"集智"与"AI"联手填平"类比鸿沟"

本篇文章是翻译的Sebastian Ruder最近发布的一篇介绍,主要讲了他和Barbara Planck一起合作的发现,提出了一种在迁移学习中的数据选择指标。
1
介绍
在机器学习中,通常假设我们模型使用的数据是相同的,即和训练数据是同分布的。但是一旦用于真实世界中,这种假设就会失效:我们应用的很多数据资源和原始的训练数据是截然不同的。所以在实践中,这会导致我们模型的性能非常糟糕。
域适应(domain adaptation)是一种典...
1、 图像生成本文是集智小仙女为大家整理的代码资源库—图像处理篇,收集了大量深度学习项目图像处理领域的代码链接。包括图像识别,图像生成,看图说话等等方向的代码,所有代码均按照所属技术领域附有链接。大家同时可戳知乎中的链接索引,直接进入相应链接。知乎:https://zhuanlan.zhihu.com/p/28601032?utm_source=wechat_session&utm_medium=social
1.1 绘画风格到图片的转换:Neural Style
1.2 图像类比转换:i...
开放的流网络(Open Flow Network),或流动网络,也简称流网络(Flow Network)是指一类特殊的加权有向的复杂网络。其中,有向连边表示能量、物质、货币、信息、注意力等流动的方向,连边的权重则表示流量。开放性体现为网络中存在着源和汇两类特殊的节点代表环境。目前,开放流网络这种模型已经被应用到了生态能量流分析、国际贸易流分析、投入产出关系、大规模的人类行为、集体注意力流等多个学科背景中去了。
南京大学的王...
文 | 张江
去年上映的影片《降临》讲述了一个有关语言的故事。为了帮助地球人,外星人尝试教会地球人类他们自己的语言。然而,要命的是,由于人类固有的语言是一种一维的线性化结构,这就导致了我们根深蒂固的线性流逝的时间观念,于是绝大多数人都无法理解外星人那稀奇古怪的非线性语言,如下图:
然而,故事的主人公,语言学家路易斯却由于长期的沉浸,学会了外星人的语言,更令她惊奇的是,她居然具备了“看见未来”...
真正厉害的东西往往是那些隐藏在幕后的无形存在,AI也是如此。那些有形有像的机器人不算什么,而真正的高手是那些无处不在的智能算法,我们将这些没有实相的程序总体称为泛在的AI。它们虽没有硬件,甚至没有用户界面,但却真真切切地影响、改变了我们的生活。从手机上的智能导航,到滴滴打车中的动态匹配算法,从推荐搜索到个性化,这些像空气一样存在的AI程序早已经渗透到了我们的周边。随着人类社会的数字化程度越来越高,...
PyTorch 是什么?本文收集了大量基于 PyTorch 实现的代码链接,其中有适用于深度学习新手的“入门指导系列”,也有适用于老司机的论文代码实现,包括 Attention Based CNN、A3C、WGAN等等。所有代码均按照所属技术领域分类,包括机器视觉/图像相关、自然语言处理相关、强化学习相关等等。所以如果你打算入手这风行一世的 PyTorch 技术,那么就快快收藏本文吧!
PyTorch即 Torch 的 Python 版本。Torch 是由 Facebook 发布...
1
活动背景近年来,人工智能兴起,AI技术逐渐渗透到金融领域,国内外金融机构纷纷抢占风口:摩根大通和高盛公司均表示要在人工智能领域进行大规模投资;国内四大行分别牵手互联网公司,开启智能金融的合作。智能投顾逐渐崛起,市场进一步开放,实用化是时间问题,而关键驱动,还是技术的突破。
金融领域机器学习时代已经到来,我们能用机器学习预测股价吗?借由智能投顾的推进,能否让自然语言理解(NLU)走得更快些?自...
转载声明:本文转载自「中国物理学会期刊网」,搜索「cpsjournals」即可关注。
1
引言
经典物理学的主角是物质和能量。20 世纪初,爱因斯坦写下E =mc2 ,将质量和能量统一在了一起。而从那之后,一个新角色——信息(Information)——逐渐走向了物理学舞台的中央。信息是关于不确定程度的度量。Shannon 创立信息论的初衷是为了定量化地描述信息的存储和传输。Jaynes 从信息论的角度研究多粒子体系,重新阐释了统计力...
自从2012年以来,深度学习(Deep Learning)就以一种势如破竹之势突破了一个个经典的人工智能问题。面对人工智能的快速发展,你不想了解它的基本工作原理吗?你不想亲手搭建一个会识别、能认字、懂作曲的AI程序吗?你不想学会一个快速上手的深度学习框架吗?
为了满足广大学员的需要,集智AI学园推出了“火炬上的深度学习”(Deep Learning in Pytorch)这个重磅系列课程。相比较市面上良莠不齐的深度学习课程,它具备如下特...
作者:集智小仙女
序列模型作为自然语言处理领域的一类重要模型,已经是老生常谈了,然而从2017年5月开始的Facebook与Google的论文大战,将序列模型的讨论重新引上了一个高峰!
2017年5月,Facebook AI Research发布了一篇论文《Convolutional Sequence to Sequence Learning》,文中指出其“ConvS2S”模型在机器翻译任务中取得了极其出众的效果,并且仅需要很短的训练时间。
看到别人家的模型已经如此优秀,AI科技...