如果邮件中的内容不能正常显示，请点击此处查看   如果不想再收此邮件，可取消订阅     2017-04-21 第17期       资讯       陆奇发布阿波罗计划 成全球自动驾驶领域里程碑事件   4月19日，百度发布一项名为“Apollo”的新计划，将向汽车行业及自动驾驶领域的合作伙伴提供一个开放、完整、安全的软件平台，包括车辆平台、硬件平台、软件平台、云端数据服务等四大部分。帮助他们结合车辆和硬件系统，快速搭建一套属于自己的完整的自动驾驶系统。     出门问问发布四条新品，虚拟助理新增多轮对话功能   CSDN AI 4月18日报道，出门问问于当天发布四条新品：多场景个人虚拟助理“问问”、免费级AI开放平台、“问问”智能音箱-Tichome、以及问问手表Ticwatch S&E系列。此前，出门问问的“多场景”已覆盖到穿戴和车载。加之本周发布的智能音箱-Tichome，出门问问的触角已延伸至智能家居领域。     F8 2017 AR、VR、AI三领域平台及工具发布   美国太平洋时间周二上午 10 点（北京时间凌晨 1 点），Facebook 年度开发者盛会 F8 正式在圣何塞召开。整体来说，在 AR 方面，Facebook 推出了一款 AR 平台、两款 AR 工具；而 VR 方面则推出了 VR 社交平台——Facebook Spaces，目前还是 Beta 版；此外，Messenger 平台也升级到了 2.0 版本。     Facebook开源Caffe2深度学习框架：开发者可快速训练和迭代AI模型   Facebook 开源发布了世界上第一款产品级的轻量化，模块化的深度学习框架caffe2。它在保持原有强大性能和可扩展性的基础上，更加强调了其便携性的优势。Caffe2中提供了详细的教程和示例，不仅展示了其大规模机器学习的能力，也可以在iOS，Android以及Raspberry Pi上通过短短几行代码来训练和部署轻量化的模型。     DeepMind开源可微分神经计算机 有记忆会推理   去年10月，Google旗下DeepMind在《Nature》上发布第三篇论文，宣布其关于可微分神经计算机（Differentiable Neural Computer，DNC）的研究。通过把神经网络和可读写的外部存储器进行结合，可微分神经计算机这种混合学习型神经网络，既能像神经网络那样进行学习，又能像计算机那样处理复杂数据。     谷歌推出最新“手机版”视觉应用的卷积神经网络—MobileNets   谷歌提供一类称为MobileNets的高效模型，用于移动和嵌入式视觉应用。 MobileNets是一个流线型架构，它使用深度可分离的卷积来构建轻量级的深层神经网络。引入两个简单的全局超参数，在延迟和准确度之间有效地进行平衡。这两个超参数允许模型构建者根据问题的约束条件，为其应用选择合适大小的模型。     Velodyne 发布售价数百美金的固态激光雷达，将在 2018 年量产   知名激光雷达供应商 Velodyne 刚刚在美国宣布将推出了一款固态汽车激光雷达 Velarray LiDAR，他们将在随后的夏天发布核心技术演示，到今年底或明年初能为客户提供工程样机。新的固态激光雷达生产会安排在 Velodyne 位于加州圣何塞的新工厂。官方表示：预计到 2018 年，Velarray LiDAR 逐渐进入规模化生产后，其售价可以达到几百美金的水平。     TP-GAN 根据单一侧脸生成正面逼真人脸   中科院自动化所（CASIA），中科院大学和南昌大学的一项合作研究，提出了双路径 GAN（TP-GAN），通过单一侧面照片合成正面人脸图像，取得了当前最好的结果。研究人员提出了一个像人类一样能够考虑整体和局部信息的 GAN 结构，合成的图像非常逼真且很好地保留了身份特征，并且可以处理大量不同姿势的照片。研究人员指出，这些合成的图像有可能用于人脸分析的任务。     商汤科技获赛领资本6000万美元投资，将加速商业化布局   人工智能公司商汤科技获得赛领资本 6000 万美元投资，赛领资本因此次投资成为商汤的重要战略股东。商汤科技成立于2014年，利用自建的深度学习超级计算机研发出的各类AI技术，如人脸识别、视频分析、辅助驾驶等已经应用到多个行业。获得赛领投资后，商汤科技表示将进一步扩大在人工智能应用方面的布局。     技术       看得“深”、看得“清” —— 深度学习在图像超清化的应用   得益于硬件的迅猛发展，短短几年间，手机已更新了数代，老手机拍下的照片在大分辨率的屏幕上变得模糊起来。同样地，图像分辨率的提升使得网络带宽的压力骤增。如此，图像超清化算法就有了用武之地。 对于存放多年的老照片，我们使用超清算法令其细节栩栩如生；面对网络传输的带宽压力，我们先将图像压缩传输，再用超清化算法复原，这样可以大大减少传输数据量。传统的几何手段如三次插值，传统的匹配手段如碎片匹配，在应对这样的需求上皆有心无力。 深度学习的出现使得算法对图像的语义级操作成为可能。本文即是介绍深度学习技术在图像超清化问题上的最新研究进展。     搜索，大促场景下智能化演进之路   本文选自：《尽在双11：阿里巴巴技术演进与超越》。作为淘宝平台的基石，搜索也一直在打造适合电商平台的人工智能体系，而每年双11大促都是验证智能化进程的试金石。伴随着一年又一年双11的考验，搜索智能化体系逐渐打造成型，已经成为平台稳定健康发展的核动力。     浅析神经网络中一点优化知识   神经网络有一个很常见的训练方法，BP训练算法。通过BP算法，我们可以不断的训练网络，最终使得网络可以无限的逼近一种我们想要拟合的函数，最终训练好的网络它既能在训练集上表现好，也能在测试集上表现不错。 那么BP算法具体是什么呢？为什么通过BP算法，我们就可以一步一步的走向最优值（即使有可能是局部最优，不是全局最优，我们也可以通过其它的方法也达到全局最优），有没有一些什么数学原理在里面支撑呢？     线性回归之探索一张有关华盛顿房屋的csv表   金郡 (King County, Washington) 是美国华盛顿州的一个郡，郡治西雅图。斯蒂文是华盛顿大学 2016 应届毕业生，毕业去了一个房地产公司做数据挖掘。老板第一天就丢给斯蒂文一张 csv 表，里面有 21000 多个房屋数据，包括其价格，平方英尺，卧室数，楼层，日期，翻新年份等等 21 列数据。斯蒂文：你想要我怎么做？老板：我想看你能做出点什么？     一文看懂神经网络工作原理   机器学习这一强大的分支结束了 AI 的寒冬，迎来了人工智能的新时代。简而言之，神经网络可能是今天最具有根本颠覆性的技术。看完这篇神经网络的指南，你也可以和别人聊聊深度学习了。为此，我们将尽量不用数学公式，而是尽可能用打比方的方法，再加一些动画来说明。     非监督特征学习与深度学习 中文教程   本教程将会教给您非监督特征学习以及深度学习的主要思想。通过它，您将会实现几个特征学习或深度学习的算法，看到这些算法为您（的工作）带来作用，以及学习如何将这些思想应用到适用的新问题上。 本教程假定您已经有了基本的机器学习知识（具体而言，熟悉监督学习，逻辑斯特回归以及梯度下降法的思想）。     机器学习的八个步骤   上个月，Kaggle 联合创始人兼 CTO Ben Hamner 在 Quora 上回答了有关 Kaggle、机器学习和人工智能的一系列问题。对于 Hamner 给出的《机器学习的八个步骤》的建议，Kaggle Team 重新整理并做了核心摘要。     闲谈       Yann LeCun：让Facebook学会思考的人   作为 Facebook 人工智能研究团队的领导者，Yann LeCun正在帮助这家世界上最大的社交网络公司创造能够理解用户发布的文本、照片和视频等内容的人工智能。本文从人工智能的发展历史以及机器视觉、语音和更深层次的思考等角度对 Yann LeCun 的研究经历进行了描绘，其间也穿插着 LeCun 对相关主题的评论和解释。     人工智能看走眼的图像都长什么样？   去年，研究者仅仅带上花式眼镜，一个商用面部识别系统就做出了错误识别。花式眼镜就是在镜框上贴上迷幻色彩的贴纸，花式的扭曲和曲线在人看来是随机的，但计算机却要在带有花式眼镜的人脸上分辨出五官，而且这些人脸的轮廓很相似。仅仅一副花式眼镜就可使人工智能错认为你是教皇，或者其他人。     微软小冰将参加芒果台新节目《超次元偶像》   继百度人工智能在《最强大脑》与选手同台竞技后，又一个人工智能要进军娱乐圈了。4 月 16 日，芒果娱乐正式推出综艺新栏目《超次元偶像》，并在北京举行发布会。发布会除了有何炅、何冰、徐海乔等明星助阵外，还邀请到微软人工智能虚拟人物“小冰”现场秀技，为尚未开播的栏目留下诸多悬念。     活动       · 【北京】2017全球人工智能技术大会 5月21-22日   · 【北京】CCTC中国云计算技术大会 5月18-19日   · 【深圳】SDCC中国软件开发者大会 2017深圳站 6月10-11日   · 【线上大赛】英特尔 Kaggle 人工智能竞赛 $100,000奖励   联系我们       CSDN AI 周刊     本刊由“AI科技大本营”编辑并运营，涵盖AI行业和技术圈儿的精品干货，每周发送，欢迎将干货分享给更多人！扫描下方二维码，添加小助手，备注公司和技术方向，邀你加入技术交流群。     大本营小助手       投稿：zhouxiang@csdn.net     转载：suiling@csdn.net     反馈：suiling@csdn.net   查看CSDN AI 周刊往期回顾，更多精彩内容尽在 CSDN AI专区。欢迎向您的朋友推荐订阅本邮列表。 如果不想再收到该邮件，可以取消订阅