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     2017-04-28 第18期       活动       2017中国人工智能大会将于7月在杭州举行   由中国人工智能学会、蚂蚁金服主办，CSDN承办的2017中国人工智能大会（CCAI 2017）将于7月22-23日在中国杭州举办。作为中国国内级别最高、规模最大的人工智能大会，本届中国人工智能大会有幸邀请到Thomas G. Dietterich、Masashi Sugiyama、Toby Walsh出席本次大会并发表主题报告。     AI 在线峰会 | 人工智能核心技术解析与应用实战   5月13日，CSDN人工智能在线技术峰会有幸邀请到来自阿里巴巴、思必驰、第四范式、一点资讯、58集团、PercepIn等在AI领域有着领先技术研究的一批专家，他们将针对人脸识别、卷积神经网络、大规模分布式机器学习系统搭建、推荐系统、自然语言处理及SLAM在机器人领域应用等热点话题进行分享。     AI创新者       大脑理论与智能机器探索者：Palm创始人Jeff Hawkins   “虽然没人确切知道恐龙是怎么灭绝的，与之相关的理论却很多——关于大脑则完全相反。”作为工程师，Jeff Hawkins创立了两家便携式计算机公司，Palm和Handspring，开发了风靡一时的PalmPilot和Treo智能电话。然而作为科学家，理解大脑运作方式、原理，并按同样原理制造智能机器才是他一生的追求。日前，Jeff Hawkins接受了《程序员》采访。     技术       基于卷积神经网络(CNN)的中文垃圾邮件检测   就分类任务而言，CNN比RNN更为合适。CNN目前在图像处理方向应用最为广泛，在文本处理上也有一些的应用。本文将参考 Denny Britz 的 WILDML 教程 IMPLEMENTING A CNN FOR TEXT CLASSIFICATION IN TENSORFLOW来设计一个简单的CNN，并将其应用于中文垃圾邮件检测任务。     周志华教授gcForest（多粒度级联森林）算法预测股指期货涨跌   对于周志华教授的文章，网上已经有人做出很详细的解释啦。我们对论文进行简单描述之后，然后直接从策略开始讲起。gcForest(multi-Grained Cascade forest 多粒度级联森林)是周志华教授最新提出的新的决策树集成方法。这种方法生成一个深度树集成方法(deep forest ensemble method)，使用级联结构让gcForest学习。     通俗理解信息熵   决策树算法中，在特征的选择过程，我们会使用到信息增益的概念。那么其最本质的信息熵的原理是怎样的？ 最大熵模型中，我们要让熵最大化，这个熵的原理又是什么？     浅说深度学习：核心概念   本文旨在提供直观简明的深度学习引导，涵盖深度学习的基本概念，而不涉及很多数学和理论细节。当然如果要做更深入的研究，数学肯定是必不可少的，但是本系列主要还是用图片和类比等方式，帮助初学者快速建立大局观。     用于图像分割的卷积神经网络：从R-CNN到Mark R-CNN   在本文中，我们将介绍目标检测和分割的某些主流技术背后的直观知识，并了解其演变历程。具体来说，我们将介绍 R-CNN（区域 CNN），卷积神经网络在这个问题上的最初的应用，及变体 Fast R-CNN 和 Faster R-CNN。最后，我们将介绍 Facebook Research 最近发布的一篇文章 Mask R-CNN，它扩展了这种对象检测技术从而可以实现像素级分割。     如何用PyTorch实现递归神经网络？   许多语言学家认为语言最好被理解为具有树形结构的层次化词组，一种被称为递归神经网络（recursive neural network）的深度学习模型考虑到了这种结构，这方面已经有大量的研究。虽然这些模型非常难以实现且效率很低，但是一个全新的深度学习框架 PyTorch 能使它们和其它复杂的自然语言处理模型变得更加容易。     ICLR-17最佳论文作者演讲：如何用PATE框架有效保护隐私训练数据？   ICLR 2017 总共有三篇最佳论文，其中有一篇是关于如何有效保护机器学习训练中的隐私数据，名为「用半监督知识迁移解决深度学习中训练数据隐私问题」（Semi-supervised Knowledge Transfer for Deep Learning from Private Training Data）。论文给出了一种通用性的解决方法，名为「教师模型全体的隐私聚合」（Private Aggregation of Teacher Ensembles/PATE）。该论文第一作者是 Nicolas Papernot。在近日举办的 ICLR 2017 大会上，Papernot 对论文和研究方法进行了口头演讲。     资讯       用NVIDIA Quadro系列打造台式超算工作站   近日，InfoComm China 2017展会在北京举行。NVIDIA携其最新基于Pascal架构的系列Quadro GPU亮相。该系列GPU由高端型号GP100领衔，包括GP100、P4000、P2000、P1000、P600和P400 ，立足企业级，旨在帮助用户打造台式超算工作站，助力专业人士如工程师、设计师、研究人员以及艺术家简化工作中的设计及计算流程。     ICLR 2017现场最令人瞩目的5个亮点   为期3天的ICLR 2017深度学习顶会正在法国土伦召开，6场Invited Talk，15场Contributed Talk（oral paper）, 310个论文海报展示让任何人置身其中的时候，都不免产生一种信息量巨大，怎么看也看不完的错觉，本文从现场的亮点中来理出一些对大会深入学习的蛛丝马迹。     IBM 在蒙特利尔新建 AI 实验室，与 Bengio 团队合作探索深度学习   IBM 日前也在蒙特利尔建立 AI 实验室，加强与 Bengio 团队的沟通，确保双方研究人员每日都能交流。据介绍这所名为 IBM-MILA 的实验室将在人工智能、机器学习和深度学习领域进行基础科学的先进研究。蒙特利尔在人工智能尤其是深度学习方面有着深厚的积累、大量优秀的学术人才，近来在产业和技术落地方面也不断发力。谷歌大脑也在蒙特利尔开设了分部。各大巨头在加拿大和蒙特利尔这座城市本身的动向都值得我们关注。     让智能体合作，谷歌团队提出自然语言的产生方法   在ICLR 2017会议上，Angeliki Lazaridou等研究者在oral paper论文《Multi-agent cooperation and the emergence of (natural) language》提出一个基于多个智能体的语言学习的架构。本文介绍了基于多智能体合作交流游戏（multi-agent coordination communication games）研究的第一步。     谷歌大脑首次实现机器人端到端模仿人类动作   机器人仅需观察人类行为就能模仿出一模一样的动作，这一机器人领域发展的长期目标最近被谷歌大脑“解锁”。在新发布的一项研究中，谷歌大脑团队介绍了他们使用自监督式学习的方法，通过多视角的时间对比网络（TCN）来实现机器人端到端模仿人类动作。另外，他们所提出的TCN模型，在图像分类上的错误率也大大地低于ImageNet-Inception。     Twitter在超分辨率技术上取得新进展，能还原打码图片   Twitter 及哥本哈根的研究人员认为，在超分辨率处理过程中，直接对低像素图像进行最大后验概率估值是非常重要的，就像如果想要确保样图图像先验，就需要先构建一个模型一样地重要。本文在这一步引入的新方法是使用卷积神经网络。研究人员创造性地引入了新型神经网络架构，在这个网络里，有效解决超分辨率的方法是，向仿射子空间进行投影。     泛读       深度学习相关最新图书推荐   关于深度学习，市场上已经有很多参考资料以及著作。若您是个书虫，Amazon上有很多关于深度学习最新的一些书。这里我们主要推荐一些理论和实践相结合得比较好的书，供大家学习参考。     浅说深度学习简史   第一个貌似深度学习的、具有多层非线性特征的算法可以追溯到1965年，Ivakhnenko和Lapa 用多项式激励函数组了个模型（图1），不宽但还挺深，结合统计方法做分析。     腾讯优图连夺世界冠军背后：百万级人脸识别达83%，人眼只有23%   腾讯优图是腾讯AI的三大核心支柱之一，与微信AI团队和新成立的腾讯AI Lab共同驱动腾讯的 AI 发展。本年度人脸识别标志性比赛：LFW 和 MegaFace上，优图都拿到了冠军的成绩。     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