神经网络

或许 Jürgen Schmidhuber 无休止的论战可以告一段落了！ 机器之心报道，参与：杜伟、小舟。 自 2018 年图灵奖授予 Yoshua Bengio、Geoffrey Hinton 和 Yann LeCun 三位深度学习先驱之后，LSTM 之父 Jürgen Schmidhuber 就此在社交网络上展开了一波又一波的论战，极力肯定和推广长短期记忆网络（LSTM）在人工神经网络和深度学习领域的巨大作用。 如今，LSTM 终于获得了学界的认可。 近日，奥地利人工智能高级研究所（IARAI）宣布其创始人、LSTM 提出者和奠基者 Sepp Hochreiter 教授获得了 IEEE CIS 2021 年神经网络先驱奖（Neural Networks Pioneer Award），以表彰他对长短期记忆网络（LSTM）的发展做出的卓越贡献。 曾获 2016 年神经网络先驱奖的 Jürgen Schmidhuber 也表达了对 Sepp Hochreiter 教授的祝贺。 该奖项开始于 1991 年，由 IEEE 计算智能协会（CIS）每年颁发一次，主要授予那些对神经网络领域的早期概念和持续性发展做出突出贡献的学者。具体而言，该奖项主要表彰以下两种类型的开创性贡献：（1）根本性理解和（2）工程应用。 该奖项被公认为神经网络领域的最高荣誉。 获奖者可以是个人，也可以是不超过 3

　　 　　2020全球人工智能技术大会将于7月25-26日登陆杭州未来科技城。除了令人瞩目的大会主旨论坛，同期举行的20场专题论坛嘉宾层次高、主题范围广，聚焦模式识别、脑科学与人工智能等人工智能多个热门领域，内容精彩纷呈，观点将极具创见和现实针对性。 　　远程问诊、AI医疗影像、医疗辅助机器人……随着人工智能、大数据、云计算等技术的发展与应用，“智慧医疗”正在走进普通百姓生活发挥重要作用，同时也推动着我国医疗体系和社会健康服务的转型升级。7月25日晚，由教育部中医内科学（北京中医药大学）重点实验室主任、国家杰青商洪才，CAAI副秘书长、四川大学计算机学院学术院长、教授、IEEE/CAAI Fellow章毅担任论坛主席的 智慧医疗专题论坛 将拉开帷幕。智慧医疗虽发展迅猛，但在落地过程中也面临着诸多挑战，如临床认证难、数据隐私问题等。锁定本场论坛，我们一起聆听专家的洞见。 大会官网 　　官网网址：https://2020gaitc.caai.cn/ 　　访问大会官网，获取最新会议动态；加入2020GAITC交流群，了解更多会议精彩内容。 论坛主席 　　 　　 商洪才 教育部中医内科学（北京中医药大学），重点实验室主任，国家杰青 　　北京中医药大学东直门医院常务副院长，北京中医药大学国际循证中医药研究院副院长、心血管病研究所副所长。入选教育部新世纪优秀人才计划

近日，Linux 基金会 发布 了一份 白皮书 ，介绍了开源社区该如何了解并遵循与美国出口管制要求及开源加密相关的一般性原则。这个消息是以 中 、 英 文两种语言一同发布的，白皮书还用了中英文并列的方式展现了内容。 以下是 Linux 基金会的发布消息全文，该白皮书的 PDF 版本 可以 从此下载 。 简介 开源开发的最大优势之一是它实现了整个世界的协作。然而，由于开源开发是一项全球性的活动，它必然涉及跨国界提供可用的软件。一些国家的出口管制条例，例如美国，可能需要采取额外的步骤来确保一个开源项目符合当地条例规定的义务。 Linux基金会最近发布了一份关于开源社区如何详细解决这些问题的白皮书，点击 此处 可下载。本文概述了开源社区应该了解并遵循的与美国出口管制要求和开源加密相关的一般性原则。 美国和其他国家的出口管制 《出口管理条例》 （Export Administration Regulations）（以下简称“EAR”）是美国联邦政府限制出口的主要条例，由美国商务部（US Department of Commerce）下的产业与安全局（Bureau of Industry and Security）（以下简称“BIS”）发布并定期修订。《出口管制条例》适用于所有“受《出口管制条例》管制的物品，并可管制这些物品的出口、再出口或(在国内)转让。” EAR下“出口”的定义较为宽泛

Paper：《Graph Neural Networks: A Review of Methods and Applications》翻译与解读 目录 《Graph Neural Networks: A Review of Methods and Applications》翻译与解读 Abstract 1. Introduction 2. Neural Networks as Relational Graphs 2.1. Message Exchange over Graphs 2.2. Fixed-width MLPs as Relational Graphs 2.3. General Neural Networks as Relational Graphs 3. Exploring Relational Graphs 3.1. Selection of Graph Measures 3.2. Design of Graph Generators 3.3. Controlling Computational Budget 4. Experimental Setup 4.1. Base Architectures 4.2. Exploration with Relational Graphs 5. Results 5.1. A Sweet Spot for Top Neural

大家好！我是【AI 菌】，一枚爱弹吉他的程序员。我 热爱AI、热爱分享、热爱开源 ！ 这博客是我对学习的一点总结与思考。如果您也对 深度学习、机器视觉、数据结构与算法、编程 等感兴趣，可以关注我的动态，我们一起学习，一起进步~ 我的博客地址为： 【AI 菌】的博客 我的Github项目地址是： 【AI 菌】的Github 资源传送门： 原论文地址： PointNet: Deep Learning on Point Sets for 3D Classification and Segmentation 开源项目地址： TensorFlow1.0实现 、 PyTorch1.0实现 文章目录 1. PointNet简介 2. 提出背景 3. 网络结构 4. 模型的特点 5. 理论分析 6. 性能与效果 1. PointNet简介 点云是一种重要的几何数据结构。由于其格式不规则，大多数研究人员将这些数据转换为规则的三维体素网格（Voxel）或图像，以便于通过深度学习中的卷积操作进行权值共享、优化kernel参数等。但是，这会使得数据变得不必要的庞大，并导致一些问题。 PointNet，由斯坦福大学的Charles R. Qi等人在 CVPR2017 上发表，是一个 端对端 的神经网络，可以直接将 点云数据 作为输入，通过学习，实现对3D点云数据目标的 分类与分割 。

本文最初发表在 Towards Data Science 博客上，经原作者 Luke Posey 授权，InfoQ 中文站翻译并分享。 作者 | Luke Posey 译者 | Sambodhi 策划 & 编辑 | 刘燕 随着工具和基础设施的成熟，应用人工智能不断加速发展。将这些基础设施与强大的人才库和热情、随时可获得的资本以及客户采用人工智能 / 机器学习的高度意愿结合起来，你就有了一些特别的东西。我们正在迈向一个新的十年，在这个十年里，人工智能 / 机器学习将以更快的速度为消费者和企业创造真正的价值。 定义术语 应用人工智能 ： 任何与将人工智能研究从实验室带到用例，以及两者之间的一切有关的事情。从基础设施和工具，到硬件，到工业中的部署面，再到模型本身，从人工智能研究的前沿到用例，都需要共同努力才能取得尖端进展。在我们这个领域中，成熟度的一个很好的检验标准，就是看一个新的进步从纸上到生产所需的时间。就在几年前，你还可以浏览该领域的一些主要进展，并努力寻找真正的用例；这种情况正迅速开始改变。 一些选择例子： 神经网络研究实现自动驾驶汽车（Tesla、Cruise、Waymo 等）。 像 BERT 和 GPT-2/3 这样的自然语言处理改进了搜索和助理（Google Search、Siri、Google Assistant、SoundHound、Clinc）。

　　 　　美国东部时间 6 月 17 日，《麻省理工科技评论》公布了第 20 届 Innovators Under 35 评选结果，即 2020 年度 全球 “ 35 岁以下科技创新 35 人 ”榜单。 　　在此次的 35 名上榜者中， 共有 5 位华人 ，他们分别是香侬科技创始人兼 CEO 李纪为 、芝加哥大学分子工程学院助理教授 王思泓 、伊利诺伊大学厄巴纳-香槟分校机械科学与工程系助理教授 蔡丽丽 、伊利诺伊大学厄巴纳-香槟分校计算机科学系助理教授 李博 ，以及 Modern Electron 联合创始人兼 CEO 潘世昂 。 　　在当下这个略显混乱的时代，看到如此多的青年才俊仍在努力让世界变得更加美好，着实令人内心充满勇气。 　　这对于那些抗击病毒大流行的医务人员和为社会正义而战的普通公民而言，以及对那些致力于通过技术来解决这些问题和许多其他问题的人们来说，都是真真切切的精神鼓舞。 　　榜单中的 35 位年轻创新者并不都在努力抗击新冠病毒大流行，也并非都在寻求社会不公的补救策略。尽管他们没有具体解决这些问题，但却都在努力寻求用科技帮助世人的最新方法。他们试图解决我们的气候危机，找到帕金森氏症的治疗方法，亦或是为那些迫切需要的人提供饮用水。 　　这份榜单的评选每年都会产生 500 多个提名，编辑们的首要任务是筛选出 100 名入围候选人，提交给 25 位评委专家

云栖号资讯：【 点击查看更多行业资讯 】 在这里您可以找到不同行业的第一手的上云资讯，还在等什么，快来！ 编者按：本文来自微信公众号“大数据文摘”（ID:BigDataDigest），作者：牛婉杨，36氪经授权发布。 在这个一言不合就斗图的年代，表情包已经成为了人人必需的“装备”。 最近，文摘菌就发现一位外国友人做了个AI表情包生成器，坦白讲这个生成器依然逃不过“沙雕”的标签，就像之前的“狗屁不通文章生成器”和“读后感生成器”。 它的首页是这个样子的👇有48个表情包模板可供使用。 传送门： https://imgflip.com/ai-meme 看到这里有没有朋友好奇“Meme”是什么？事实上，“Meme”就是我们常说的表情包。 网站标题“This Meme Does Not Exist”也延续了之前各种StyleGan生成网站的“不存在”系列，意喻“不存在的表情包”。 接下来就让我们直奔主题，文摘菌要好好看看它能给表情包配上什么字~ 首先，大致扫了一眼，发现最眼熟的就是第二行中间那只doge，确认过眼神，就它了！选中图片之后，就生成了以下表情包： 这个文字配的嘛，大家仔细品，还是比较符合我们日常的表情包风格。再点击刷新，AI又会给这张图配上新的文字，下面这张送给吃货朋友们： 刷新了几次，文摘菌发现，出现次数最多的词汇有“wow”，“such”，“much”等一些百搭词汇

　　选自arXiv 　　 作者：Jaehoon Lee等 　　 编辑：Panda 　　 无限宽度神经网络是近来一个重要的研究课题，但要通过实证实验来探索它们的性质，必需大规模的计算能力才行。近日，谷歌大脑公布的一篇论文介绍了他们在有限和无限神经网络方面的系统性探索成果。该研究通过大规模对比实验得到了 12 条重要的实验结论并在此过程中找到了一些新的改进方法。该文作者之一 Jascha Sohl-Dickstein 表示：「这篇论文包含你想知道的但没有足够的计算能力探求的有关无限宽度网络的一切！」 　　 　　近日，谷歌大脑的研究者通过大规模实证研究探讨了 宽神经网络与核（kernel）方法之间的对应关系 。在此过程中，研究者解决了一系列与无限宽度神经网络研究相关的问题，并总结得到了 12 项实验结果。 　　此外，实验还额外为权重衰减找到了一种改进版逐层扩展方法，可以提升有限宽度网络的泛化能力。 　　最后，他们还为使用 NNGP（神经网络高斯过程）和 NT（神经正切）核的预测任务找到了一种改进版的最佳实践，其中包括一种全新的集成（ensembling）技术。这些最佳实践技术让实验中每种架构对应的核在 CIFAR-10 分类任务上均取得了当前最佳的成绩。 　　 　　论文链接：https://arxiv.org/pdf/2007.15801v1.pdf 　

　　现开源一个项目 OEIP 项目例子: 项目实现的功能Demo展示 　　 　　这个项目演示了在UE4中，接入摄像机通过OEIP直接输出到UE4纹理上，并直接把UE4里的RenderTarget当做输入源通过OEIP里GPU管线处理后推流出去，而另一边Unity3D也是把RenderTarget当做输入，用OEIP处理后推流，经过OEIP封装signalR技术的直播SDK通知，二边各自拉另一边的流并通过OEIP相应管线直接输出到Texture2D并显示出来。演示的机器配置是i5-7500,8G内存,有二个推1080P，拉1080P流的处理，再加上生成截屏视频和yolov3-tiny神经网络识别，所以CPU有点吃不消。 　　这是我个人验证一些技术所搭建的DEMO级方案，接入了基本的普通摄像头处理，也没有提供稳定的直播供应商的实现，一些基本的图像处理，推拉流也只支持422P/420P格式。但是我自己还是花了大量业余时间在这方案上，并以及大热情来完善，不过业余时间毕竟有限，测试不完善，加上本人C++不是太熟悉，所以肯定有很多隐藏问题，欢迎指出问题，更欢迎提交修改。 　　本项目重点主要在图像处理并与游戏引擎的对接上，主要实现与游戏引擎对接更少的性能消耗，方便引入各种图像处理，包括相关神经网络图像处理，余下处理都是结合网上代码加上测试完善逻辑