暂无评论
作者整理的6篇关于知识表示的论文,包括1篇中文综述和5篇英文论文,有3篇是2016年以后的
这篇论文是关于机器学习中的相关算法 并通过举例更进一步说明其中的算法
本文是关于房价的一个数学模型,利用回归模型分析并预测房价的走势。
由于完整的DNA链包含大量数据(通常为数十亿个核苷酸),因此弄清每个序列段的功能具有挑战性。已经提出了几种强大的DNA序列功能预测模型,包括CNN(卷积神经网络),RNN(递归神经网络)和LSTM[1
主动学习试图在具有尽可能少标注样本的同时最大化模型的性能增益。深度学习(Deep learning, DL)需要大量标注数据,如果模型要学习如何提取高质量的特征,就需要大量的数据供应来优化大量的参数。
当前的深度学习研究以基准评价为主。如果一种方法在专门的测试集上有良好的经验表现,那么它就被认为是有利的。这种心态无缝地反映在持续学习的重现领域,在这里研究的是持续到达的基准数据集。
关于DeepMind公司在阿尔法狗(AlphaGo)上的巨大成功,以及之后再Dota游戏上的突破,深度强化学习越来越进入大家的视野,该资源搜罗了一些关于深度强化学习的资料和文章,供一起学习和参考
深度学习2016年ICML论文合集,经典中的经典,很多资源无法下载。
基于深度学习的人脸检测论文,在CPU下能实时检测人脸,并且精确非常高。本论文同时做到了既比常规算法,比如boosting人脸检测速度快的特点,同时具有深度学习人脸检测的精度
FaceNet,做人脸识别的朋友可以参考下,git上也有对应的代码
暂无评论