深度学习

来源 | 极市平台 转载自：机器学习算法与自然语言处理 原文链接： 我是如何在3个月内写出博士论文的？ ​ mp.weixin.qq.com 在看这篇文章之前请注意：我的博士论文花了我三年半的全职研究时间来收集数据，本文所指的三个月只是用于写作的时间，在该时间段的最后我写得很快。我并不是说每个人都能写得那么快，如果你没有做过研究，那就不可能写出来。你可能不会像我一样写得那么快，但你可能会从我的方法中得到一些有益的启示。 2006年夏天，在开始攻读博士学位近3年后，我想到放弃。原来，当时我的成果远远不够，我所使用的设备大部分时间都不起作用，我几乎无法在早晨唤起起床的动力。一年多以后有了折转，我成功做到了：扭转局面，获得了一些可发表少数几篇论文的结果；在3个月内从零开始完成我的博士论文；无争议地通过我的口头答辩。而且，最重要的是，我居然开始享受这个过程。我是怎么做到这一切的？ 1.应对压力—— Dealing with stress 在经历了一次近乎崩溃的经历后，当我在研究中遇到问题或者发现自己压力大的时候，我就会开始在校园里散步。我花时间思考自己需要做什么，让自己有一个正确的心态回过头来处理问题。以前我发现我自己会处于一种为了熬过一天而在网上浪费时间的境地。这一个习惯的改变可能挽救了我的博士生涯。 2.放慢速度——Slowing down 这似乎有悖于直觉，但放慢速度有助于我走得更快

原创：Elesdspline 转载自：AI自然语言处理与知识图谱 原文链接： 综述：关系抽取，挑战与机遇并存！ ​ mp.weixin.qq.com 关系抽取是信息抽取的基本任务之一，目的是识别文本中实体的目标关系，关系抽取对于知识库的构建以及文本的理解十分重要，特别有利于自然语言处理的一些任务，如问答，文本理解等，而且，关系抽取作为知识图谱构建的核心关键，是必不可少的步骤。 大家熟知的传统关系抽取(二元关于抽取，两个实体之间的关系)已经得到了广泛的研究，并且有很多的研究方法已经落地实践，近些年来，对于复杂场景的变化，传统的简单关系抽取已经无法满足实际场景中的复杂应用，慢慢衍生出需要复杂场景的关系抽取任务。 本文是一篇综述文章，总结了目前简单关系抽取的研究进展以及实践方法，对目前已出现的复杂关系抽取任务进行了总结，并介绍了每个任务的定义、最新进展、挑战和机遇。 一、简单关系抽取 简单的关系抽取目的是从文本中识别两个实体之间的关系，例如下图，根据文本，识别出北京和中国的关系为 the capital of，一般这样的关系抽取称之为二元关系抽取( Binary Relation Extraction，BiRE)。 简单关系抽取 目前的方法一般分为 基于监督学习的 BiRE(Supervised BiRE) 、 基于半监督学习的 BiRE(Semi-supervised BiRE) 以及

点击上方“ 编程三分钟 ”，马上关注 ，每周不加班时更新 。 程序员书库（ID：OpenSourceTop） 视频来源：B站 说到B站，你第一反应是什么？追新番，发弹幕，还是看鬼畜视频？实际上，现在B站已经是一个无所不能的学习网站。 据了解，B站一共提供了物种视频排序的方式，每种能够返回前1000个视频，上面已经囊括了当下较火的编程语言课程，猿妹按照课程收藏量排序选出了以下编程视频，涉及多个编程语言，看看有没有你需要的： 1、小甲鱼零基础入门学习Python 779.5万播放 17.1万弹幕 B站收藏量最高的Python教程，一共97讲，此教程适合完全零基础的朋友学习，先掌握基础知识，其他部分根据各自方向来找其他教程来学，如Web，爬虫，数据分析，机器学习，深度学习 课程地址： https://www.bilibili.com/video/av4050443 2、C语言程序设计.浙江大学.翁恺 234.6万播放 5.3万弹幕 这门课程是中国大学慕课平台做的，由翁恺讲授，翁恺是浙江大学计算机学院教师，研究方向嵌入式操作系统及嵌入式系统应用，主要讲授各种程序设计语言等课程。 课程地址： https://www.bilibili.com/video/av15267247 3、Java零基础教程视频 361.7万播放 15.9万弹幕 本套Java视频教程适合绝对零基础的学员观看

凭借 Smarter Posting 、 Smarter Settlement Forecast 和 Smarter Stand-In Processing ， Visa 能够提高支付体验的可预测性、透明度和速度。 旧金山--(美国商业资讯)--Visa Inc. (NYSE: V)今天推出了VisaNet +AI，这是一套人工智能(AI)技术支持的服务，旨在解决银行、商户和消费者长期以来面临的挑战和痛点，包括管理账户余额时面临的延迟和混乱，以及金融机构日常结算的不可预测性。VisaNet +AI包含多项创新概念和新的增值服务，其中包括Visa Smarter Posting和Visa Smarter Settlement Forecast，以及去年8月 推出 的Visa Smarter Stand-In Processing (Smarter STIP)功能。这些创新功能利用Visa的高性能人工智能平台，帮助提高支付的可预测性、透明度和速度。 Visa执行副总裁兼首席产品官Jack Forestell表示：“我们的客户、合作伙伴和持卡人期待我们提供可行的数据驱动见解，以便更好地管理他们的业务和金融生活，特别是在这个前所未有的时期。今天，我们推出了一系列利用AI技术的服务，让消费者更方便地管理自己的账户，让金融机构更方便地管理自己的业务。通过对AI基础设施的投资

戳一戳！和我一起走进 深度学习 的世界 导读 我们常常在深度学习中听到激活函数的概念，作为深度学习中的经典“骚操作”，激活函数一直在发浪，却从未被超越。 今天要分享这篇文章带我们一起了解 什么是激活函数？为什么要有激活函数？激活函数都有哪些？它们的优缺点分别是什么？ 让我们走进这篇文章，一起来了解一下吧！ 如果你有什么问题，或者有什么想法，欢迎评论与我一起沟通交流。 如果你 想了解更多有关于机器学习、深度学习、计算机视觉、OpenCV、等相关技术的内容，想与更多大佬一起沟通，那就加群： 326866692 或者扫描下方二维码加入我们吧！ 本文目录 导读 1 激活函数是什么 2 为啥要引入激活函数 A 引入非线性 B 修正线性结果 3 常见激活函数 A Sigmoid B tanh C arctan D ReLU E ReLU变异家族 F 其他激活函数 4 为啥要求激活函数可导 1 激活函数是什么 我们常常听到激活函数，特别是当我们深入研究深度学习的时候，在我们搭建神经网络的时候，我们经常会使用激活函数，当然也有一些小伙伴可能还不是特别熟悉激活函数，所以我们先来看一下激活函数是什么？ 当我们对图像做完卷积操作，添加偏置量（不是必须）之后，我们能够得到一个计算结果，把这个计算结果作为输入，经过一个函数得到我们想要的输出。这个函数就是激活函数。 上面这句话说得有点土

对于大多数无人机爱好者来说，能自己从头开始组装一台无人机，之后加入AI算法，能够航拍，可以目标跟踪，是心中的梦想。 并且，亲自从零开始完成复杂系统，这是掌握核心技术的必经之路。 开课吧特邀北京航空航天大学无人机专家，进行设计和指导，独家研发与真实的科学研究和工程开发接轨的课程。 软硬件结合， 教你亲自研发一台智能 无人机 。 《完成你的第一个无人机》 让智能无人机梦想照进现实 名额有限 招满即止 本期招生名额还剩 13 人 请备注【无人机】添加 课程由北京航空航天大学无人机专家设计和指导，与真实的科学研究和工程开发接轨。有以下六大优势： 那么，直接购买无人机和我们的课程研发无人机的区别在哪里呢？请看下图： 我们的课程并不是简单的拼装课程，更涉及到 飞行器设计、仿真平台搭建和算法实现的整体流程。 我们课程将会 教你无人机的基本组成、飞行原理、控制理论、状态估计、同时定位与建图、运动规划、目标检测追踪与多无人机协同； 从元器件开始搭建一个具有GPS导航和人为规划路线功能的无人机，并搭建无人机仿真平台，在仿真平台上实现各类智能算法的开发与部署。 本课程分为两大板块： ❥ 课程大纲 （仿真环境下无人机SLAM） （ 真实环境下无人机VIO ） （仿真环境下的运动规划） （仿真环境下的多机协同） （仿真环境下的无人机追踪行人） （真实环境下，无人机追踪亮灯） 《完成你的第一个无人机》

作者：云时之间 来源：知乎 链接： https://zhuanlan.zhihu.com/p/146662055 编辑：王萌 最近在做一些数据标注的工作，虽然标注数据比较枯燥，但这也是每个做算法的工程师升级打怪的必由之路。使用一些合适的工具往往可以事半功倍，效率UP。 一：数据标注流程 二：数据处理的一些小代码 1：重命名 当得到这样格式命名不一致的数据的时候，重命名是最好的方法。 代码： #coding=UTF-8 ''' 重命名工具 ''' import os import sys def rename(): path=input(r"请输入路径(例如D:\picture)：") name=input("请输入开头名:") startNumber=input("请输入开始数:") fileType=input("请输入后缀名（如 .jpg、.txt等等）:") print("正在生成以"+name+startNumber+fileType+"迭代的文件名") count=0 filelist=os.listdir(path) for files in filelist: Olddir=os.path.join(path,files) if os.path.isdir(Olddir): continue Newdir=os.path.join(path,name+str

1.1 为什么需要ML策略？ 问题引入：如何提高机器学习的水平？可能有很多种想法（如，收集更多数据、收集更丰富多样的训练数据、增加梯度下降法迭代次数、增加网络规模、减小网络规模、使用随机失活（dropout）、添加L2正则化项、改变网络架构（激活函数、隐层单元数等）），应该选择哪些，舍弃哪些？ 1.2 正交化 正交化的一个实例：老式电视机的调节按钮（上下、左右、形变等），每个按钮的功能明确而相对对立，即所谓“正交”（orthogonal） 机器学习中的假设链： 成本函数调优顺序：训练集 -> 开发集（验证集）-> 测试集 -> 真实世界 Orthogonalization（正交化） Orthogonalization or orthogonality is a system design property that assures that modifying an instruction or a component of an algorithm will not create or propagate side effects to other components of the system. It becomes easier to verify the algorithms independently from one another, it reduces

作者：云时之间 来源：知乎 链接： https://zhuanlan.zhihu.com/p/142269888 编辑：王萌 上次的一篇文章说了下DenseNet，这一篇文章来说一下CRNN+CTC的识别原理以及实现过程。这篇文章原理部分主要参考于白裳老师的“一文读懂CRNN+CTC文字识别”，其中的CTC原理的讲解部分是我见过最清晰易懂的，值得好好读一下。 一：OCR识别流程 通常我们做文本识别主要做上图中的三件事，检测的方法比较多，这里说一下识别，之前我们传统的识别过程是将检测到的数字划分为单字符（投影法等），然后扔到CNN里去分类， 但是深度学习的发展，出现了end2end的识别方式，简单的来说就是我们不需要将检测到的数字划分为单字符，无论你检测的数字长度多长，尺寸多宽，直接从头到尾给你识别出来。 比如上图的银行卡号，传统的方式要分割成 这样单个字符，现在直接从左到右识别完整，这样一来，我们就将单个字符的识别问题转化为序列的识别问题。 现在端到端的识别主要有两种比较流行的方式，以银行卡OCR识别为例： CRNN+CTC,CNN+Seq2Seq+Attention是比较流行的方式，CRNN用的会更广泛些，因为Attention机制限制会比较大些，而这两者最主要的区别也就在这，两者都抛弃了softmax，而CRNN用了CTC来最后文本对齐，而CNN用了Attention机制

点击上方 SQL数据库开发 ，关注获取 SQL视频教程 SQL专栏 SQL基础知识汇总 SQL高级知识汇总 你的线性代数，过了没？ 不论是结构力学还是人脸识别，理工类型的科研，深究之后就会发现到处都是线性代数的身影。这样一门课程，要是在大一的时候学不好，可是会要命的。 在国内上过大学的理科同学应该都见过《线性代数》（同济版），就算没有学过，也是听过它的大名。作为一名过来人，只能说，晦涩难懂，章节混杂... 即使不少 985、211 走过高考独木桥的学生，每到期末考试，也要默默祈祷不要挂科。现在想起一些内容：相似矩阵、线性变换、特征值、特征向量…… 真是一个头两个大。 作为一本大学教材，让学习者如此后怕，是该考虑一下教材问题了。如今已经毕业多年，没想到最近在知乎上看到一篇文章《《线性代数》（同济版）——教科书中的耻辱柱》，点赞量快突破五千。对于这篇文章，大家有时间可以读一下，看看是不是同意作者的观点。 线性代数真的很重要，这是很多工程技术人员走上工作岗位的最大感受。好多算法都用到线性代数的知识，就比如现在非常热门的深度学习，它的底层实现方式用到好多线性代数方面的知识。如果底层基础打不好，不明白其中的原理，算法实现方式真的很难理解，更不可能去创新了。好的教材才能起到事半功倍的效果。 目前这本教材已更新了好几版，每次更新的内容看起来也是无关紧要，如果有下次版本更新