天问的个人博客

选自Github 机器之心编译 参与：吴攀、李泽南 还记得谷歌上个月推出的 AutoDraw 吗？这是一个能把你的随手涂鸦变成绘画的人工智能技术工具。谷歌也曾发布论文和博客介绍了其背后的技术，参见机器之心文章《谷歌官方揭秘 AutoDraw 人工智能绘画工具原理：让机器学会理解艺术》。实际上，AutoDraw 所用的...

选自Medium 作者：Igor Bobriakov 机器之心编译 参与：朱朝阳、吴攀 Python 近几年在数据科学行业获得了人们的极大青睐，各种资源也层出不穷。数据科学解决方案公司 ActiveWizards 近日根据他们自己的应用开发经验，总结了数据科学家和工程师将在 2017 年最常使用的 Python 库。 核心库 1）NumPy&n...

选自Medium 机器之心编译 参与：蒋思源、黄小天、吴攀 图像分类是人工智能领域的基本研究主题之一，研究者也已经开发了大量用于图像分类的算法。近日，Shiyu Mou 在 Medium 上发表了一篇文章，对五种用于图像分类的方法（KNN、SVM、BP 神经网络、CNN 和迁移学习）进行了实验比较，该研究的相关数据集...

选自arXiv 作者：Yongcheng Jing 等 机器之心编译 风格迁移是近来人工智能领域内的一个热门研究主题，机器之心也报道了很多相关的研究。近日，来自浙江大学和亚利桑那州立大学的几位研究者在 arXiv 上发布了一篇「神经风格迁移（Neural Style Transfer）」的概述论文，对当前神经网络风格迁移技术的研...

选自Baidu.Research 作者：Chao Li、Ajay Kannan 和 Zhenyao Zhu 机器之心编译 参与：吴攀 对话常常涉及到多个说话人，在这样的场景中，机器需要具备识别不同说话人的能力才能发挥更大的价值。近日，百度的一篇论文提出一种新的端到端的基于神经网络的说话人识别系统 Deep Speaker，实验表明该系统显著...

选自Github 机器之心编译 参与：吴攀 5 月 27-28 日，机器之心主办的第一届全球机器智能峰会（GMIS 2017）将在北京 898 创新空间举行。在峰会第一天下午的「机器学习」主题 Session 上，清华大学副教授朱军将分享演讲《珠算：贝叶斯深度学习的 GPU 库（ZhuSuan: a GPU Library with Bayesian Deep Lear...

选自GitHub 作者：Simon Brugman 机器之心编译 参与：吴攀 深度学习已经在语音识别、机器翻译、图像目标检测和聊天机器人等许多领域百花齐放。近日，GitHub 用户 Simon Brugman 发布了一个按任务分类的深度学习论文项目，其按照不同的任务类型列出了一些当前最佳的论文和对起步有用的论文。机器之心对...

引言 Seq2Seq 于 2013年、2014 年被多位学者共同提出，在机器翻译任务中取得了非常显著的效果，随后提出的 attention 模型更是将 Seq2Seq 推上了神坛，Seq2Seq+attention 的组合横扫了非常多的任务，只需要给定足够数量的 input-output pairs，通过设计两端的 sequence 模型和 attention 模型，就可以训练...

选自kdnuggets 机器之心编译 参与：王宇欣、吴攀 本文介绍了如何通过 Python 和 scikit-learn 实现垃圾邮件过滤的。对比和分析了两个分类器的结果：多项式朴素贝叶斯和支持向量机。 文本挖掘（text mining，从文本中导出信息）是一个广泛的领域，因为不断产生的巨量文本数据而已经得到了普及。情绪分...

选自GitHub 机器之心编译 参与：吴攀、晏奇 Facebook 近日在 GitHub 上开源了一个可用于在多种开放可用的对话数据集上训练和评估人工智能模型的框架 ParlAI，机器之心在本文中对这一项目的 README.md 内容进行了编译介绍。项目地址如下： 官网地址：http://parl.ai GitHub：https://github.com/...