炼数成金 商业智能
订阅

商业智能

HFL技术分享 #15 | 短文本分类及相关技术
HFL技术分享 #15 | 短文本分类及相关技术
文本分类作为文本理解的基本任务、能够服务于大量应用(如文本摘要、情感分析、推荐系统等等),更是长期以来学术界与工业界关注的焦点。 先前的方式主要采取人设定特征(词袋、词性标注、树核等)或者ML/DNN对文本 ...
分类:   
谷歌发布颠覆性研究:不训练不调参,AI自动构建超强网络
谷歌发布颠覆性研究:不训练不调参,AI自动构建超强网络
机器学习全靠调参?这个思路已经过时了。谷歌大脑团队发布了一项新研究:只靠神经网络架构搜索出的网络,不训练,不调参,就能直接执行任务。这样的网络叫做WANN,权重不可知神经网络。它在MNIST数字分类任务上,未 ...
分类:   
HFL技术分享#14 | Reinforcement Learning Applications for NLP
HFL技术分享#14 | Reinforcement Learning Applications for NLP
强化学习(RL)是机器学习的一个分支,是介于监督学习和非监督学习之间的,从经验中学习的方法。由于强化学习在机器控制、游戏等领域获得了瞩目的研究成果,学者们开始尝试将RL与自然语言处理相结合,希望解决传统方 ...
分类:   
HFL技术分享 #13 | 自动文摘相关技术简介
HFL技术分享 #13 | 自动文摘相关技术简介
随着互联网的飞速发展以及数据呈现爆炸式的增长,人们迫切需要一种技术能够从大量、嘈杂的数据中提取关键信息,这种“大量、嘈杂”的数据不仅包含文本,同时也可以是图像、视频、语音等各种模态的数据,自动摘要(Au ...
分类:   
RFM模型:搭建客户价值分析模型!
RFM模型:搭建客户价值分析模型!
RFM模型是衡量客户价值和客户创利能力的重要工具和手段。该机械模型通过一个客户的近期购买行为、购买的总体频率以及花了多少钱三项指标来描述该客户的价值状况。R(Recency):客户最近一次交易时间的间隔。R值越大 ...
分类:   
深度:32家公司决战云端AI芯片!
深度:32家公司决战云端AI芯片!
2019年,新的云端AI芯片战场正风起云涌。过去几年,人工智能(AI)从一个被轻视的学术冷门研究突然爆红,一路狂奔到商业化的最前沿,在安防、金融、教育、制造、家居、娱乐等各个与人们生活息息相关的领域掀起了一股 ...
分类:   
HFL技术分享 #12 | 对象级情感分析经典模型介绍
HFL技术分享 #12 | 对象级情感分析经典模型介绍
情感分析(Sentiment analysis),又称观点挖掘(Opinion mining),是对带有情感色彩的主观性文本进行分析、处理、归纳和推理的过程。情感分析对于快速掌握大众情绪的走向、预测热点事件等有重要的作用,并与我们的 ...
分类:   
Marvell第二代ARM服务器处理器ThunderX2解析
Marvell第二代ARM服务器处理器ThunderX2解析
长久以来,服务器数据中心市场一直被x86 CPU架构所垄断,而在近些年,ARM架构不断吹响进军服务器领域的号角,虽然始终算不上成功,但巨头们从未放弃。台北电脑展上,Marvell(美满电子)就详细介绍了第二代基于ARM架构 ...
分类:   
AI 改写《权力的游戏》结局,和编剧比谁更烂?
AI 改写《权力的游戏》结局,和编剧比谁更烂?
在现有的 AI 语言模型中,GPT-2 是一种达到了 SOTA 效果的文本生成模型。他能生成类似人类语言的连贯性语句,并且可以长期关注某个主题。 相比于其他语言模型,GPT-2 两个较大改进在于:大量数据:研究人员抓取了 80 ...
分类:   
人工智能秘史(三):为什么图灵希望AI犯错?
人工智能秘史(三):为什么图灵希望AI犯错?
1950年,数字时代即将开启之际,阿兰·图灵发表了他最著名的一篇论文,题目叫做《计算机器与智能》,在里面他提出了一个问题,“机器会思考吗?’图灵并没有试图去定义“机器”和“智能”这两个词,相反,他概述了回 ...
分类:   
人工智能秘史(二):美国第一台计算机背后的女程序员
人工智能秘史(二):美国第一台计算机背后的女程序员
1946年2月14日,记者纷纷聚集到宾夕法尼亚大学摩尔工程学院(Moore School of Engineering),准备见证全世界最早的通用电子计算机之一:电子数字积分计算机(ENIAC)的公开展示。Arthur Burks是ENIAC团队的数学家兼 ...
分类:   
人工智能秘史(一):会下棋的土耳其机器人
人工智能秘史(一):会下棋的土耳其机器人
1770年,在奥地利女皇玛利亚·特蕾莎的宫廷上,一位叫做Wolfgang von Kempelen的发明家展示了一台下国际象棋的机器。Kempelen把他的发明叫做土耳其机器人,这是用枫木雕刻出来的真人大小的机器人,它身披土耳其礼服 ...
分类:   
深度学习来得太晚也太猛,对话2018年度图灵奖三位「大佬」
深度学习来得太晚也太猛,对话2018年度图灵奖三位「大佬」
虽然曾经遭受质疑甚至嘲笑,但 2018 年度图灵奖获得者 Geoffrey Hinton、Yann LeCun 和 Yoshua Bengio 一直在他们的研究生涯中不断发展人工神经网络,其研究成果已成为了从搜索到内容过滤等领域不可或缺的组成部分。 ...
分类:   
AMD停止授权中国x86新技术,「芯片国产化」路子怎么走?
AMD停止授权中国x86新技术,「芯片国产化」路子怎么走?
昨天下午消息,根据知名科技外媒 Tom's Hardware 的报道,在 Computex 2019 上,AMD CEO Lisa Su(苏姿丰) 向其证实,该公司不再向中国公司授权其新的 x86 IP 产品。AMD 于 2016 年与中国天津海光先进技术投资有限公 ...
分类:   
HFL技术分享 #11 | 知识图谱技术简介
HFL技术分享 #11 | 知识图谱技术简介
近年来,随着深度学习技术的蓬勃发展,自然语言处理(NLP)的研究越来越深入,应用越来越广泛。在NLP技术的广泛应用实践中,人们再次认识到知识在NLP中的重要作用。本文对知识图谱的发展历史和现状做了一个简单的调 ...
分类:   
HFL技术分享 #10 | 选择型阅读理解技术简介及进展
HFL技术分享 #10 | 选择型阅读理解技术简介及进展
阅读理解任务是根据对文本的理解来回答与文本相关的问题。阅读理解任务不论对人还是对机器都是一个比较难的问题,不同的人与人之间的阅读理解水平也存在较大的差异。因此如何让机器具有阅读理解能力,或者说如何能够 ...
分类:   
HFL技术分享 #9 | 不平衡数据下的机器学习(下)
HFL技术分享 #9 | 不平衡数据下的机器学习(下)
数据不平衡为机器学习任务带来了诸多挑战,针对这一问题,业界已经做了诸多研究,方向包括数据不平衡导致机器学习模型性能下降的原因、评估方法和解决方案等。针对数据不平衡问题的研究专题可以统称为不平衡学习(Im ...
分类:   
HFL技术分享 #9 | 不平衡数据下的机器学习(上)
HFL技术分享 #9 | 不平衡数据下的机器学习(上)
数据不平衡是机器学习任务中的一个常见问题。真实世界中的分类任务中,各个类别的样本数量往往不是完全平衡的,某一或某些类别的样本数量远少于其他类别的情况经常发生,我们称这些样本数量较少的类别为少数类,与之 ...
分类:   
HFL技术分享 #8 | 语言模型简介
HFL技术分享 #8 | 语言模型简介
统计语言模型(Statistical Language Model)是自然语言处理的基础,它是一种具有一定上下文相关特性的数学模型,本质上也是概率图模型的一种,并且广泛应用于机器翻译、语音识别、拼音输入、图像文字识别、拼写纠错、 ...
分类:   
HFL技术分享 #6 | 基于深度学习的关系抽取
HFL技术分享 #6 | 基于深度学习的关系抽取
信息抽取旨在从大规模非结构或半结构的自然语言文本中抽取结构化信息,主要任务有实体抽取、关系抽取、事件抽取。其中,关系抽取(Relation Extraction,RE)研究的主要内容是从文本内容中挖掘出实体与实体之间的语 ...
分类:   
NLP中的词向量对比
NLP中的词向量对比
文本是由每个单词构成的,而谈起词向量,one-hot是可认为是最为简单的词向量,但存在维度灾难和语义鸿沟等问题;通过构建共现矩阵并利用SVD求解构建词向量,则计算复杂度高;而早期词向量的研究通常来源于语言模型, ...
分类:   
推理速度提升5.1倍:谷歌提出新型卷积网络EfficientNet
推理速度提升5.1倍:谷歌提出新型卷积网络EfficientNet
卷积神经网络(CNN)通常以固定成本开发,然后再按比例放大,从而在获得更多资源时可以达到更高的准确率。例如,ResNet 可以通过增加网络层数,从 ResNet-18 扩展到 ResNet-200。近期 GPipe 将基线 CNN 扩展了 4 倍 ...
分类:   
万字综述,核心开发者全面解读PyTorch内部机制
万字综述,核心开发者全面解读PyTorch内部机制
张量是 PyTorch 中的核心数据结构。对于张量直观上所表示的东西,你可能已有很好的理解:张量是一种包含某种标量类型(比如浮点数和整型数等)的 n 维数据结构。我们可以将张量看作是由一些数据构成的,还有一些元数 ...
分类:   
如何利用深度学习技术处理图像水印?
如何利用深度学习技术处理图像水印?
水印作为一种保护版权的有效方式被广泛地应用于海量的互联网图像,针对水印的各种处理显得越来越重要,比如水印的检测和水印的去除与反去除。在这里我们和大家分享一下业余期间在水印智能化处理上的一些实践和探索, ...
分类:   
解读目标检测新范式:Segmentations is All You Need
解读目标检测新范式:Segmentations is All You Need
多年来,基于候选区域网络(RPN)的现有模型在目标检测任务中得到了广泛认可,NMS 是该模型的基础,但这种模型也存在一定缺陷,如在复杂遮挡情况下召回率很低。为了解决这一问题,程泽华等研究者提出使用弱监督分割 ...
分类:   
华为“备胎”海思全解密(超详细!)
华为“备胎”海思全解密(超详细!)
从前低调的华为二级部门“海思”一下子火了。这家成立超过20年,拥有7000多名员工,8000余项专利技术的公司,在华为受到美国限制令之后,一下从幕后走到了台前。海思到底是一家怎样的公司,它的技术如何,是否能与美 ...
分类:   
HFL技术分享 #5 | 强化学习基础(下)
HFL技术分享 #5 | 强化学习基础(下)
我们知道,对于使用而言,我们需要将公式以及思路转换成计算机所能够处理的形式,比如迭代形式。在这里我们就需要借鉴贝尔曼方程的思想,对强化学习的相关公式进行推导,使得它可以变换为计算机可处理的迭代形式。我 ...
分类:   
HFL技术分享 #5 | 强化学习基础(上)
HFL技术分享 #5 | 强化学习基础(上)
强化学习是机器学习的一大分支,介于监督学习与无监督学习之间。与其他机器学习相比,有一些明显的特点,是一种序列决策过程。强化学习应用范围很广,比如西洋双陆战棋的胜利、直升飞机上的特技表演、金融中证券投资 ...
分类:   
HFL技术分享 #4 | 基于深度学习的文本分类技术
HFL技术分享 #4 | 基于深度学习的文本分类技术
文本分类任务是自然语言处理(NLP)领域最基础和传统的任务之一,该任务又会根据领域类型的不同分成很多子任务,例如情感分类、主题分类和问题分类等。很多机器学习的新方法都会先尝试在文本分类任务上进行实验验证 ...
分类:   
谷歌AI动画接龙:只用头尾两帧图像,片刻生成完整视频!
谷歌AI动画接龙:只用头尾两帧图像,片刻生成完整视频!
漫画书秒变动画片了解一下?想象一下,现在你的手中有一段视频的第一帧和最后一帧图像,让你负责把中间的图像填进去,生成完整的视频,从现有的有限信息中推断出整个视频。你能做到吗?这可能听起来像是一项不可能完 ...
分类:   

热门频道

  • 大数据
  • 商业智能
  • 量化投资
  • 科学探索
  • 创业

即将开课

 

GMT+8, 2019-9-17 10:17 , Processed in 0.137798 second(s), 19 queries .