51CTO首页
AI.x社区
博客
学堂
精品班
软考社区
免费课
企业培训
鸿蒙开发者社区
WOT技术大会
IT证书
公众号矩阵
移动端
短视频免费课程课程排行直播课软考学堂
全部课程厂商认证IT技术24年11月软考PMP项目管理免费题库
在线学习
文章资源问答课堂专栏直播
51CTO
鸿蒙开发者社区
51CTO技术栈
51CTO官微
51CTO学堂
51CTO博客
CTO训练营
鸿蒙开发者社区订阅号
51CTO软考
51CTO学堂APP
51CTO学堂企业版APP
鸿蒙开发者社区视频号
51CTO软考题库
账号设置 退出

人工智能

2.6w内容  
聚合人工智能话题下，包括 机器学习、深度学习、计算机视觉、自然语言处理等领域的新闻资讯、前沿理论、技术知识、应用案例。
文章 博文帖子课程
共 2.6w 条
让后端开发情何以堪？前端程序猿薪资大曝光 原创
近日，51CTO作为钻石级别的合作伙伴与Microsoft、Amazon、intel、Ubuntu等互联网大咖携手VisionMobile深度调研了全球开发者动态趋势。

2017-05-24 13:47:27

开发者调研报告移动
柯洁为何说“输得没脾气”！8个问题解读人机大战第一局
经过四个多小时的对弈，柯洁以四分之一子之差败给了AlphaGo。

2017-05-23 19:48:36

柯洁AlphaGo
谷歌最强芯片升级，二代TPU是深度学习的未来？
在Google I/O 2016的主题演讲进入尾声时，谷歌的CEO皮采提到了一项他们这段时间在AI和机器学习上取得的成果，一款叫做Tensor Processing Unit（张量处理单元）的处理器，简称TPU。在这个月看来，第一代的TPU处理器已经过时。

2017-05-23 18:59:56

TPU深度学习
深度学习的难点：神经网络越深，优化问题越难
深度学习的核心问题就是一个非常难的优化问题。所以在神经网络引入后的几十年间，深度神经网络的优化问题的困难性是阻碍它们成为主流的一个重要因素。并导致了它们在20世纪90年代到21世纪初期间的衰落。

2017-05-23 18:54:18

深度学习人工智能
专访DeepMap COO罗维：自动驾驶时代，创业公司如何在高精度地图领域突围？
在DeepMap看来，要想为自动驾驶汽车提供高质量、高精度的地图和定位向导，团队需要具备多样的技术实力，包括测绘、传感器融合、机器学习、计算机视觉、SLAM（即时定位与地图构建）、 几何建模，以及云架构搭建等等。

2017-05-23 18:46:56

DeepMap人工智能
回归、分类与聚类：三大方向剖解机器学习算法的优缺点
本文从回归问题、分类问题和聚类问题三个角度下初步了解了各个算法的优缺点，也基本了解了那些算法到底是什么。

2017-05-23 17:38:05

机器学习算法集群
李杨谈智慧城市建设：从硬件到平台，特斯联生态领跑 原创
随着物联网的兴起，硬件、无线通信技术日益成熟，结合物联网、人工智能、大数据等前沿手段，相信智慧城市会从概念阶段，实现真正落地。当前，已经有很多智慧楼宇、社区、出行等项目正在进行中……未来，将会以点为基、串点成线、连线成面。这愿望背后，需要淌很多的坑，做很多技术的实践与创新.....智慧城市建设，从硬件到平台，特斯联一直在路上。

2017-05-23 14:37:37

智慧城市硬件平台
大规模机器学习的编程技术、计算模型以及Xgboost和MXNet案例
现在，机器学习的趋势从传统方法中的简单模型 + 少量数据(人工标注样本)，到简单模型 + 海量数据(比如基于逻辑回归的广告点击率预测)，再发展到现在复杂模型 + 海量数据(比如深度学习 ImageNet 图像识别，基于 DNN 的广告点击率预测)。

2017-05-23 14:00:26

机器学习编程技术计算模型
TensorFlow实现基于深度学习的图像补全
内容识别填充(译注: Content-aware fill ,是 photoshop 的一个功能)是一个强大的工具，设计师和摄影师可以用它来填充图片中不想要的部分或者缺失的部分。在填充图片的缺失或损坏的部分时，图像补全和修复是两种密切相关的技术。有很多方法可以实现内容识别填充，图像补全和修复。

2017-05-22 13:15:45

TensorFlow深度学习
AWS上搭建深度学习主机（Windows版）
本文简单介绍一下如何租赁并使用 Amazon EC2 P2 实例,通过搭载了一块12G 显存的 Tesla K80 显卡，搭建深度学习主机。

2017-05-22 12:30:15

深度学习人工智能
寻找CNN的弱点，小心MNIST中的“套路”
CNN是现在十分火热的模型，在很多图像检索问题上，CNN模型的效果在以往的基础上有了很大的提高，但是CNN毕竟没有把这些问题完全解决，CNN还是有它自己的弱点的。这个弱点也不能算作是它独有的问题，但是由于它的效果实在太好了，很多人甚至对它产生了迷信，因此这盆冷水就泼到它身上了。

2017-05-22 10:54:56

深度学习CNNMNIST
深度学习中批归一化的陷阱
本文使用两种不同方法实现了一种神经网络。每一步都输入相同的数据。网络具有完全相同的损失函数、完全相同的超参数和完全相同的优化器。然后在完全相同数量的 GPU 上进行训练。结果是其中一个版本的分类准确度比另一种低2%，并且这种性能的下降表现地很稳定。

2017-05-19 14:05:37

深度学习批归一化技术
基于时空算法研究的商业决策分析
IBM SPSS 提供了结合时间与空间的数据分析模型( Spatio-Temporal Prediction ，简称 STP )。通过使用 STP 进行建模和预测，能够为管理者或者企业提供最佳的决策支持，以节省时间、成本和资源。本文主要阐述了时空分析算法的特点及其应用举例，来帮助人们了解其使用方法和实际的价值意义。

2017-05-19 12:49:18

大数据时空算法商业决策
白话AI：看懂深度学习真的那么难吗？初中数学，就用10分钟 原创
前段时间，编辑闲逛各大社区论坛，发现一篇非常适合初学者学习的深度学习的回复帖子，用风趣的白话和例子深入浅出的分析了深度学习的过程，非常通俗易懂。通过与作者杨安国老师沟通，获得内容编辑授权，把内容重新整理发布，希望人人都能够理解深度学习。

2017-05-18 14:31:44

深度学习人工智能
美丽联合如何“图解时尚” VALSE大会分享图像算法经验
日前，第七届视觉与学习青年学者研讨会（Vision And Learning SEminar, VALSE）在厦门大学圆满落幕。VALSE发起于2011年，是国内计算机视觉、图像处理、模式识别与机器学习等研究领域的科学家们搭建一个高水平、强互动的学术交流舞台。

2017-05-18 11:01:10

互联网
神经风格迁移研究概述：从当前研究到未来方向
这篇文章回顾了神经网络风格迁移研究近期取得的进展，并讨论了这一技术的不同应用以及尚未解决的问题，这也是未来研究的方向。

2017-05-17 18:20:32

人工智能风格迁移神经网络
迁移学习：数据不足时如何深度学习
最近深度学习技术突然开始大肆流行，并在语言翻译、玩策略游戏，以及无人驾驶汽车等涉及到数百万数据量的领域取得了醒目的成果。使用深度学习技术解决问题的过程中，最常见的障碍在于训练模型过程中所需的海量数据。需要如此多的数据，原因在于机器在学习的过程中会在模型中遇到大量参数。

2017-05-17 15:09:06

深度学习人工智能
世界上还没有人工智能？我们被深度学习骗了吗
概述：本人作者、Novaquark创始人兼总裁Jean-Christophe Baillie表示，“没有机器人就没有人工智能。”在这篇文章中，他讨论了人工智能是什么，以及AlphaGo不能被称之为人工智能的原因。

2017-05-17 14:58:28

人工智能深度学习
深度学习中的怪圈将成就难以置信的成果
怪圈是一种循环系统，横贯不同等级的各个层次。循环在机器学习系统中并不典型，按照惯例，这些系统由不同计算层的无环图构成。然而，我们现在开始发现，采用”反馈循环”能衍生出一种令人难以置信的、新的自动操作。

2017-05-17 13:21:36

深度学习机器学习算法
初学TensorFlow机器学习：如何实现线性回归？
在本文中，你将学习如何用回归来解决一个实际问题。你将看到，如果你想拥有最强大的预测器，TensorFlow 工具将是正确的选择。

2017-05-17 08:24:08

TensorFlow机器学习线性回归
如何用深度学习推荐电影？教你做自己的推荐系统！
用电影海报来打造推荐系统。

2017-05-16 15:00:24

深度学习
使用 Node.js 对文本内容分词和关键词抽取
一下内容是分词库 nodejieba 基本的使用方法，在将来我们可以利用它对众成翻译发布的译文自动分析添加相应的 tag，以为各位译者和读者提供更好的用户体验。

2017-05-16 14:28:05

Node.js自然语言处理
一文读懂聚类算法
聚类是数据挖掘中的概念，就是按照某个特定标准(如距离)把一个数据集分割成不同的类或簇，使得同一个簇内的数据对象的相似性尽可能大，同时不在同一个簇中的数据对象的差异性也尽可能地大。也即聚类后同一类的数据尽可能聚集到一起，不同类数据尽量分离。

2017-05-15 11:10:10

大数据聚类算法
何时浅探，何时深究—机器学习不是一张纸就能说完的 译文
深度学习的一大优势在于，其水平提升往往能够在各类场景下实现通用。举例来说，在某一领域中适用于深度学习的具体技术通常可以直接转移至其它领域，而无需经过任何修改。更具体地讲，构建大量计算密集型图像与语音识别类深度学习模型的方法已经全面渗透至自然语言处理当中。

2017-05-12 17:58:11

深度学习人工智能
tensorflow如何实现基于深度学习的图像补全
在本文中，我将介绍图像补全的一种方法，我的例子是人脸，但是DCGANs也可以在其他类型的图像上使用。

2017-05-12 16:25:44

深度学习图像补全tensorflow
机器学习和深度学习是怎么一回事？Faizan Shaikh来帮你解答
本文以浅显易懂的语言介绍了机器学习和深度学习的定义及应用，以及在源数据要求，硬件支持，特征工程、问题解决方式、执行时间及可解释性等方面的区别，对于新手入门有很大启示意义。

2017-05-11 12:22:10

机器学习深度学习
让问答更自然 - 基于拷贝和检索机制的自然答案生成系统研究
2017 年初，Facebook 在机器学习和科学计算工具 Torch 的基础上，针对 Python 语言发布了一个全新的机器学习工具包 PyTorch。一经发布，这款开源工具包就受到了业界的广泛关注和讨论，经过几个月的发展，目前 PyTorch 已经成为从业者最重要的研发工具之一。PyTorch 为什么如此受欢迎，研究人员是出于怎样的考虑选择了 PyTorch？针对这些问题，我们今天不妨来看看专业人士怎么说。

2017-05-11 12:13:58

人工智能
MySQL：数据结构及算法原理
本文以MySQL数据库为研究对象，讨论与数据库索引相关的一些话题。特别需要说明的是，MySQL支持诸多存储引擎，而各种存储引擎对索引的支持也各不相同，因此MySQL数据库支持多种索引类型，如BTree索引，哈希索引，全文索引等等。

2017-05-11 11:59:12

MySQL数据结构算法原理
为什么有些数学研究者会看不惯甚至鄙视深度学习（Deep Learning）？
做理论的人，不得不一个个学过来，想过了，试过了，然后放掉，下一个。解决问题是最终的目标，而不是学得比人多些，然后坐在原地不动夸耀自己厉害。耍弄十八般武艺，比不过高手一招制敌。至于这一招怎么找到，或者从理论分析这边入手，或者从实验入手，都是一样有价值，都是平等的，不存在谁鄙视谁的问题。

2017-05-10 20:31:13

数学研究者深度学习
达观数据：推荐系统算法实践之重排序
推荐系统流程可以分为数据清洗、数据存储、候选集生成、候选集融合规则过滤、重排序。

2017-05-10 16:01:39

推荐系统算法实践
机器学习决策树算法学习笔记
利用香浓熵找到信息增益最大的特征，按照信息增益最大的特征划分数据，如此反复，让无序的数据变的更加有序。使用ID3算法构建树结构。当传入一个新数据时，按照数据找到对应树节点，直到最后没有叶子节点时，完成分类。

2017-05-10 15:41:29

机器学习算法数据
正在涌现的新型神经网络模型：优于生成对抗网络
随着深度神经网络技术的发展，新型的网络架构也在不断涌现。

2017-05-10 14:32:31

神经网络网络架构模型
当人工智能有了“梦想”，人类该如何应对？
相信看过《超能陆战队》的网友内心呼声都是：“这样的‘大白’，给我来一沓！”但是，随着科技的发展，人工智能的“脑力”会呈指数级爆发式增长，人类并不能保证所有的人工智能都能完全为自己所掌控，一旦人工智能的自我思维开始觉醒，人类可能将面临自诞生以来的巨大挑战。

2017-05-10 11:42:27

人工智能
人工智能凭什么毁灭人类
近日，钢铁侠Elon Musk发布了一条Twitter称，“我们得对人工智能（AI）十分小心”，“它的潜在危害性比核武器还要严重”。如果人工智能真的在未来拥有了自我思维和意识，它到底会对人类造成什么危害？人工智能又凭借什么毁灭人类？

2017-05-10 11:30:28

人工智能
还以为自己是独一无二的吗？人工智能将对你say no
今年1月在中国上映的《星球大战：原力觉醒》是科幻电影《星球大战》系列的第七部，该系列横扫全球，人工智能是其中极其重要的看点。

2017-05-10 11:23:28

人工智能
入门级攻略：机器学习 VS. 深度学习
本文以浅显易懂的语言介绍了机器学习和深度学习的定义及应用，以及在源数据要求，硬件支持，特征工程、问题解决方式、执行时间及可解释性等方面的区别，对于新手入门有很大启示意义。

2017-05-10 09:26:41

机器学习深度学习
当司法拥抱算法，正义与科技谁将笑到最后？
司法拥抱科技进步的明天已经到来，至于公平、正义、效率等社会价值目标在司法拥抱技术之后，最终究竟会茁壮成长还是黯然失宠？

2017-05-09 16:45:26

司法算法法官
如何用 TensorFlow 教机器人作曲？秘诀原来是这样
计算机会首先把你的语音转化成文字，并且提取出关键字，转化成词向量。然后会用一些打过标签的音乐的数据，这些标签就是人类的各种情感。接着通过在这些数据上面训练一个模型，模型训练好后就可以生成符合要求关键词的音乐。

2017-05-09 15:39:33

ensorFlow机器人机器学习
机器学习从入门到精通
本部门主要对机器学习的基本概念以及相关的方法分类进行一个概要的介绍。进行的拓展主要在于总结和科普，没有进行详细详细的展开，后续会进一步进行展开或总结。

2017-05-09 08:48:44

机器学习
机器学习中容易犯下的错
在处理少量的数据时，尽量多的去尝试更多的算法是合理的，并且去 选择最好的算法建立在实验成本低的情况下。但是，当我们碰到“大数据”时，就需要对数据进行前期分析，然后相应的设计建模流程。(例如预处理、建模、优化算法、评价，产品化)

2017-05-09 08:18:11

机器学习损失函数正则化
深度学习的“深度”有什么意义?
深度学习的”深度”， 早几年讨论的挺多的，身边有不同的理解：深度=更大规模的网络，也有认为：深度=更抽象的特征，近年来物理上也有人侧面显示：深度=玻璃相转变，如果后者的观点成立，那么仅仅引入GPU甚至FPGA硬件的目的只是加快， 没有算法的帮助(调参也算一种算法，后面会解释)是不会加深的!

2017-05-08 16:13:33

深度学习神经网络深度
人工智能各国战略解读
当前，人工智能发展持续火热，正成为新一代科技革命的排头兵。美国作为科技强国，正不断加强对前沿技术的全面研究，提升人工智能在国家战略中的地位。本文系统梳理了美国白宫2016年发布的以人工智能为主题的3份报告，对相关的组织推进、核心结论和政策建议进行了解析，并结合我国现状阐述了这3份报告对我国发展人工智能的启示。

2017-05-08 15:36:09

人工智能机器学习
深度学习的时间序列模型评价
这次主要说最近发展的无监督特征学习和深入学习，其对于时间序列模型问题的评价。这次主要概述了时间序列数据存在的特殊挑战，并提供了工作的评价，其含有把时间序列应用到非监督特征学习算法或者是有选择的促成特征学习算法的变动去考虑目前时间序列数据的挑战。

2017-05-08 14:42:36

深度学习神经网络时间序列
TensorFlow上手要点都总结在这儿了，你还有理由偷懒吗？
本文作者 Steven Dufresne，总结了新手学 TensorFlow 需要的核心知识点和实操内容，旨在鼓励更多人借 TensorFlow 迈入深度学习殿堂 。作为基础入门教程，该教程从 TensorFlow 原理简介讲到上手操作，对核心概念逐条解释，非常适合基础薄弱、苦无入门途径的新手。

2017-05-08 11:02:59

TensorFlow神经网络深度学习
一元线性回归梯度下降算法的Octave仿真
在梯度下降算法理论篇中，曾经感叹推导过程如此苍白，如此期待仿真来给我更加直观的感觉。当我昨晚Octave仿真后，那种成就感着实难以抑制。分享一下仿真的过程和结果，并且将上篇中未理解透澈的内容补上。

2017-05-08 08:39:12

梯度算法Octave机器学习
人工智能与自然语言处理概述：AI三大阶段、NLP关键应用领域
本文全面概述了人工智能及其各个细分领域的状况，并着重介绍了大数据和自然语言处理的发展，对自然语言处理在大数据中扮演的角色作了探讨。

2017-05-08 06:14:19

人工智能自然语言大数据
滴滴出行与斯坦福人工智能实验室达成合作
5月5日消息，滴滴出行宣布与斯坦福大学人工智能实验室（Stanford Artificial Intelligence Laboratory）达成合作，双方将围绕人工智能热点课题进行科学研究、课程创新、人才培养等。这是继牵手密歇根大学之后，滴滴再一次与国际高校进行合作，标志着滴滴正在持续吸引、聚集海外创新资源，携手以全球视野推进前沿科技不断突破。

2017-05-05 16:10:39

滴滴出行斯坦福人工智能
如何布局人工智能领域？ 微软是这样做的 原创
人工智能成了人们街谈巷议的“全民热词”，而微软在构建微软智能云上的战略规划也显得越发清晰起来 —— 微软的目标是普及人工智能全民化（Democratizing AI） —— 将先进的人工智能技术转化为每个人触手可及的工具、平台和服务，予力全球每一人、每一组织，成就不凡。

2017-05-05 15:51:26

布局人工智能领域
自然语言处理领域的核心：序列学习
生活中所有的实物都与时间有关，从而形成了一个序列，在这一篇当中，我们将一起认识自然语言处理领域的核心：序列学习。

2017-05-05 15:34:49

自然语言处理
大数据的发展，伴随的将是软件工程师的渐退，算法工程师的崛起
大数据在人类历史长河的各个时期一直存在着，只是要等到技术发展到一定阶段，它才开始崭露头角。而它的未来又在哪里?来自 Intercom 的工程师 Cathal Horan 表达了他对大数据的看法，他认为，未来属于算法，而不是代码。

2017-05-05 10:45:45

大数据动向
上一页 1 ··· 514515516517518 ··· 534
点赞

51CTO技术栈公众号

业务
速览
在线客服