數據中心最新文章 網絡規模更小、速度更快，這是谷歌提出的MorphNet 一直以來，深度神經網絡在圖像分類、文本識別等實際問題中發揮重要的作用。但是，考慮到計算資源和時間，深度神經網絡架構往往成本很高。 發表于：4/21/2019 速度提高100萬倍，哈佛醫學院大神提出可預測蛋白質結構的新型深度模型 蛋白質結構預測是生命科學領域的一大難題。近日，來自哈佛大學醫學院的研究人員提出了一種基于氨基酸序列預測蛋白質結構的新方法，準確率可媲美當前最佳方案，但預測速度提升了100萬倍。 發表于：4/21/2019 NAACL 2019 | 怎樣生成語言才能更自然，斯坦福提出超越Perplexity的評估新方法 語言生成不夠「生動」？Percy Liang 等來自斯坦福大學的研究者提出了自然語言評估新標準。 發表于：4/21/2019 機器學習如何解決「看病難」？Jeff Dean等詳述機器學習在醫療領域的應用 在這篇文章中，Jeff Dean 等人工智能大牛描繪了一幅機器學習在醫療領域的應用藍圖。 發表于：4/21/2019 CVPR 2019 | 百度無人車實現全球首個基于深度學習的激光點云自定位技術 數名來自百度智能駕駛事業群組（Baidu IDG）的研究員和工程師們實現了全球首個基于深度學習的激光點云自定位技術，不同于傳統的人工設計的復雜算法，該系統首度基于深度學習網絡實現了高精度厘米級的自定位效果，取得了重要的技術突破。 發表于：4/21/2019 維基百科你已經是個大百科了，該自己學會用ML識別原文出處了 維基百科可能是我們認為比較客觀真實的材料了，但它包羅萬象卻又會引起一些小問題，例如很多句子或說法提供不了引用出處。 發表于：4/21/2019 CVPR 2019 | PointConv：在點云上高效實現卷積操作 3D 點云是一種不規則且無序的數據類型，傳統的卷積神經網絡難以處理點云數據。來自俄勒岡州立大學機器人技術與智能系統（CoRIS）研究所的研究者提出了 PointConv，可以高效的對非均勻采樣的 3D 點云數據進行卷積操作，該方法在多個數據集上實現了優秀的性能。 發表于：4/21/2019 刷臉背后，卷積神經網絡的數學原理原來是這樣的 計算機視覺技術在日常生活中有著非常普遍的應用：發朋友圈之前自動修圖、網上購物時刷臉支付……在這一系列成功的應用背后，卷積神經網絡功不可沒。本文將介紹卷積神經網絡背后的數學原理。 發表于：4/21/2019 CVPR 2019 | CSP行人檢測：無錨點框的檢測新思路 本文被收錄于 CVPR 2019，通訊作者單位為阿聯酋起源人工智能研究院（IIAI）。受啟發于傳統的特征點檢測任務和最近的全卷積式關鍵點檢測和配對的工作，本文作者提出了一種無需密集滑窗或鋪設錨點框、全卷積式預測目標中心點和尺度大小的行人檢測方法，為目標檢測提供了一個新的視角。 發表于：4/16/2019 微軟亞研：對深度神經網絡中空間注意力機制的經驗性研究 空間注意力（Spatial Attention）機制最近在深度神經網絡中取得了很大的成功和廣泛的應用，但是對空間注意力機制本身的理解和分析匱乏。 發表于：4/16/2019 賈揚清：我對人工智能方向的一點淺見 作為 AI 大神，賈揚清讓人印象深刻的可能是他寫的AI框架Caffe ，那已經是六年前的事了。經過多年的沉淀，成為「阿里新人」的他，對人工智能又有何看法？ 發表于：4/16/2019 除了Kaggle，這里還有一些高質量的數據科學競賽平臺 除了大名鼎鼎的 kaggle，數據科學家可以參加的數據競賽平臺其實還蠻多的。有些比賽平臺不僅提供比賽，還讓你有機會自己創辦比賽。有些比賽由公司贊助，有些由政府機構贊助。參加這些比賽不僅能讓你的能力獲得認可，還可以獲得一些不菲的獎金呢~ 發表于：4/16/2019 線性模型已退場，XGBoost時代早已來 什么是 XGBoost？如何直觀理解 XGBoost？它為什么這么優秀？ 發表于：4/16/2019 最強學習資料：國內多所重點大學課程攻略 或許每個經歷過大學生涯的人都會有這樣的感受：曾經努力收集各種課程資料，但在修完一門課程之后卻會發現遺漏了很多重點內容。每一代前輩總結出的經驗也常常因為無處傳承而逐漸遺漏消失。 發表于：4/16/2019 百道Python面試題實現，搞定Python編程就靠它 想要備戰 Python 面試，這兩個項目有千道 Python 問題與實現。 發表于：4/12/2019 ?…99100101102103104105106107108…?
