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     2017-03-03 第11期       资讯       2017奥斯卡大奖揭晓，群集智能AI成功预测12项   群体智能预测网站的Swarm AI预测奥斯卡大奖名单，今年它虽然保持着75%的胜率，但是却预测错了两项大奖。Swarm AI 集合了近50名电影爱好者群集，用户注册后可在Unanimous A.I 参与预测，每个人都可以看见其他人的决定，也可以随时改变自己决定。这个集群中的每个个体都可以互相影响。     百度无人车两年幻梦：10亿美元拆分未成，大神携手离职创业   本周三，百度通过内部邮件宣布，对现有业务及资源进行整合，成立智能驾驶事业群组（IDG），由百度集团总裁和首席运营官陆奇兼任总经理。同时百度高级副总裁、原自动驾驶事业部总经理王劲，“内部休息调整”。王劲为什么离开百度？原因可能是多种多样的，也许是一个复杂的原因，导致了今天的局面。也许只是一个简单的不能再简单的原因。无论如何，三年未到，人去楼空。下面的接力棒，已经交到了陆奇的手中。     周志华最新论文 | 深度森林：探索深度神经网络以外的方法   西瓜书《机器学习》作者、南京大学周志华日前发表论文，提出了一种基于树的方法，挑战深度学习。在设置可类比的情况下，新方法 gcForest 取得了和深度神经网络相当甚至更好的结果，而且更容易训练，小数据也能运行，更重要的是相比神经网络，基于树的方法不会存在那么困难的理论分析问题。     波士顿动力发布其最新的轮式暴跳机器人   日前，波士顿动力的这款名为Handle的机器人，把足+轮式的能力直接拔升到了一个闻所未闻的高度。充满电后，Handle 可以一次行驶约15英里。而且它同时配备有电动和液压驱动装置。Handle 只有10个驱动关节。这使得假如 Handle，或它的其他版本需要大规模生产的话，设计上和生产上都能更加简单。     百度最新“Deep Voice”语音技术 比WaveNet提速 400 倍   今日百度研究院展示了名为Deep Voice的研究成果，这是一套完全由深度神经网络构建的生产质量级文语转换系统。相比之前WaveNet推论与实施，该系统的加速能力高达400倍。 百度在在论文中解析了这个完全由深度神经网络组成的文本到语音的系统：Deep Voice，该系统包括5个部分： 用于定位音素边界的分割模型、 字素到音素（grapheme-tophoneme）转换模型、 音素音长预测模型、 基础的频次预测模型、 音频合成模型。     2016 中国高被引学者，人工智能方面中科院领衔   日前，爱思唯尔发布了 2016 年中国高被引学者榜单。其中，计算机科学领域的入选学者数量为 152 名，在所有学科中名列第一。与人工智能相关的领域中，中科院人数最多、清华次之、华中科技人数排名第三。产业中，微软最多，此外，金山软件前CEO张宏江也榜上有名，而张宏江此前曾任微软亚太研发集团 CTO、微软亚洲工程院院长。     百度深度学习国家工程实验室揭牌   深度学习技术与应用国家工程实验室揭牌仪式3月2日上午在百度大厦举行。国家发展和改革委员会高技术司副司长孙伟等政府领导出席。百度创始人、董事长李彦宏发表演讲。     技术       学会“投机取巧”——Redis之父九条忠告，如何成为“一打十”的程序员   本文为Redis之父Salvatore所写，CSDN编译，具体讲述了其心目中成就一名“野兽级”程序员的可贵品质。包括： 不写一行多余代码、 踩在前人的肩膀上、 高效利用时间、 不要吝惜时间设计、 避免细节错误、 避免完美主义、 扎实的理论基础、 熟悉计算机的脾性、 Debug能力。     基于移动设备的机器学习，本地与云端孰优孰劣？   如果您觉得，是时候给自己的手机应用添加一些热门的机器学习或深度学习算法，您会怎样选择？需要什么样数据、设计什么样的模型、以及该如何训练这个模型，这些完全取决于您想构建什么样的应用程序。不仅如此，如何把机器学习系统融合到您的产品中，还需做出一些抉择，本文将为您一一解读。     LSTM的反向传播过程推导   现在最流行的一种RNN模型是LSTM（长短期记忆）网络模型。尽管我们可以借助Tensorflow、Torch、Theano等深度学习库轻松地训练模型，而不再需要推导反向传播的过程，但是逐步推导LSTM模型的梯度并用反向传播算法来实现，对我们深刻地理解模型是大有裨益的。因此，我们首先按照LSTM的公式实现正向传播计算过程，然后推导网络模型的梯度计算过程，最后用numpy来实现模型的求解。     【AI创新者】系列专访       云知声梁家恩：当 AI 遇见 IoT——云知声的 AI 之路   人工智能与物联网的结合，绕不开两个基本问题：一是真实场景下的用户体验，解放双手和双眼；二是达到工业级规模化推广的完整解决方案。在本次采访中，云知声创始人、CTO就语音落地IoT的三个难点一一解读：远讲降噪、离线优化、云端优化。     TensorFlow贡献者黄文坚：解读对比13个深度学习框架后的选择   PPmoney黄文坚与Uptake唐源共同撰写了《TensorFlow实战》一书，希望可以帮助读者快速入门TensorFlow和深度学习，在工业界或者研究中快速地将想法落地为可实践的模型。日前，黄文坚接受CSDN记者专访，介绍了他在深度学习领域的实践经验和成长心得，以及完成《TensorFlow实战》一书背后的原因和故事。     TensorFlow 贡献者唐源：掌握 Google 深度学习框架的正确姿势   唐源，《TensorFlow实战》联合作者，美国 Uptake 数据科学家。唐源带领团队建立用于多个物联网领域的数据科学引擎进行条件和健康监控，同时建立公司的预测模型引擎，现已被用于航空、能源等大型机械领域。     Twitter施闻哲：图像质量的评判标准是超分辨率的下一个关键   施闻哲，Magic Pony at Twitter计算机视觉方向的研究负责人，于2012年取得英国帝国理工大学博士学位，师从Daniel Rueckert 教授，从事医学超分辨率相关研究。后加入Magic Pony，一年后Magic Pony被Twitter收购。其主要研究方向为：超分辨率、图像优化、图像补全、换脸等。     数据集       酷酷的数据集大集合   Cooldataset集合了近百个有趣的数据集，包括政务、科学、娱乐、机器学习等门类。你可以在里面找到例如：芝加哥员工收入数据集、美国犯罪案例集、NASA火流星报告集、TED演讲数据集等五花八门的数据集。     食谱数据集   该数据集集合了超过两万份已打分食谱，创建者的意图在于研究菜肴中的不同元素与人们喜爱程度的关系。稍后创建者还将更新数据集，在其中加入食谱创建时间标注以及每份食谱的原材料信息。     计算机视觉常用库/工具大盘点   本文盘点了包括图像处理、OCR、机器学习、深度学习、图像分割、MVG、视觉测程法、3D场景重建、视频跟踪、视频稳像这是个门类的常用工具及数据集。     线上课程       使用TensorFlow创建可自动玩游戏的DQN模型   深度强化学习（DQN）是人工智能领域最热门的方向之一，吸引众多AI领域的优秀科学家去发掘，其通用性在各领域备推崇，本次课程集中讲解DQN及其TensorFlow的实现。 讲师：黄文坚，《TensorFlow实战》作者、PPmoney大数据算法总监     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