用戶中心USER CENTER
早期成果卷積神經網絡是各種深度神經網絡中應用最廣泛的一種，在機器視覺的很多問題上都取得了當前較好的效果，另外它在自然語言處理，計算機圖形學等領域也有成功的應用。第一個真正意義上的卷積神經網絡由LeCun在1989年提出[1]，后來進行了改進，它被用于手寫字符的識別，是當前各種深度卷積神經網絡的鼻祖。接下來我們介紹LeCun在早期提出的3種卷積網絡結構。?文獻[1]的網絡由卷積層和全連接層構成，網絡...
摘要：近日，來自華盛頓大學的和提出的版本。而那些評分較高的區域就可以視為檢測結果。此外，相對于其它目標檢測方法，我們使用了完全不同的方法。從圖中可以看出準確率高，速度也快。對于的圖像，可以達到的檢測速度，獲得的性能，與的準確率相當但是速度快倍。 近日，來自華盛頓大學的 Joseph Redmon 和 Ali Farhadi 提出 YOLO 的版本 YOLOv3。通過在 YOLO 中加入設計細節的變...
摘要：信息瓶頸理論由耶路撒冷希伯來大學的計算機與神經科學家等人提出。與我取得聯系并分享了一篇已提交盲審的論文，論文作者對信息瓶頸理論的一些發現作了批判性分析。這是一個重要更新，指出了信息瓶頸理論的一些局限性。 「信息瓶頸」（Information Bottleneck）理論由耶路撒冷希伯來大學的計算機與神經科學家 Naftali Tishby 等人提出。該研究有望最終打開深度學習的黑箱，并解釋人腦...
