问题1：逻辑回归和SVM的异同 LR与SVM的相同点： 都是有监督的分类算法； 如果不考虑核函数，LR和SVM都是线性分类算法。 它们的分类决策面都是线性的。 LR和SVM都是判别式模型。 LR与SVM的不同点： 本质上是loss函数不同，或者说分类的原理不同。 SVM是结构风险最小化，LR则是经验 ....

(1)迄今为止我们讨论的人工智能的问题,都还是局限在”认知”方面的应用, 比如图像识别,语音识别,自然语言处理,等等. 这类问题的特点是,机器获得大量原始数据的培训. 每一个输入,都有标准的”输出”的答案. 这种学习方式,也称为”有监督学习”. 但是生活中大多数问题,是没有标准正确答案的…

深度学习已经成为解决许多具有挑战性的现实问题的首选方法

(1)1992 年笔者在纽约州的罗切斯特大学选修计算机课的时候, 学到这样一句话, 印象极为深刻. When in doubt, use brute force. “如果遇到困惑(的问题), 就使用蛮力. “ 此话出自当年 UNIX 系统的发明人之一 Ken Thompson. 他的本意是, 程序设计中,简单粗暴的计算方法, 虽然可能…

深度学习在视觉领域取得了巨大的成功，即便如此，深度学习在视觉上仍然有很多的局限性，这篇文章从深度学习的历史开始说起，阐述了深度学习在视觉上的局限性，并给出了一些可能的方案。

「机器人会梦见电子羊吗？」仍不失为一个好问题（译者注：《机器人会梦见电子羊吗？》（Do Androids Dream of Electric Sheep）为菲利普·迪克所著科幻小说，电影《银翼杀手》根据该小说改编而成），但是科学事实已经发展到开始与科幻小说相吻合的程度了。不，我们（目前）还没有造出挣扎于生存危机的自主机器人，但是我们距离人们所谓的「人工智能」…

摘要：最近，深度学习成为一个流行语。有分析人士称，它会吞噬掉目前已知的其他机器学习（ML）方法。其他人则将深度学习的市场形容为一个金矿，称该技术有望取代整个行业和应用的大量人力干预。在本文，我试着简化深度学习的概念，并对其未来在 ML 生态系统的发展做了一些观察。 有趣的是，深度学习的概念并不是新出现的。它只不过是一个扩展的人工神经网络（ANN）算法，在90…

来自github的非常有针对性的深度学习资源，和其他的资源不同，既照顾了通用性，又照顾了不同的领域，覆盖非常广，非常的全面，有论文，有代码，有书，有博客，还有课程。

人工智能早在计算机学伊始时就已经产生，它最早是在1956年被作为一门学术学科建立起来。从那时起，科学界就认为每个十年左右就会在此方面有大的突破性进展。在1940年的神经学研究中，人们就已经发现人类的大脑实际上就是一条神经网络，AlanTuring表示基于此概念，建造一个电子大脑是可行的。1951年，一个24岁的研究生，MarvinMinsky建造了世界第一个…

(1)1970年,当神经网络研究的第一个寒冬降临时,在英国的爱丁堡大学,一位二十三岁的年轻人, Geoffrey Hinton, 刚刚获得心理学的学士学位. Hinton 六十年代还是中学生时,就对脑科学着迷.当时一个同学给他介绍关于大脑记忆的理论是: 大脑对于事物和概念的记忆, 不是存储在某个单一的地点,而是像全息照片一样, 分布式地, 存在于一个巨大的神…

深度学习的下一个阶段是“元”阶段，即“算法将会自动生成”

(1)2016 年一月底，人工智能的研究领域，发生了两件大事. 先是一月二十四号，MIT 的教授，人工智能研究的先驱者，Marvin Minsky 去世，享年89岁. 三天之后，谷歌在自然杂志上正式公开发表论文,宣布其以深度学习技术为基础的电脑程序 AlphaGo, 在2015年十月,连续五局击败欧洲冠军,职业二段樊辉. 这是第一次机器击败职业围棋选手. 距…

摘要：近日雷锋网对深度学习三巨头Hinton、LeCun、Bengio中的前两位做了生平开扒，就差最后一个Bengio了。作为仅存的几个仍然全身心投入在学术界的深度学习教授之一，他在网上能刮到的生平介绍自然比前两位少得多，为大家找到了所有我们能找到的资料，让他不再活在传说中。 1. 根据Bengio的博文自述，在20世纪80年代Bengio还是一个学生的时候…

摘要：最近AlphaGo对李世乭的世纪大战让深度学习再次备受关注。本文是作者Lee Gomes于2015年原载IEEE，由机器之心翻译，也是雷锋网对人工智能领域做出接触贡献的先行者们致敬的《人类群星闪耀时》的第二篇。。虽然是旧文，但是文中大量关于深度学习的探讨依旧值得我们再次翻阅。读完文章，你也许就能明白，为什么Facebook人工智能负责人Yann LeC…

摘要：本文是在“人机大战”AlphaGo 4:1 获胜后，雷锋网采编的《人类群星闪耀时》系列文章的第一篇。谨以此系列向在人工智能和深度学习领域做出了接触贡献的天才们致敬。 20世纪60年代的英国：杰夫·辛顿（Geoff Hinton）还在读高中时，他的同学给他安利了一个说法：大脑的工作就像一张全息图。他深以为然。 80年代初期：辛顿发起了雄心壮志的计划——利…

这么方便的学习资源，还等什么呢？

有没有更好的方法来决定学习率？

简单和复杂的技巧，帮助你提升深度学习的模型准确率

不是所有的数据都是完美的

一个深度学习专家无法与人工智能专家划上等号。