數據中心最新文章 国产OS元心推5G设备OS，高安全级可捕获越权行为 今日，智能移动OS商元心科技向外界推出全新微内核操作系统SyberV、电子公文系统，以及基于云网端一体化安全框架的行业整体解决方案。 發表于：2019/4/21 网络规模更小、速度更快，这是谷歌提出的MorphNet 一直以来，深度神经网络在图像分类、文本识别等实际问题中发挥重要的作用。但是，考虑到计算资源和时间，深度神经网络架构往往成本很高。 發表于：2019/4/21 速度提高100万倍，哈佛医学院大神提出可预测蛋白质结构的新型深度模型 蛋白质结构预测是生命科学领域的一大难题。近日，来自哈佛大学医学院的研究人员提出了一种基于氨基酸序列预测蛋白质结构的新方法，准确率可媲美当前最佳方案，但预测速度提升了100万倍。 發表于：2019/4/21 NAACL 2019 | 怎样生成语言才能更自然，斯坦福提出超越Perplexity的评估新方法 语言生成不够「生动」？Percy Liang 等来自斯坦福大学的研究者提出了自然语言评估新标准。 發表于：2019/4/21 机器学习如何解决「看病难」？Jeff Dean等详述机器学习在医疗领域的应用 在这篇文章中，Jeff Dean 等人工智能大牛描绘了一幅机器学习在医疗领域的应用蓝图。 發表于：2019/4/21 CVPR 2019 | 百度无人车实现全球首个基于深度学习的激光点云自定位技术 数名来自百度智能驾驶事业群组（Baidu IDG）的研究员和工程师们实现了全球首个基于深度学习的激光点云自定位技术，不同于传统的人工设计的复杂算法，该系统首度基于深度学习网络实现了高精度厘米级的自定位效果，取得了重要的技术突破。 發表于：2019/4/21 维基百科你已经是个大百科了，该自己学会用ML识别原文出处了 维基百科可能是我们认为比较客观真实的材料了，但它包罗万象却又会引起一些小问题，例如很多句子或说法提供不了引用出处。 發表于：2019/4/21 CVPR 2019 | PointConv：在点云上高效实现卷积操作 3D 点云是一种不规则且无序的数据类型，传统的卷积神经网络难以处理点云数据。来自俄勒冈州立大学机器人技术与智能系统（CoRIS）研究所的研究者提出了 PointConv，可以高效的对非均匀采样的 3D 点云数据进行卷积操作，该方法在多个数据集上实现了优秀的性能。 發表于：2019/4/21 刷脸背后，卷积神经网络的数学原理原来是这样的 计算机视觉技术在日常生活中有着非常普遍的应用：发朋友圈之前自动修图、网上购物时刷脸支付……在这一系列成功的应用背后，卷积神经网络功不可没。本文将介绍卷积神经网络背后的数学原理。 發表于：2019/4/21 CVPR 2019 | CSP行人检测：无锚点框的检测新思路 本文被收录于 CVPR 2019，通讯作者单位为阿联酋起源人工智能研究院（IIAI）。受启发于传统的特征点检测任务和最近的全卷积式关键点检测和配对的工作，本文作者提出了一种无需密集滑窗或铺设锚点框、全卷积式预测目标中心点和尺度大小的行人检测方法，为目标检测提供了一个新的视角。 發表于：2019/4/16 微软亚研：对深度神经网络中空间注意力机制的经验性研究 空间注意力（Spatial Attention）机制最近在深度神经网络中取得了很大的成功和广泛的应用，但是对空间注意力机制本身的理解和分析匮乏。 發表于：2019/4/16 贾扬清：我对人工智能方向的一点浅见 作为 AI 大神，贾扬清让人印象深刻的可能是他写的AI框架Caffe ，那已经是六年前的事了。经过多年的沉淀，成为「阿里新人」的他，对人工智能又有何看法？ 發表于：2019/4/16 除了Kaggle，这里还有一些高质量的数据科学竞赛平台 除了大名鼎鼎的 kaggle，数据科学家可以参加的数据竞赛平台其实还蛮多的。有些比赛平台不仅提供比赛，还让你有机会自己创办比赛。有些比赛由公司赞助，有些由政府机构赞助。参加这些比赛不仅能让你的能力获得认可，还可以获得一些不菲的奖金呢~ 發表于：2019/4/16 线性模型已退场，XGBoost时代早已来 什么是 XGBoost？如何直观理解 XGBoost？它为什么这么优秀？ 發表于：2019/4/16 最强学习资料：国内多所重点大学课程攻略 或许每个经历过大学生涯的人都会有这样的感受：曾经努力收集各种课程资料，但在修完一门课程之后却会发现遗漏了很多重点内容。每一代前辈总结出的经验也常常因为无处传承而逐渐遗漏消失。 發表于：2019/4/16 <…137138139140141142143144145146…>
