<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[bhneo的博客]]></title><description><![CDATA[~]]></description><link>https://blog.youkuaiyun.com/bhneo</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; bhneo]]></copyright><item><title><![CDATA[SDL-CV 2019参会感想]]></title><link>https://blog.youkuaiyun.com/bhneo/article/details/102892011</link><guid>https://blog.youkuaiyun.com/bhneo/article/details/102892011</guid><author>bhneo</author><pubDate>Thu, 14 Nov 2019 18:42:59 +0800</pubDate><description><![CDATA[这里写自定义目录标题SDL-CV 2019参会感想特邀演讲视觉和神经科学中的表征学习（Yingnian Wu）最优传输和生成对抗网络的几何观点（Xianfeng Gu）通用特征——转移学习的信息提取（Lizhong Zheng）通过正交组上的L4 -范数最大化进行完整的字典学习（Yi Ma）深度网络架构（Alan L. Yuille）深度生成模型的验证（Mehdi Sajjadi）Poster环节...]]></description><category></category></item><item><title><![CDATA[一个简单的例子解释什么是量子计算机]]></title><link>https://blog.youkuaiyun.com/bhneo/article/details/83386731</link><guid>https://blog.youkuaiyun.com/bhneo/article/details/83386731</guid><author>bhneo</author><pubDate>Sun, 28 Oct 2018 21:07:25 +0800</pubDate><description><![CDATA[大家好！
前几天，我访问了加拿大温哥华的D-Wave Systems。这是一家制造尖端量子计算机的公司。
我在那里学到了很多关于量子计算机的知识，所以我想在这篇文章中与你们分享我在那里学到的一些东西。
本文的目的是通过一个简单的例子让您准确地了解量子计算机是什么。
对于理解本文，无需具备量子物理或计算机科学的知识。
好，我们开始吧。
什么是量子计算机?
以下是量子计算机的一个总结:

量子计算机是...]]></description><category></category></item><item><title><![CDATA[YOLO算法解读]]></title><link>https://blog.youkuaiyun.com/bhneo/article/details/83344320</link><guid>https://blog.youkuaiyun.com/bhneo/article/details/83344320</guid><author>bhneo</author><pubDate>Wed, 24 Oct 2018 16:41:24 +0800</pubDate><description><![CDATA[本文以从头实现YOLO的角度出发，解释了YOLO目标检测框架。本文不会描述网络的优点/缺点或每个设计选择的原因，而是关注于它是如何工作的。在阅读本文之前，假设读者对神经网络，特别是CNN有一个基本的了解。
文中所有的描述都与YOLO的原论文有关: You Only Look Once: Unified, Real-Time Object Detection by Joseph Redmon, Sa...]]></description><category></category></item><item><title><![CDATA[数据科学家需要知道的5个基本统计学概念]]></title><link>https://blog.youkuaiyun.com/bhneo/article/details/83339402</link><guid>https://blog.youkuaiyun.com/bhneo/article/details/83339402</guid><author>bhneo</author><pubDate>Wed, 24 Oct 2018 12:34:55 +0800</pubDate><description><![CDATA[对于数据科学的艺术，统计学可以说是一个强大的工具。从高层次的角度来看，统计是利用数学对数据进行技术分析。一个基本的可视化，如条形图，可以给你提供一些高级的信息，但是通过统计学，我们可以以一种更加以信息驱动和更有针对性的方式来操作数据。所用到的数学方法能帮助我们对数据形成具体的结论，而不是去靠猜测。
通过使用统计学，我们可以更深入、更细致地了解我们的数据到底是如何构造的，并基于这种结构，我们如何最佳...]]></description><category></category></item><item><title><![CDATA[1D卷积网络HAR（人体活动识别）实践]]></title><link>https://blog.youkuaiyun.com/bhneo/article/details/83092557</link><guid>https://blog.youkuaiyun.com/bhneo/article/details/83092557</guid><author>bhneo</author><pubDate>Wed, 17 Oct 2018 10:56:27 +0800</pubDate><description><![CDATA[HAR（人体活动识别）是根据加速度计序列数据，将活动分类为已知的预定义的活动类别，其数据是由专业设备或智能手机记录的。
解决这个问题的传统方法需要手工制作特征，这些特征来自于基于固定大小的窗口和训练机器学习模型的时间序列数据，例如集成决策树。而难点在于，这种特征工程需要在该领域拥有深厚的专业知识。
最近，一些深度学习方法，如循环神经网络和一维卷积神经网络，以及各种CNN，在很少或没有数据特征工程的...]]></description><category></category></item><item><title><![CDATA[DeepMind的AI项目如何修复Android系统糟糕的电池状况]]></title><link>https://blog.youkuaiyun.com/bhneo/article/details/82735063</link><guid>https://blog.youkuaiyun.com/bhneo/article/details/82735063</guid><author>bhneo</author><pubDate>Mon, 17 Sep 2018 14:43:05 +0800</pubDate><description><![CDATA[谷歌的Android Pie操作系统使用DeepMind的人工智能来改善你手机的电池寿命。不过这会有哪些不同之处呢？

2014年1月，谷歌斥资4亿英镑收购了总部位于伦敦的人工智能公司DeepMind。当时，还不清楚谷歌和现在的母公司Alphabet将会从中得到什么。四年后，专注于为谷歌开发人工智能的DeepMind团队开始获得回报。

谷歌推出其最新的移动操作系统Android Pie，涉及到D...]]></description><category></category></item><item><title><![CDATA[深度学习的几何观点（1） - 流形分布定律]]></title><link>https://blog.youkuaiyun.com/bhneo/article/details/82254198</link><guid>https://blog.youkuaiyun.com/bhneo/article/details/82254198</guid><author>bhneo</author><pubDate>Fri, 31 Aug 2018 11:46:41 +0800</pubDate><description><![CDATA[（最近，哈佛大学丘成桐先生领导的团队，大连理工大学罗钟铉教授、雷娜教授领导的团队应用几何方法研究深度学习。老顾受邀在一些大学和科研机构做了题为“深度学习的几何观点”的报告，汇报了这方面的进展情况。这里是报告的简要记录，具体内容见【1】。）

深度学习技术正在深刻地改变着人类的历史进程，它在图像识别、语音识别、自然语言处理、文本翻译等几乎所有信息科学领域，都带来了翻天覆地的革命。我们这个时代所面临的...]]></description><category></category></item><item><title><![CDATA[如何在边缘设备上适配大型神经网络]]></title><link>https://blog.youkuaiyun.com/bhneo/article/details/81985808</link><guid>https://blog.youkuaiyun.com/bhneo/article/details/81985808</guid><author>bhneo</author><pubDate>Fri, 24 Aug 2018 10:16:05 +0800</pubDate><description><![CDATA[对于任何想要创建可扩展服务的人来说，部署有内存限制的深度学习算法都是一个挑战。从长远来看，云服务是昂贵的。在边缘设备上离线部署模型更便宜，而且还有其他好处。唯一的缺点是它们缺乏内存和计算能力。

这篇博客探索了一些可以用来在内存受限的设备中适配神经网络的技术。因为“训练”和“推理”阶段用到了不同的技术，所以将它们是分开讨论。



训练

某些应用程序需要在线学习。也就是说，模型要根据反馈或额外的...]]></description><category></category></item><item><title><![CDATA[关于矩阵胶囊与EM路由的理解（基于Hinton的胶囊网络）]]></title><link>https://blog.youkuaiyun.com/bhneo/article/details/79419361</link><guid>https://blog.youkuaiyun.com/bhneo/article/details/79419361</guid><author>bhneo</author><pubDate>Sun, 04 Mar 2018 13:32:18 +0800</pubDate><description><![CDATA[本文介绍了Hinton的第二篇胶囊网络论文“Matrix capsules with EM Routing”，其作者分别为Geoffrey E Hinton、Sara Sabour和Nicholas Frosst。我们首先讨论矩阵胶囊并应用EM（期望最大化）路由对不同角度的图像进行分类。对于那些想了解具体实现的读者，本文的第二部分是一个关于矩阵胶囊和EM路由的tensorflow实现。



CN...]]></description><category></category></item><item><title><![CDATA[关于胶囊之间的动态路由的理解（基于Hinton的胶囊网络）]]></title><link>https://blog.youkuaiyun.com/bhneo/article/details/79391469</link><guid>https://blog.youkuaiyun.com/bhneo/article/details/79391469</guid><author>bhneo</author><pubDate>Wed, 28 Feb 2018 21:02:33 +0800</pubDate><description><![CDATA[本文介绍了由Sara Sabour，Nicholas Frosst和Geoffrey Hinton所著的论文“胶囊之间的动态路由”。在这篇文章中，我们将描述胶囊的基本概念，并应用胶囊网络（capsnet）检测MNIST数据集中的数字。在本文最后的第三部分中，我们对其做一个具体的实现。代码实现来源于xifengguo，基于Tensorflow的Keras。



CNN所面临的挑战

在深度学习中，...]]></description><category></category></item><item><title><![CDATA[Tensorflow Lite初探（Android）]]></title><link>https://blog.youkuaiyun.com/bhneo/article/details/78835224</link><guid>https://blog.youkuaiyun.com/bhneo/article/details/78835224</guid><author>bhneo</author><pubDate>Thu, 21 Dec 2017 15:22:12 +0800</pubDate><description><![CDATA[11月15日，谷歌正式发布了TensorFlow Lite开发者预览版。有了TensorFlow Lite，应用开发者可以在移动设备上部署人工智能。本文分析了官方tensorflow lite在android端的demo，并对tensorflow相关的模型持久化的知识点，尤其是tflite，做了简单的介绍和总结。]]></description><category></category></item></channel></rss>