CNN 101:卷积神经网络的交互式视觉学习

为了应对深度学习模型中的复杂性挑战,日前,佐治亚理工学院研究人员开发了 CNN 101,这是另一个交互式的可视化卷积神经网络系统,可以帮助深度学习、人工智能实验室的科研人员以及学生更好地了解和学习卷积神经网络,它是基础的深度学习模型体系结构。

使用现代 Web 技术构建的 CNN 101 无需专用硬件即可在用户的 Web 浏览器中本地运行。通过紧密集成的交互式视图,CNN 101 通过解释单神经元级别以及层级别的卷积,激活和池化操作,提供了模型工作方式的概述和详细说明。CNN 101 进一步扩大了公众对深度学习技术的教育途径。它应用了交互式可视化技术,为用户提供了一种更简单的方法[……]

继续阅读

深度学习知识卡片:特殊卷积神经网络

继续之前的:

深度学习知识卡片:经典卷积神经网络

继续之前的:

深度学习知识卡片:深度卷积神经网络架构

继续之前的:

深度学习知识卡片:卷积神经网络基础

继续之前的:

计[……]

继续阅读

卷积神经网络和医疗影像分析平台:NiftyNet

NiftyNet 是一个基于 TensorFlow 的开源卷积神经网络平台,来研究医疗影像分析和影像导向的治疗。(An open source convolutional neural networks platform for medical image analysis and image-guided therapy.)NiftyNet 有着模块化的架构设计,能够共享网络架构和预训练模型。使用该模块架构,你可以:

  • 使用内建工具,从建立好的预训练网络开始
  • 根据自己的图像数据改造已有的网络
  • 根据自己的图像分析问题快速构建新的解决方案

NiftyNet 现在支持医疗[……]

继续阅读

智能医疗实战案例库

近年来,在国家政策的支持与驱动下,在互联网、大数据、人工智能等前沿技术的支撑下,我国智慧医疗进入飞速发展时期。国家新一代人工智能、脑科学与类脑研究重大专项逐步启动实施,智慧医疗科技研究与产业发展步入新的阶段。跨象乘云™ 为高校大数据与人工智能实验室,大数据与人工智能实验平台建设,提供海量实战项目案例库,360° 全方位覆盖数据科学、机器学习、深度学习与新一代人工智能技术在医疗行业的各方面应用 ——

  • 病管理与监测:基于患者体征数据,对潜在慢性疾病进行风险预估,实现早期干预
  • 流行病跟踪及趋势预测:利用数据驱动方式,预测突发全新传染性疾病的疫情趋势
  • 临床预测分析利用多因模[……]

    继续阅读

吴恩达人工智能系列课程资源

随着近些年来 AI 越来越火的大趋势下,吴恩达一直致力于普及、宣传、推广 AI 教育,包括最前沿、最火爆的 AI 基础课程、深度学习课程等等。本文为截至目前吴恩达 AI 系列课程资源数理,以便为新一代人工智能专业师生梳理一条客观可参考的新一代人工智能学习路径。

    • Machine Learning》:在 Coursera 上发布,涵盖了机器学习的主要知识点:线性回归、逻辑回归、支持向量机、神经网络、K-Means、异常检测等。课程中没有复杂的公式推导和理论分析,让机器学习初学者能够快速对整个机器学习知识点有比较整体的认识,便于快速入门。具备完整的中文笔记在线笔记,以及课后[……]

      继续阅读

机器学习从零到一教学视频

日前,Google 推出了一套《机器学习从零到一》系列视频,这个系列视频叫做『Machine Learning: From Zero to Hero with TensorFlow』—— 机器学习: 从零到一学习 TensorFlow),这一系列基于 2019 年谷歌 I/O 大会上的热门演讲。系列视频共分为四集 ——

  • 第一集:你将了解到机器学习是编程的一个新领域。用传统的编程语言(如 Java 或 C++)编写程序,需要使用明确的规则。而机器学习则可以通过训练数据来推理出这些规则。但机器学习究竟是什么样子的呢?在这里,我们会用一个简单的示例代码去构建一个机器学习模型,介绍一些基础概[……]

    继续阅读

人工智能专业(080717T)学习路径及人才培养模型

作为首个直接以『人工智能』命名的专业,080717T 的专业目标,是培养适应国民经济与科技发展的需求,具备较好的科学素养、扎实的人工智能基本理论和专业知识、较强的工程实践能力,掌握智能信息化技术基础知识与方法,能够在人工智能及其相关应用领域从事新技术和新产品研发、系统设计、管理,以及解决复杂工程问题的高级工程技术人才。

人工智能专注于理解视觉,语音,语言,决策等复杂任务的核心能力,并设计机器和软件来模拟这些过程。人工智能具有悠久而丰富的历史,尽管许多工具和技术已经存在数十年(即多层感知器,卷积神经网络,强化学习),然而,高性能计算的最新进展,分布式方法的发展以及大数据产业的发展,[……]

继续阅读