Momodel

还在用 RNN 做 NLP ？NLP迎来新纪元了！快来学习下现在最火的BERT用的Transformer模型吧。 谷歌团队在18年提出的用于生成词向量的BERT算法在NLP的11项任务中取得了效果的大幅提升，堪称2018年深度学习领域最振奋人心的消息。而BERT算法的最重要的部…

1. 背景介绍 语音是人类最自然的交互方式。计算机发明之后让机器能够“听懂”人类的语言、理解语言含义，并能做出正确回答就成为了人们追求的目标。这个过程主要采用了 3 种技术，即自动语音识别（automatic speech recognition， NLP）和语音合成（spee…

1. 背景介绍 由于神经网络的强大复兴，特别是深度卷积神经网络（DCNN）模型在各种视觉任务中的巨大成功的推动，最近大多数与深度神经网络相关的工作主要致力于检测或分类对象类别。基于图像的序列识别问题一直是计算机视觉中长期存在的研究课题。本文将介绍由 Baoguang Shi 等…

在高方差时段（如节假日和体育赛事等等）准确的预测交通量，对于异常检测、资源分配、预算规划和其他相关的任务都是至关重要，这些任务有助于网约车大规模优化用户体验，然而，预测这些变量极具挑战性，因为这种极端事件预测取决于天气、城市人口增长和其他导致预测不确定性的外部因素。近几年来，长…

1. 介绍 自然语言处理（Natural Language Processing，NLP）是计算机科学、人工智能和语言学领域交叉的分支学科，主要让计算机处理或理解自然语言，如机器翻译，问答系统等。但是因其在表示、学习、使用语言的复杂性，通常认为 NLP 是困难的。近几年，随着深…

1. 介绍 我们之前已经讲解过 AlexNet，在这个基础上我们来学习一下 GoogLeNet。 GoogLeNet 获得了 2014 年 ImageNet 挑战赛 (ILSVRC14) 的第一名。那么 GoogLeNet 是如何提升网络性能的呢？ 一般来说，提升网络性能最直接…

1. 背景介绍 在艺术绘画的创作过程中，人们通过将一张图片的内容和风格构成复杂的相互作用来产生独特的视觉体验。然而，所谓的艺术风格是一种抽象的难以定义的概念。因此，如何将一个图像的风格转换成另一个图像的风格更是一个复杂抽象的问题。尤其是对于机器程序而言，解决一个定义模糊不清的问…

残差网络（Residual Network简称ResNet）是在2015年继Alexnet Googlenet VGG三个经典的CNN网络之后提出的，并在ImageNet比赛classification任务上拔得头筹，ResNet因其简单又实用的优点，现已在检测，分割，识别等领…

LeNet 是最早推动深度学习领域发展的卷积神经网络之一。这项由 Yann LeCun 完成的开创性工作自 1988 年以来多次成功迭代之后被命名为 LeNet5。AlexNet 是 Alex Krizhevsky 等人在 2012 年发表的《ImageNet Classifi…