數天前，機器之心釋出了 Simon S. Du 等人的論文《Gradient DescentFinds Global Minima of DeepNeural Networks》引起了大家激烈的討論。

【編者按】作為本輪AI的關鍵技術，深度學習不單只是深度神經網路模型本身。事實上，深度神經網路的發展痛點頻頻，包括穩定性和對裝置的依賴性，以及除錯複雜度困難等等。事實上，迴歸到深度學習的本

作者：Yariv Adan 編譯：weakish 人工神經網路和機器學習已經成為大眾媒體的熱門主題。智慧機器這一想法勾起了很多人的想象，而且人們特別喜歡把它和人類放一起比較。特別是有一個關於人

這一份視訊教程中，我會用簡明的例子和手繪圖，為你講解迴圈神經網路（Recurrent Neural Network, RNN）的原理和使用方法。 關於深度學習，我已經為你講解了

你是否曾有過這樣的經歷——有時遇上一個紅燈，接下來的每個路口就全是紅燈；有時卻是一路的綠燈？這並非個人的運氣好壞，而是背後一套交通燈系統執行的系統在起作用。 訊號燈設定不科學、配時不合理的直接後果就是擁堵不

TensorSpace.js Present Tensor in Space English| 中文 TensorSpace是一套用於構建神經網路3D視覺化應用的框架。 開發

一直以來，我們都不知道為什麼深度神經網路的損失能降到零，降到零不代表著全域性最優了麼？這不是和一般 SGD 找到的都是區域性極小點相矛盾麼？最近 CMU、清華和 MIT 的研究者分析了深層全連線網路和

寫在前面 論文狀態：Published in CVIU Volume 161 Issue C, August 2017 論文地址： https://arxiv.org/abs/1606.02228

溫馨提示，TensorFlow更新的太快了，有些程式碼實現方式可能變了，但是思想還是沒有變滴，主要還是理解 原文地址 介紹 前面的教程表明，簡單的線性模型具有大約91％的分類準確度，用於識別MNIS

人工神經網路在AI中具有舉足輕重的地位，除了找到最好的神經網路模型和訓練資料集之外， 人工神經網路 的另一個挑戰是如何在嵌入式裝置上實現它，同時優化效能和功率效率。 使用雲端計算並不總是一個選項，尤其是當裝置

部落格： blog.shinelee.me |部落格園 | CSDN 卷積運算與相關運算 在計算機視覺領域，卷積核、濾波器通常為較小尺寸的矩陣，比如 \(3\times3\) 、 \(5\time

本文由機器之心經授權轉載自 甲子光年（ID：jazzyear ） ，未經授權禁止二次轉載。 神策資料是一家專業的大資料分析平臺服務提供商，截至今年4月，神策資料的付費客戶數量已超過500家。

導讀 最近在梳理文字分類的各個神經網路演算法，特地一個來總結下。下面目錄中多通道卷積已經講過了，下面是連結，沒看的可以瞅瞅。我會一個一個的講解各個演算法的理論與實踐。目錄暫定為： 多通道卷積神經網路（

歡迎關注“創事記”的微信訂閱號：sinachuangshiji 文/三石 來源：新智元（AI_era） 【新智元導讀】小說家Ross Goodwin效仿大文豪Jack Kerouac進行了

一個月之前，微軟釋出了基於 深度神經網路 的文字到語音（text-to-speech，TTS）系統，並且做為 Azure 認知服務中的一項，提供面向客戶的預覽版本。 就此，我們採訪了