神经网络

　　机器之心报道 　　 参与：杜伟、小舟 　　 或许 Jürgen Schmidhuber 无休止的论战可以告一段落了！ 　　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

　　 　　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 　　扫码访问大会官网，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、科技部创新人才推进计划与国家“万人计划”。研究方向为中医临床证据评价

　　 CVPR 2020 会议上，有哪些目标检测论文值得关注？ 　　目标检测是计算机视觉中的经典问题之一。凭借大量可用数据、更快的 GPU 和更好的算法，现在我们可以轻松训练计算机以高精度检测出图像中的多个对象。 　　前不久结束的 CVPR 2020 会议在推动目标检测领域发展方面做出了一些贡献，本文就为大家推荐其中 6 篇有价值的目标检测论文。 　　 　　 论文清单 　　A Hierarchical Graph Network for 3D Object Detection on Point Clouds 　　HVNet: Hybrid Voxel Network for LiDAR Based 3D Object Detection 　　Point-GNN: Graph Neural Network for 3D Object Detection in a Point Cloud 　　Camouflaged Object Detection 　　Few-Shot Object Detection with Attention-RPN and Multi-Relation Detector 　　D2Det: Towards High-Quality Object Detection and Instance Segmentation 　　 1. A Hierarchical

IT 运维告警现状 目前 IT 运维领域保证服务运行正常的主要方法是对相关运维指标进行实时监控，并根据经验设定一些规则，通过将实时监控的数据与规则进行对比，当某个指标监控值不符合设定的规则时，则判定为异常的状况，这样的话就会发送对应的告警到告警平台。告警平台收到通知后，会分配给对应的运维人员进行处理，运维人员去根据告警信息来排查，最终定位故障的根本原因，并对故障进行修复。从这个流程可以看出，整个过程是以告警为中心，所以告警的质量是至关重要的。 但在实际运维过程中，我们可以发现这个过程中其实存在很多问题。首先，监控系统的规则难以设定。因为规则是基于专家经验设定的，随着系统规模变大，复杂度提高，监控覆盖的完善，监控指标数量指数性增加，指标形态千变万化，基于专家经验的规则设定力不从心，误报率、漏报率居高不下。运维人员可能会遭遇告警风暴，每天被数千个告警轰炸，难以应付。故障发生后，对若干个告警逐一排查找故障根因，效率极低，大大增加故障的恢复时间。故障有可能无法预知，有些本来可以避免的故障还是发生了。 智能化告警的理念和相关技术 为了解决上述问题，在智能运维领域，智能化告警的概念出现了。智能化告警主要解决 4 个问题：一、精准告警，拒绝告警风暴；二、快速故障定位；三、进行故障预测，避免故障发生；四、规则设置自动化，不再通过人工经验来设置规则。 智能异常检测的核心理念是利用机器学习算法

这是阿三的第 52 期分享 作者 | 阿三 首发 | 程序员遇见GitHub 大家好，我是阿三，今天给大家带来的是一个中文文本分类代码仓库。 一.Chinese-Text-Classification 作者利用了TextCNN，TextRNN，FastText，TextRCNN，BiLSTM_Attention, DPCNN, Transformer的多种模型进行了文本分类，给出了自己利用不同模型的测试效果 对于这个仓库的代码，作者有非常详细的文档，从环境： 采用的数据集： 和每一个模型代码的使用方法 对于想要了解中文文本分类的读者，这个仓库提供了非常全面的资料，赶快学习起来吧。 学习地址： https://github.com/649453932/Chinese-Text-Classification-Pytorch ​ github.com 推荐阅读： 我教你如何读博！ 牛逼！轻松高效处理文本数据神器 B站强化学习大结局！ 如此神器，得之可得顶会！ 兄弟们！神经网络画图，有它不愁啊 太赞了！东北大学朱靖波，肖桐团队开源《机器翻译：统计建模与深度学习方法》 当年毕业答辩！遗憾没有它... 已开源！所有李航老师《统计学习方法》代码实现 这个男人，惊为天人！手推PRML！ 它来了！《深度学习》(花书) 数学推导、原理剖析与代码实现 你们心心念念的MIT教授Gilbert

【任务一】视频学习心得及问题总结 根据下面三个视频的学习内容，写一个总结，最后列出没有学明白的问题。 【任务二】代码练习 在谷歌 Colab 上完成代码练习中的 2.1、2.2、2.3、2.4 节，关键步骤截图，并附一些自己的想法和解读。 【任务三】进阶练习 在谷歌 Colab 上完成猫狗大战的VGG模型的迁移学习，关键步骤截图，并附一些自己想法和解读。 在该代码的基础上，下载AI研习社“猫狗大战”比赛的测试集，利用fine-tune的VGG模型进行测试，按照比赛规定的格式输出，上传结果在线评测。将在线评测结果截图，及实现代码发在博客。同时，分析使用哪些技术可以进一步提高分类准确率。 1. 视频学习 视频学习包括两章内容： 1.1 绪论 （下载地址： https://www.jianguoyun.com/p/DVJarjYQrKKIBhi8la0D） 从专家系统到机器学习 从传统机器学习到深度学习 深度学习的能与不能 1.2 深度学习概述 （下载地址： https://www.jianguoyun.com/p/DVlvT3cQrKKIBhi_la0D） 浅层神经网络：生物神经元到单层感知器，多层感知器，反向传播和梯度消失 神经网络到深度学习：逐层预训练，自编码器和受限玻尔兹曼机 1.3 pytorch 基础 （下载地址： https://www.jianguoyun.com/p

Datawhale分享 作者：阿水，Datawhale成员 简介： 阿水， Datawhale 成员，北京航空航天大学硕士， 多次获得国内外数据竞赛 TOP 名次 图像检索是计算机视觉中基础的应用，可分为文字搜图和以图搜图。借助于卷积神经网络CNN强大的建模能力，图像检索的精度越发提高。 本次分享，将会从基础分享图像检索的原理和流程，并具体讲解图像局部特征和全局特征的差异性，最后以图像检索比赛为案例，进行独家的分享。 注： 今晚7点 在阿里天池直播分享，录播上传后 原链接 可回看 https://tianchi.aliyun.com/course/live?spm=5176.12282027.0.0.8bc1379cPYBoA6&liveId=41152 如需直播PPT，后台回复关键词 阿水 获取 主题大纲 1. 图像检索入门 介绍图像检索的定义、图像检索的典型应用和流程 2. 图像检索特征 介绍图像全局特征和图像局部特征，进而图像检索过程 3. 图像检索案例 以图像检索的应用和竞赛为案例，讲解解决方案 图像检索入门 文字检索与内容检索 CB IR 应用场景 成熟的图像检索应用涉及到相关算法，也是一个工程问题 图像检索的本质是特征提取和相似度计算的过程 图像检索特征 即使相差万里的图像也有可能是相似的 如果图像相似，则图像特征也相似 局部特征与全局特征 简易代码示例 相似度计算

「大谷的游戏创作小屋」又用AI修复了一段老北京影像，这次还带时代原声…… 机器之心报道，参与：张倩、蛋酱。 剃头挑子、街边地摊、京韵大鼓，多数人可能只在电影、电视剧中看过老北京的这些景象。但早在 90 年前，就有人将这些场景都拍了下来，而且完好地保存在美国南卡罗莱纳大学影像库。影片中还收录了时代原声，原汁原味地记录了当时老北京的平民生活。 90 年后，有人将这些影片翻了出来，还用 AI 进行了修复，包括上色、提高分辨率等操作。 从这段影片中，我们能看到很多非常生活化的场景，比如小学生在学校外边买饭： 小伙子找个剃头摊剃头： 在观赏修复效果的同时，我们还能听到剃头师傅和小伙子一问一答： 「疼不疼？」「不疼。我还不哭呢外带着。」「嘿，你家什么地方住？」「宝坻县」「这头剃得好，不疼。剃不好，真疼！」「剃好了咱还找你去」「你家几口人呐？」「十口！」「十口人？怎么那么些人呢？」「人多，好。」「一天挣二毛钱够挑费不？」「一天挣两块！」「哦，这还不错。」 这段场景被当时的拍摄者描述为「不用付租金的理发师」。 剃完之后，小伙子还不忘给个好评，一边拍着脑瓜一边说：「剃挺好！」那时候的人大概没有预料到，在 90 年后的今天，现代人都忙着生发、植发、戴假发…… 希望坐在电脑前的你变强变秃后也能保持这份心态。 剃完了头逛逛街吧，看看 90 年前的首都地摊长什么样： 可以看到，90

本文总结几种出现在tensorflow 的 feature_column api 的处理函数 1. feature_column 主要是连接数据和tf.estimator 之间的桥梁，将原始数据中的一些离散型、类别型特征转化成tensorflow 可使用的类型。并且神经网络只能处理数值型数据，而且在某些就算是数值类型的特征也需要做归一化，离散化等操作，这些都需要依赖feature_column 来做转化。 一般流程是：定义input_fn 来过滤、填补数据，然后输出到tf.feature_column 得到 feature_columns ， 再将转化好的数据输入到tf.estimator , 在tf.estimator 中包含了DNNClassifier , DNNLinearCombineClassifier, LinearClassifier， 在Wide&Deep官方实现中就是使用这几种函数。 2. 那么现在需要构建特征列，具体介绍feature_column中主要使用的几个函数。 类别类型： 主要使用的是categorical_column_with_hast_bucket 以及categorical_column_with_identity 数值类型： 主要使用的是numeric_column, embedding_column, indicator_column，

含光800云服务器，配备阿里平头哥自研神经网络加速芯片含光800，提供全球最高单芯片AI推理性能，有着同类处理器的数十倍性能；并针对业务场景做了深度优化，广泛适用于图像搜索、场景识别、视频内容识别、自然语言处理等业务，为客户提供超高性价比的推理解决方案。 阿里云城市大脑交通信号机系统使用含光800服务器处理车辆检测、品牌识别、车牌识别等算法模型，单张含光800全链路能够支持100路实时视频的分析和特征结构化数据的提取，相比GPU性能提升超过5倍。 阿里电商平台合规经营也在含光800云服务器上建立了多维度全方位的风险识别机制。在同样的算法精度下，性价比是GPU的4倍。 据悉，含光云服务器还基于阿里云自研的神龙云服务器架构，为用户提供弹性裸金属加速实例，兼顾了物理服务器的功能性能优势，以及云计算的高可用优势。开发工具采用阿里平头哥HGAI自动化开发工具，支持主流深度学习框架TensorFlow、Caffe、MXNet和ONNX。 今年3月，阿里云飞天AI加速引擎AIACC与含光800的组合，打败了Google，拿下了斯坦福大学DAWNBench ImageNet推理成本的世界第一，能效比达500IPS/W，是第二名的3.3倍。 AIACC是业界首次统一加速Tensorflow、PyTorch、MXNET、Caffe等主流开源框架的性能加速引擎，AIACC