机器学习日报 2015-09-18 Deep learning 和 Shallow learning；面向机器视觉的深度学习——CNN vs. HTM
机器学习日报 2015-09-18[*]Deep learning 和 Shallow learning @龙星镖局
[*]RecSys2015最佳论文: 事件型社交网络情境感知事件推荐 @爱可可-爱生活
[*]七种数据分析领域中最为人称道的降维方法 @数据小兵
[*]让机器读取自然语言文档然后回答有关问题 @iB37
[*]面向机器视觉的深度学习——CNN vs. HTM @爱可可-爱生活
@好东西传送门 出品, 过往目录 见http://ml.memect.com
订阅：给 hao@memect.com 发封空信， 标题: 订阅机器学习日报
邮件版包括19条，本期的Web版有完整内容22条
用日报搜索找到以前分享的内容： http://ml.memect.com/search/今日焦点 (5)
http://tp4.sinaimg.cn/1830516311/50/40056293723/1 龙星镖局 网页链接 2015-09-18 16:40
深度学习
推荐青年才俊 @pluskid 的文章，把深度学习work的原理科普得非常清楚，文中特征表示的那个乘法的例子举得太到位了。不得不感叹：思想有多远，你就能走多远。 Deep learning 和 Shallow learning | 我爱计算机http://t.cn/RyIdVcv
http://ww4.sinaimg.cn/large/6d1b7657jw1ew6p3fwct5j20fc1527a2.jpg
梁斌penny 网页链接 转发于2015-09-18 19:28回复 @ICT_朱亚东 “特别好”
dl原理不复杂，训练技巧很高，应该有更多实际的API推出服务群众，而不是躺下paper上，我的理解。
http://tp2.sinaimg.cn/1402400261/50/5713579194/1 爱可可-爱生活 网页链接 2015-09-18 20:46
会议活动 应用 Leandro B. Marinho RecSys 会议 社交网络 推荐系统
【RecSys2015最佳论文:事件型社交网络情境感知事件推荐】《Context-Aware Event Recommendation in Event-based Social Networks》Augusto Q. Macedo, Leandro B. Marinho, Rodrygo L.T. Santos (2015)http://t.cn/RyMZ21U
http://ww3.sinaimg.cn/large/5396ee05jw1ew6w0z0w7pj20980bk0tl.jpg
http://tp1.sinaimg.cn/1698010864/50/5692491746/1 数据小兵 网页链接 2015-09-18 12:10
算法 集成学习
看！这七种数据分析领域中最为人称道的降维方法：❶缺失值比率；❷低方差滤波；❸高相关滤波；❹随机森林；❺主成分分析；❻反向特征消除；❼前向特征构造；[推荐] http://t.cn/RyIYlHU [推荐]
http://tp1.sinaimg.cn/2536116592/50/5716095299/0 iB37 网页链接 2015-09-18 08:16
会议活动 深度学习 自然语言处理 NIPS 会议
让机器读取自然语言文档然后回答有关问题 即机器阅读理解 Teaching Machines to Read and Comprehend 构建大规模有监督阅读理解语料,提出基于recurrent&attention的深度网络,在有限的先验和真实的文档下,回答复杂的问题 http://t.cn/RALzh8T 附http://weibo.com/2536116592/CzkNYqWUA
http://ww3.sinaimg.cn/large/972a1170gw1ew6agr6c7uj214u0j7tej.jpg
孙明明_SmarterChina 网页链接 转发于2015-09-18 21:50
自然语言处理的瓶颈就在训练吞吐带宽太小。任何试图扩大带宽的努力都值得关注。
http://tp2.sinaimg.cn/1402400261/50/5713579194/1 爱可可-爱生活 网页链接 2015-09-18 05:37
深度学习 视觉 算法 资源 Vincenzo Lomonaco 幻灯片 神经网络
【硕士论文:面向机器视觉的深度学习——CNN vs. HTM】《Deep Learning for Computer Vision - A comparison between Convolutional Neural Networks and Hierarchical Temporal Memories on object recognition tasks》dott. Vincenzo Lomonaco (2015) http://t.cn/RyI6do8 云:http://t.cn/RyI6FUS
http://ww3.sinaimg.cn/large/5396ee05jw1ew65vty3e0j20f50cmq50.jpg
最新动态
http://tp1.sinaimg.cn/2397265244/50/22834730558/1 陈天奇怪 网页链接 2015-09-18 23:57
Python 代码
Dato的SFrame终于开源了 http://t.cn/RyMb8uN，直接可以安装尝试 http://t.cn/RyMb8uC 是单机scalable的dataframe。可以把单机处理的数量级提高一级。支持数据操作和图计算。大部分的数据处理任务可能都不需要上分布式了。 @Jay_Dato机器学习 @Gossip_useR
http://tp2.sinaimg.cn/1402400261/50/5713579194/1 爱可可-爱生活 网页链接 2015-09-18 21:56
Python 代码 统计
【开源(Python): cython实现的图模型/贝叶斯统计包pomegranate】"pomegranate is a package for graphical models and Bayesian statistics for Python, implemented in cython" GitHub:http://t.cn/RZ9wHBd
http://tp2.sinaimg.cn/1687198333/50/5723974011/1 严锋 网页链接 2015-09-18 20:53
人工智能会达到人类大脑的水平吗？这还用说！想想看，在纯粹偶然的条件下，有机分子都能通过随机的组装形成生命，而初级的生命也是在纯自然的环境下进化出无比精密的大脑，那在人类技术的飞速发展和知识爆炸的催化下，未来人工智能的可能性，只有两个字：无限。
有个梨UGlee 网页链接 转发于2015-09-18 21:52回复 @River_蓝 “看《On Intelligence》，里面对这...”
Hawkins的这本书出版第一年我就读了，然后读过Rhythms of brain和genetic computing的相关著作，读过how mind works和language instinct，都不是答案；离答案远得很。
有个梨UGlee 网页链接 转发于2015-09-18 21:57回复 @River_蓝
Hawkins的hierarchical temporal model顶多算是模式识别的一种思路，离neuroscience的诸多实验细节相去甚远，大脑有丰富的专门化结构司职不同功能，模式识别、短期记忆、长期记忆、生理、反射、抽象概念、潜意识、语言、学习和建模等等，现在看到的都是碎片，Hawkins的模型远远不够。
http://tp4.sinaimg.cn/1830516311/50/40056293723/1 龙星镖局 网页链接 2015-09-18 17:20
深度学习
深度学习建立在分布式表示(distributed representations)之上，分布式表示的假设是数据是由不同的基（factors）组合产生的，而深度学习则进一步假设这些基是有层次的，不同的层的多少和大小可用于不同程度的抽象，更高层次的概念可从低层次的概念学习得到。这就是深度学习，不用再炒了，散了吧!
http://ww4.sinaimg.cn/large/6d1b7657jw1ew6q8qphegj20dc0hs0tr.jpg
http://tp3.sinaimg.cn/1736332374/50/1293806729/1 王靓伟 网页链接 2015-09-18 16:58
视觉 应用 自然语言处理 机器人
欢迎推荐2016年毕业的博士：人工智能相关专业，包括机器学习，智能控制，机器人视觉，自然语言处理等。国内外一流大学，国家重点实验室优先。待遇根据个人水平面谈，可微博私信。
http://tp2.sinaimg.cn/3227020453/50/5656309782/1 自动化网官方微博 网页链接 2015-09-18 16:46
会议活动 深度学习 会议
#会议预告#【2015杭州·云栖大会Computing Conference】将于10月14日、15日在杭州云栖小镇举行。据介绍，大会将设置两个主论坛、约30场分论坛和3场开发者大赛。量子计算、人工智能、深度学习等最前沿的科技创新力量将在大会上亮相。据悉距离大会还有一个月，已经有逾万人报名。http://t.cn/RyIpQNt
http://ww1.sinaimg.cn/large/c0586ca5jw1ew6p8sq68jj20ci07iwgs.jpg
http://tp4.sinaimg.cn/1787451427/50/40044484432/1 FPGA开发圈 网页链接 2015-09-18 15:50
视觉
#科普#【计算机视觉和机器视觉的区别】计算机视觉（computer vision）和机器视觉（machine vision）两个术语既有区别又有联系。计算机视觉是采用图像处理、模式识别、人工智能技术相结合的手段，着重于一幅或多幅图像的计算机分析。机器视觉则偏重于计算机视觉技术工程化.....http://t.cn/RyI1gw9
http://tp1.sinaimg.cn/2841943860/50/40009486090/1 微软研发 网页链接 2015-09-18 15:38
自然语言处理 机器翻译
幸福来得太突然，小娜支持40种语言啦！[笑哈哈]在微软机器翻译团队的技术支持下，小娜团队已经在Windows 10 Cortana中国版和美国版提供了原生翻译功能，可以翻译40种语言之间的单词、短语、句子哦~不多说了，具体操作看这里[推荐]：http://t.cn/RyI1x0c研发君已经等不及要去试试啦~
http://tp1.sinaimg.cn/1494777880/50/5596982345/1 哈工大深圳_徐睿峰 网页链接 2015-09-18 12:48
深度学习 自然语言处理 神经科学
给自己发一个广告，欢迎应届推免生申请哈工大深圳研究生院HLT研究组。研究组目前有国家自然科学基金、国家863项目等支撑，经费充足。研究方向包括：文本情感/情绪计算技术，基于深度学习的自然语言处理技术，基于脑电的文本脑认知研究及脑机接口，生物信息学等。特别欢迎申请直博或硕博连读的同学。
算文解字 网页链接 转发于2015-09-18 15:13
哈工大无疑是国内NLP第一大社团，而HLT堂口又在气候宜人的深圳，老师也是负责nice又水平高，童鞋们，速度啊。。。
http://tp1.sinaimg.cn/3769368692/50/5730530271/1 格灵深瞳 网页链接 2015-09-18 11:48
算法
【研究了60年，人工智能依然不能反映人类智能的本质】http://t.cn/RyI9chI “大数据技术和云计算技术的确能够加速现成算法的运行，但并不能创造新的算法。大数据和云计算能够把一些人类智能所不擅长的任务，如精确的海量记忆和密集的数值计算，运行得很好，但依然不能反映人类智能的本质方面”
http://ww2.sinaimg.cn/large/e0ac0074gw1ew6dtfmn0ej20go0a0glu.jpg
http://tp1.sinaimg.cn/3769368692/50/5730530271/1 格灵深瞳 网页链接 2015-09-18 10:07
视觉
【计算机视觉产业深度分析：市场井喷，黎明已至】http://t.cn/RyIpsBf 计算机视觉所带来的视觉识别能力的提升，会对人工智能产业产生巨大的促进作用。不论是对计算机感知能力的提升作用，还是实时转化的海量大数据，都将成为人工智能实现质的飞越的神奇钥匙。 黎明前的黑夜即将结束了...
http://tp1.sinaimg.cn/5220650532/50/5701668539/1 好东西传送门 网页链接 2015-09-18 09:19
深度学习 视觉 简报
第364期机器学习日报(2015-09-17)http://t.cn/RyICHRg 1)同一用户多个社交网账号的“对齐” 2)机器视觉工程应用的开发思路 3)《OpenCV计算机视觉编程攻略(第2版)》 4)几乎所有深度网络生成函数都无法被浅层网络高效率的近似表示 5)综合两个独立LTSM预测司机变道行为 完整版17条 http://t.cn/RyICHRe
http://ww4.sinaimg.cn/large/005HjjGQgw1ew6c946oilj30s909x0uz.jpg
http://tp2.sinaimg.cn/1402400261/50/5713579194/1 爱可可-爱生活 网页链接 2015-09-18 09:03
会议活动 应用 资源 Diana Hu Joaquin Delgado RecSys 会议 课程 推荐系统 信息检索
【幻灯:(RecSys 2015 Tutorial)可扩展的推荐系统(机器学习+信息检索)】《Scalable Recommender Systems - Where Machine Learning Meets Search!》Diana Hu,Joaquin Delgado http://t.cn/RyIGxo1 云:http://t.cn/RyI9klM
http://ww1.sinaimg.cn/large/5396ee05jw1ew6bs8neewj20hc0dc75w.jpg
http://tp3.sinaimg.cn/5648620342/50/5731472374/1 闫安Jon 网页链接 2015-09-18 08:57
深度学习 论文
Recurrent Spatial Transformer Networks http://t.cn/RyI9Q5k 看题目还以为DeepMindhttp://t.cn/R212QjB 最后提到的方向被丹麦人抢了，其实他们只是把3个数字放一张图里再跑3次RNN，标题党。需要突破的关键，应该是让RNN循环关注所有要点，不限次数，自行终止
http://ww1.sinaimg.cn/large/006ah2bIjw1ew6bnk1944j30k208175d.jpg
页:
[1]