• 深度学习与经典机器学习的优劣势一览！

    在过去几年中，深度学习已成为大多数AI类型问题的首选技术，掩盖了经典的机器学习。其中明显的原因是深度学习已经在包括言语、自然语言、视觉和玩游戏在内的各种各样的任务中多次表现出优异的表现。

    发布时间：2018-04-10 10:21:43
  • 深度学习未来的发展之路：神经进化

    过去几年时间里，我们有一个完整的团队致力于人工智能研究和实验。该团队专注于开发新的进化计算方法（EC），包括设计人工神经网络架构、构建商业应用程序，以及使用由自然进化激发的方法来解决具有挑战性的计算问题。

    发布时间：2018-03-26 16:55:55
  • 深度学习不是AI的未来

    深度学习只占机器学习领域的1%，而机器学习又只占人工智能领域的1%。

    发布时间：2017-09-29 11:28:47
  • 深度学习：远非人工智能的全部和未来

    人工智能的这一波热潮毫无疑问是由深度学习引发的，自吴恩达等人 2011 年发表「识别猫」研究后，深度学习及其引发的技术已经在图像识别、游戏等任务中超越人类，并让机器学习技术的应用带入人们的生活。这种 AlphaGo 背后的技术是否是未来人工智能的方向？Fabio Ciucci 给出了他的看法。

    发布时间：2017-08-28 10:56:01
  • 深度学习的4大技术方向

    未来深度学习的4大走向：模型即程序、超越反向传播和可微分层、自动化的机器学习、终身学习和重复利用模块化子程序。

    发布时间：2017-08-03 09:00:44
  • 深度学习已成功应用于这三大领域

    尽管深度学习的一个目标是设计能够处理各种任务的算法，然而截至目前深度学习的应用仍然需要一定程度的特化。

    发布时间：2017-08-02 10:14:46
  • 深度学习的先入之见、局限性及其未来

    近日，加州大学圣克鲁兹分校（UCSC）斯图尔特实验室博士后 Pablo Cordero 在其个人博客上发表了首篇文章《WHEN NOT TO USE DEEP LEARNING》，探讨了深度学习的当前现状和先入之见，并分析了其局限性。

    发布时间：2017-07-10 14:50:29
  • 深度学习思考

    三维空间是无限大的，在某个实际场景，假设我们有了解决某个问题的数据的全集（或者说是无限的数据），基于这些数据我们得到的优化函数的所有解构成了一座山。我们并不知道这座山的最低点是哪里，所以为了找到它，我们随机定位在一个点，试图沿着比较陡峭的方向下移动，并且希望能够因此而找到最低点。

    发布时间：2017-06-26 10:17:53
  • 深度学习技术在安全和欺诈检测方面的六大应用

    深度学习安全和欺诈检测的潜能仍处于其早期阶段。深度学习可以改变机器学习的数学，在大多数问题上，不仅仅是今天的恶意软件检测，我们都可以使用更少的分析，得到更好的结果。

    发布时间：2017-06-19 09:22:06
  • 深度学习“教父”：AI应从神经科学中借鉴想法和思路

    根据Geoff Hinton（经常被誉为深度学习的“教父”）的观点，更好地理解神经元产生脉冲的原因可以带来更聪明的人工智能系统，其可以更有效地存储更多的信息。

    发布时间：2017-05-17 09:23:53