csyhhb的专栏

摘要：最新的《Nature》杂志专门为“人工智能 + 机器人”开辟了一个专题 ，发表多篇相关论文，其中包括了LeCun、Bengio和Hinton首次合作的这篇综述文章“Deep Learning”。本文为该综述文章中文译文的上半部分。 【编者按】三大牛Yann LeCun、Yoshua Bengio和Geoffrey Hinton在深度学习领域的地位无人不知。为纪念人工智能提出60周年

转自:http://datartisan.com/article/detail/66.html#rd 七步精通Python机器学习 开始。这是最容易令人丧失斗志的两个字。迈出第一步通常最艰难。当可以选择的方向太多时，就更让人两腿发软了。 从哪里开始？ 本文旨在通过七个步骤，使用全部免费的线上资料，帮助新人获取最基本的 Python 机器学习知识，直至成为博学的机

转自：http://lamda.nju.edu.cn/weixs/project/CNNTricks/CNNTricks.html Must Know Tips/Tricks in Deep Neural Networks (by Xiu-Shen Wei)   Deep Neural Networks, especially Convolutiona

【Yoshua Bengio 亲自解答】机器学习 81 个问题及答案 (部分)   新智元编译1 来源：Quora 译者：张巨岩  王婉婷  李宏菲  戴秋池 这是 Quora 的最新节目，针对特定话题进行系列的问答。如果你不了解 Quora，可以把它看作美国版的知乎，不过里面大咖云集，奥巴马、Elon Musk、Bill Gates 都会在上面回答问题。 

转自：http://www.cnblogs.com/subconscious/p/5058741.html 神经网络浅讲：从神经元到深度学习 神经网络是一门重要的机器学习技术。它是目前最为火热的研究方向--深度学习的基础。学习神经网络不仅可以让你掌握一门强大的机器学习方法，同时也可以更好地帮助你理解深度学习技术。 　　本文以一种简单的，循序的方式讲解神经网络。适合

转自：http://blog.csdn.net/u012162613/article/details/44265967 本文是《Neural networks and deep learning》概览 中第三章的一部分，讲机器学习算法中，如何选取初始的超参数的值。 学习速率（learning rate，η） 运用梯度下降算法进行优化时，权重的更新规则中，在梯度

转自： http://blog.sina.com.cn/s/blog_eb3aea990102v47i.html 在2012年的时候，Geoffrey和他学生Alex为了回应质疑者，在ImageNet的竞赛中出手了，刷新了image classification的记录，一举奠定了deep learning 在计算机视觉中的地位。后边的故事大家都知道了，deep learning一统天

转自：http://yyue.blogspot.com/2015/01/a-brief-overview-of-deep-learning.html A Brief Overview of Deep Learning (This is a guest post by Ilya Sutskever on the intuition behind deep learning

转自：http://blog.csdn.net/happynear/article/details/45372231 零、最近更新 2015/05/29 发现上个版本的lmdb.lib使用了别人在vs2013下编译的版本，现改为vs2012版；  2015/05/29 添加了提取任意层特征的matlab接口，使用方法： OUTPUT = caffe('get_features',

文章：《Rich feature hierarchies for accurate object detection and semantic segmentation》      作者：Ross Girshick Jeff Donahue Trevor Darrell Jitendra Malik      单位：UC Berkeley ，CVPR2014？      是否开放代码：是 ，

转自 http://www.gageet.com/2014/09203.php Going deeper with convolutions笔记 Contents Abstract Introduction Related Work Motivation and High Level Considerations Architectural Detai

来源：《中国计算机学会通讯》第8期《专题》 作者：王晓刚 深度学习发展历史 深度学习是近十年来人工智能领域取得的重要突破。它在语音识别、自然语言处理、计算机视觉、图像与视频分析、多媒体等诸多领域的应用取得了巨大成功。现有的深度学习模型属于神经网络。神经网络的起源可追溯到20世纪40年代，曾经在八九十年代流行。神经网络试图通过模拟大脑认知的机理解决各种机器学习问题。1986年，鲁梅

转自：http://www.csdn.net/article/2015-08-01/2825362##1_804311562_10285 摘要：最近，深度神经网络以“Deep Dreams”形式在网站中如雨后春笋般出现，或是像谷歌研究原创论文中描述的那样：Inceptionism。在这篇文章中，我们将讨论几个不同的深度学习框架，库以及工具。 深度学习是机器学习和人工智能

转自：http://xiahouzuoxin.github.io/notes/html/深度卷积网络CNN与图像语义分割.html 级别1：DL快速上手级别2：从Caffe着手实践级别3：读paper，网络Train起来级别4：Demo跑起来 读一些源码玩玩熟悉Caffe接口，写Demo这是硬功夫分析各层Layer输出特征 级别5：何不自己搭个CNN玩玩 Train

转自：http://blog.csdn.net/stdcoutzyx/article/details/39736509 这篇论文是今年9月份的论文[1]，比较新，其中的观点感觉对卷积神经网络的参数调整大有指导作用，特总结之。关于卷积神经网络(Convolutional Neural Network, CNN)，笔者后会作文阐述之，读者若心急则或可用谷歌百度一下。 本文以下内容即是论文的笔记，笔