成長(zhǎng)中的趨勢(shì)定義為「讓事情變得更智能與自主的一場(chǎng)競(jìng)賽」。　　　　Remi El-Ouzaane，Movid
關(guān)鍵字：神經(jīng)網(wǎng)絡(luò) 人工智能

各類處理器大顯身手人工智能進(jìn)駐物聯(lián)網(wǎng)終端

　　人工智能終端應(yīng)用的可能性無限，舉凡智能型手機(jī)、汽車、照明等，都有機(jī)會(huì)成為所謂的邊緣運(yùn)算裝置。但在過去，運(yùn)算處理器是在數(shù)據(jù)中心有較為明顯的需求。目前邊緣運(yùn)算此一產(chǎn)業(yè)走向的大逆轉(zhuǎn)，已可從各芯片供貨商，如GPU、CPU等，以及硅智財(cái)(IP)授權(quán)商紛紛針對(duì)人工智能展開布局，推出各自處理器縮小化的解決方案，明顯可見一斑。　　隨著人工智能的發(fā)展，有越來越多應(yīng)用產(chǎn)品開始在終端上進(jìn)行實(shí)時(shí)運(yùn)算，也就是所謂的邊緣運(yùn)算。不過，目前的處理器核心對(duì)許多終端裝置來說，功耗仍嫌偏高。　　AIoT浪潮興起小型處理器核
關(guān)鍵字：處理器神經(jīng)網(wǎng)絡(luò)

Deep Learning(深度學(xué)習(xí))神經(jīng)網(wǎng)絡(luò)為啥可以識(shí)別呢？

　　今天看到一些感興趣的東西，現(xiàn)在總結(jié)了給大家分享一下，如果有錯(cuò)，希望大家指正批評(píng)，謝謝!那就開始進(jìn)入正題。　　先從簡(jiǎn)單的說起來吧!　　一、基本變換：層　　一般的神經(jīng)網(wǎng)絡(luò)是由一層一層堆疊而成的，但是每層究竟在做啥呢?　　我從三個(gè)方面述說一下：　　數(shù)學(xué)公式　　Y=a*(W*X+b)11　　其中Y是輸出量，X是輸入量，a()是一個(gè)激活函數(shù)，W是權(quán)重矩陣，b是偏置向量。每一層都是通過該公式簡(jiǎn)單的得到輸出Y?！　?shù)學(xué)理解　　通過如下5種對(duì)輸入空間(輸入向量的集合)的操作，完成輸入空間—>輸出空間的變換(矩陣
關(guān)鍵字：深度學(xué)習(xí) 神經(jīng)網(wǎng)絡(luò)

人工智能大事件：日本研究人員成功破譯人腦思維

　　日本研究人員已經(jīng)成功借助人工智能破譯了人類的思維和想象，從而在理解人類思想及其背后的大腦機(jī)制領(lǐng)域獲得了重大突破。　　據(jù)阿根廷21世紀(jì)趨勢(shì)網(wǎng)站6月6日?qǐng)?bào)道，破解人類思維的內(nèi)容是科學(xué)界長(zhǎng)久以來的愿望。事實(shí)上，此前的種種研究也已經(jīng)實(shí)現(xiàn)了破譯人類所見、回憶、想象和夢(mèng)境的內(nèi)容。　　例如另一個(gè)日本科學(xué)家團(tuán)隊(duì)早在2008年就成功地在電腦屏幕上直接重現(xiàn)了從人類大腦活動(dòng)中獲取的圖像。　　但包括這一研究在內(nèi)的其他以往研究都遭遇了難以逾越的障礙，因?yàn)槊總€(gè)個(gè)體的大腦內(nèi)容都具有其獨(dú)特性，因此思維模式的目錄創(chuàng)建很難實(shí)
關(guān)鍵字：人工智能神經(jīng)網(wǎng)絡(luò)