《Dive into Deep Learning》

相关文章

• 

  可信深度学习Trustworthy Deep Learning相关论文

  Survey An Overview of Catastrophic AI Risks. [paper] Connecting the Dots in Trustworthy Artificial Intelligence: From AI Principles, Ethics, and Key Requirements to Responsible AI Systems and Regulation. [paper] A Survey of Trustworthy Federated Learning with Perspectives on Security, Robustness, and Privacy. [paper] Adversarial Machine Learning: A Systemati

  2024年02月13日

  浏览(17)
• 

  深度学习笔记（kaggle课程《Intro to Deep Learning》）

  深度学习是一种机器学习方法，通过构建和训练深层神经网络来处理和理解数据。它模仿人脑神经系统的工作方式，通过多层次的神经网络结构来学习和提取数据的特征。深度学习在图像识别、语音识别、自然语言处理等领域取得了重大突破，并被广泛应用于人工智能技术中

  2024年02月13日

  浏览(19)
• 

  【Deep Dive: AI Webinar】自由与开源软件和人工智能的意识形态：“开放”对于平台和黑盒子系统意味着什么?...

  【深入探讨人工智能】网络研讨系列总共有 17 个视频。我们按照视频内容，大致上分成了 3 个大类： 1. 人工智能的开放、风险与挑战（4 篇） 2. 人工智能的治理（总共 12 篇），其中分成了几个子类： a. 人工智能的治理框架（3 篇） b. 人工智能的数据治理（4 篇） c. 人工智能

  2024年01月17日

  浏览(30)
• 

  残差网络(ResNet) -深度学习（Residual Networks (ResNet) – Deep Learning）

  在第一个基于cnn的架构(AlexNet)赢得ImageNet 2012比赛之后，每个随后的获胜架构都在深度神经网络中使用更多的层来降低错误率。这适用于较少的层数，但当我们增加层数时，深度学习中会出现一个常见的问题，称为消失/爆炸梯度。这会导致梯度变为0或太大。因此，当我们增加

  2024年02月15日

  浏览(19)
• 

  解锁深度表格学习（Deep Tabular Learning）的关键：算术特征交互

  近日，阿里云人工智能平台PAI与浙江大学吴健、应豪超老师团队合作论文《Arithmetic Feature Interaction is Necessary for Deep Tabular Learning》正式在国际人工智能顶会AAAI-2024上发表。本项工作聚焦于深度表格学习中的一个核心问题：在处理结构化表格数据（tabular data）时，深度模型是否

  2024年04月17日

  浏览(17)
• 

  Deep Learning Tuning Playbook（深度学习调参手册中译版）

  由五名研究人员和工程师组成的团队发布了《Deep Learning Tuning Playbook》，来自他们自己训练神经网络的实验结果以及工程师的一些实践建议，目前在Github上已有1.5k星。原项目地址 本文为《Deep Learning Tuning Playbook》中文翻译版本，全程手打，非机翻。因为本人知识水平有限，翻

  2023年04月27日

  浏览(37)
• 

  基于深度学习的语音识别（Deep Learning-based Speech Recognition）

  随着科技的快速发展，人工智能领域取得了巨大的进步。其中，深度学习算法以其强大的自学能力，逐渐应用于各个领域，并取得了显著的成果。在语音识别领域，基于深度学习的技术也已经成为了一种主流方法，极大地推动了语音识别技术的发展。本文将从深度学习算法的

  2024年02月04日

  浏览(18)
• 

  深度强化学习的变道策略：Harmonious Lane Changing via Deep Reinforcement Learning

  偏理论，假设情况不易发生 多智能体强化学习的换道策略，不同的智能体在每一轮学习后交换策略，达到零和博弈。 和谐驾驶仅依赖于单个车辆有限的感知结果来平衡整体和个体效率，奖励机制结合个人效率和整体效率的和谐。 自动驾驶不能过分要求速度性能， 考虑单个车

  2024年01月17日

  浏览(24)
• 

  第二章：Learning Deep Features for Discriminative Localization ——学习用于判别定位的深度特征

          在这项工作中，我们重新审视了在[13]中提出的全局平均池化层，并阐明了它如何明确地使卷积神经网络（CNN）具有出色的定位能力，尽管它是在图像级别标签上进行训练的。虽然这个技术之前被提出作为一种训练规范化的手段， 但我们发现它实际上构建了一个通

  2024年02月15日

  浏览(17)
• 

  基于深度学习的目标检测的介绍（Introduction to object detection with deep learning）

  物体检测的应用已经深入到我们的日常生活中，包括安全、自动车辆系统等。对象检测模型输入视觉效果(图像或视频)，并在每个相应对象周围输出带有标记的版本。这说起来容易做起来难，因为目标检测模型需要考虑复杂的算法和数据集，这些算法和数据集在我们说话的时

  2024年02月11日

  浏览(12)