-
红旗不倒 2019-11-11 18:01
- 机器学习分类中的公平成本
- 我们研究了具有公平约束的分类器学习问题，对量化问题内在平衡的目标有三个主要贡献。首先，我们将现有的两种公平度量与成本敏感风险联系起来。其次，对于成本 ...
-
-
- 机器学习中公平研究前沿
- 论文摘要 在过去的几年里，学术界和大众对算法公平的兴趣激增。尽管如此，机器学习中关于公平的基础科学仍然处于萌芽状态。2018年3月，我们召集了一组专家一起 ...
-
-
- 安控升级!监视器搭载AI自动辨别入侵者是谁
- 从事智能安全监控的新创公司盾心科技以国研院国网中心的超级电脑为后盾，将监视系统的影像运算数从70亿次扩增到7000亿次，自动通报时的误报率有机会接近零。这 ...
-
人工智能
-
- 人工智能加持，为何客户服务水准似乎不升反降
- 科技进步提升了企业运作效率，但为何客户服务水准似乎不升反降？ 现今企业已懂得利用资料分析与人工智慧（AI），来协助判断消费者的「临界点」，如追踪顾客来 ...
-
-
- 应用无监督学习Word2vec神经网络的输出层
- 当前随着科学技术的迅猛发展，跟上新科学文献发表的步伐越来越难。个别研究人员可能需要数月才能对一个主题进行广泛的文献综述。如果一台机器可以在几分钟内阅 ...
-
机器学习
-
- 无监督数据增强应用于半监督学习中的进展
- 本文讲述使用无监督数据增强（UDA）在半监督学习（SSL）中取得的进展。 什么是无监督学习、监督学习和强化学习？ 为了理解"半监督"，我们首先简要 ...
-
机器学习
-
- 算法决策和公平成本
- 现在定期使用算法来确定候审的被告是否太危险而不能被释放回社区。在某些情况下，黑人被告比白人被告被错误分类为高风险的可能性要大得多。为了减小这种差异， ...
-
-
布兰姥爷 2019-11-4 21:09
- 原创 【零基础】使用Tensorflow实现神经网络
- 一、序言 前面已经逐步从单神经元慢慢“爬”到了神经网络并把常见的优化都逐个解析了，再往前走就是一些实际应用问题，所以在开始实际应用之前还得把 ...
-
- 原创 【零基础】神经网络优化之Adam
- 一、序言 Adam是神经网络优化的另一种方法，有点类似上一篇中的“动量梯度下降”，实际上是先提出了RMSprop（类似动量梯度下降的优化算法），而后结合 ...
-
- 原创 【零基础】神经网络优化之动量梯度下降
- 一、序言 动量梯度下降也是一种神经网络的优化方法，我们知道在梯度下降的过程中，虽然损失的整体趋势是越来越接近0，但过程往往是非常曲折的，如下图 ...
-
- 原创 【零基础】神经网络优化之mini-batch
- 一、前言 回顾一下前面讲过的两种解决过拟合的方法： 1）L0、L1、L2：在向前传播、反向传播后面加个小尾巴 2）dropout：训练时随机“删除” ...
-
- 原创 【零基础】神经网络优化之dropout和梯度校验
- 一、序言 dropout和L1、L2一样是一种解决过拟合的方法，梯度检验则是一种检验“反向传播”计算是否准确的方法，这里合并简单讲述，并在文末提供完整示 ...
-
- 原创 【零基础】神经网络优化之L1、L2
- 一、序言 前面的文章中，我们逐步从单神经元、浅层网络到深层网络，并且大概搞懂了“向前传播”和“反向传播”的原理，比较而言深层网络做“手写数字 ...
-
- 原创 【零基础】看懂神经网络中的反向传播
- 一、序言 反向传播在神经网络中用于优化权重w和阈值b，是神经网络优化的核心算法。经过数日的学习终于看明白了一点反向传播的原理，这里作文记录心得 ...
-
- 原创 【零基础】理解神经网络中传播函数的内在含义
- 一、序言 之前已经写过“单神经元、浅层神经网络、深层神经网络”（感兴趣的可以翻翻），写的有点乱而且很多环节都没有说明白。这里我们尝试通过“感 ...
关闭
站长推荐
/3 
/3
