收藏夹整理

发表于   |     |   阅读次数

开源算法与数据库

  1. 谷歌开源 TensorFlow 图说生成模型，可真正理解图像

  2. 谷歌发布YouTube-8M：单个GPU一天就能完成训练的最大视频数据集（附论文）

  3. 谷歌发布Open Images图片数据集，包含9百万标注图片

  4. 谷歌开源SLAM库Cartographer，你的机器人肯定需要

  1. 微软开源深度学习认知工具包：增加 Python 绑定，支持增强学习

  2. Udacity 开放223GB驾驶数据：可训练用于自动驾驶算法

  3. Google开源的“Show and Tell”，是如何让机器“看图说话”的？

  4. 深度 | 从分割到识别，全面解析Facebook开源的3款机器视觉工具（附论文）

论文阅读

  1. 亿万词汇构建神经网络，Facebook提出语言模型训练新算法

  2. 羡慕Tesla全自动系统?不能错过这五篇经典(全文下载)

  3. Geoffrey Hinton最新论文：使用快速权重处理最近的过去

  4. 用反卷积网络合成超逼真人脸：理解深度学习如何思考

  5. 谷歌最新研究曝光： 合作式增强学习让机器人掌握通用技能

  6. Yoshua Bengio最新论文：分层多尺度的时间递归神经网络（附下载）

  7. How Image Degradations Affect Deep CNN-based Face Recognition?

  8. Densely Connected Convolutional Network (DenseNet)

机器学习干货

  1. 词嵌入系列博客Part1：基于语言建模的词嵌入模型

  2. 词嵌入系列博客Part2：比较语言建模中近似softmax的几种方法

  3. 词嵌入系列博客Part3：word2vec 的秘密配方

  4. 训练神经网络的五大算法：技术原理、内存与速度分析

  5. 掌握这些问题，成为 Facebook 机器学习工程师

  6. 在语音识别这件事上，汉语比英语早一年超越人类水平（附论文）

  7. 深度人脸识别的 Caffe 实现（附模型开源地址及论文下载）

  8. 深度学习最全优化方法总结比较（SGD，Adagrad，Adadelta，Adam，Adamax，Nadam）

  9. 机器学习初学者最常见的5个错误：你该怎么避开它们？

  10. 深度学习在目标跟踪中的应用

  11. 重磅 | 神经网络架构演进史：全面回顾从LeNet5到ENet十余种架构（附论文）

  12. 【VALSE前沿技术选介16-18期】Object Tracking新思路

  13. 【重磅】计算机视觉和 CNN 发展十一座里程碑（附论文下载）

  14. 深度 | 解决真实世界问题：如何在不平衡类上使用机器学习？

  15. Formulating The ReLU

产业现状

  1. 人工智能大未来：谷歌等5大科技公司，斯坦福等7所高校联袂探讨 (349PDF)

  2. 深度学习的商业价值到底在哪里？

编程练习

  1. 有了这个列表，程序员不愁没练手的小项目了

  2. 一天能学会的实用 IT 技能有这些

  3. 搞定编程竞赛必知哪 10 个算法？

  4. Python 编码的前世今生

杂谈

  1. 不是需求，不是货币现象，而是心理因素决定房价

  2. 王博教授：《老子》到底讲了什么？| 讲座实录

2016 年 9 月 7 日前

微信收藏

  1. 特稿 | 如何让深度学习突破数据瓶颈？这家创业公司直接挑战生物神经元的计算模型

  2. 牛逼的 Python 脚本，你写过哪些呢？

  1. 深度 | 机器人为什么能写稿，以及它们能拿普利策奖吗？
  1. 【蒲慕明院士】人工智能可借鉴的 5 大自然神经网络特性（35PPT）

  1. 把圆周率π用钢琴弹出来，听起来什么感觉？

  2. 深度 | 深度学习系列文章Part2：迁移学习和微调深度卷积神经网络（附论文）

  3. 基于深度学习的视觉实例搜索研究进展

  4. 【青年学者专栏】递归神经网络(Recurrent Neural Network)学习

  5. 哈佛心理教授：衰老是一个被灌输的概念

  6. Bengio教授的深度学习终极思考：文化、进化与迷因

  7. 深度 | SIGIR2016选出最具时间价值论文，Manning详解自然语言推理的深度学习（附论文和PPT）

  8. 深度｜一些物理学不能预测的事，学习算法却能办到？

  9. 他是获奖无数的设计师，竟然还是寺庙主持

  10. 这几个坏习惯，导致你读不懂英语文章

  11. 深度 | 从分割到识别，全面解析Facebook开源的3款机器视觉工具（附论文）

  12. 深度学习在目标跟踪中的应用

  13. 重磅 | 神经网络架构演进史：全面回顾从LeNet5到ENet十余种架构（附论文）

  14. 【VALSE前沿技术选介16-18期】Object Tracking新思路

  15. Tracking

2016 年 8 月 28 日前

微博收藏

  1. How Image Degradations Affect Deep CNN-based Face Recognition? 答案是影响很大，文章有一定的启发意义。

  2. Formulating The ReLU 从 ReL, Sigmoid 讲到 ReLU。

  3. NN++: A small and easy to use neural net implementation for C++

  4. Benchmarking State-of-the-Art Deep Learning Software Tools

  5. Densely Connected Convolutional Network (DenseNet)

  6. 深度 | Facebook的图像识别很强大，一次开源了三款机器视觉工具（附论文）

  7. CNN-VIS: Use CNNs to generate images

  8. 法令纹，苹果肌，大小眼，桃花眼，脸部弹性等等等的脸部运动

  9. Language necessarily contains human biases, and so will machines trained on language corpora

  10. SAND GLYPHS: 字体生成. GitHub: sand-glyphs

  11. Artistic style transfer for videos

  12. Torch implementation for the paper “Artistic style transfer for videos”

  13. Learn Deep Learning the Hard Way

  14. Pedro Domingos深度解析机器学习五大流派中主算法精髓

  15. Beginners Guide to Topic Modeling in Python

  16. 基于回归的统一关键点检测模型

  17. Computational Learning Theory - VC Dimension (计算学习理论中文)

  18. Survey of resampling techniques for improving classification performance in unbalanced datasets

  19. Hype cycle - wikipedia

  20. Mollifying Networks

  21. ACL 2016 Tutorial: Understanding Short Texts

  22. Beyond a Gaussian Denoiser: Residual Learning of Deep CNN for Image Denoising

  23. Twitter机器学习平台的设计与搭建

  24. I am trying a new initiative - a-paper-a-week

  25. Deep multi-scale video prediction beyond mean square error

  26. 构建自己的智能聊天机器人

  27. 随机采样方法整理与讲解（MCMC、Gibbs Sampling等）

  28. Github上Stars最多的53个深度学习项目，TensorFlow遥遥领先

  29. How to Visualize, Monitor and Debug Neural Network Learning

  30. Recurrent Neural Networks for Beginners

  31. 深度 | Google Brain研究工程师：为什么随机性对于深度学习如此重要？

  32. Convolutional network training using Torch | 从 AlexNet 到 ResNet 各种 models

  33. 业界 | 用于视觉任务的 CNN 为何能在听觉任务上取得成功？

  34. Understanding Convergence Concepts: A Visual-Minded and
    Graphical Simulation-Based Approach     R Package

  35. All you need is a good init

  36. Layer-sequential unit-variance (LSUV) initialization

  37. 用一张动图诠释效果，深入浅出推荐系统原理

  38. Image Completion with Deep Learning in TensorFlow

  39. Semantic Image Inpainting with Perceptual and Contextual Losses

  40. Second place solution for Facebook V competition on Kaggle

  41. Torch implementation of “Multiple Object Recognition with Visual Attention” on Kaggle Cats vs Dogs dataset

  42. Deep Learning Part 1: Comparison of Symbolic Deep Learning Frameworks

  43. Keras code and weights files for popular deep learning models.

  44. Bridging the Gap between Stochastic Gradient MCMC and Stochastic Optimization Github

  45. 欺骗人脸识别系统：Spoofing 2D Face Detection: Machines See People Who Aren’t There

  46. ICML 2016: Memory Networks for Language Understanding

  47. 【揭秘】PRISMA背后的人工智能大概是这么玩的

  48. The best explanation of Convolutional Neural Networks on the Internet!

  49. Globally Normalized Transition-Based Neural Networks

微信收藏

  1. 业界 | 五大主流深度学习框架比较分析：MXNET是最好选择

  2. 深度 | 深度学习系列文章Part2：迁移学习和微调深度卷积神经网络（附论文）

  3. Deep Learning Part 2: Transfer Learning and Fine-tuning Deep Convolutional Neural Networks

  4. 业界 | 从机器翻译到云视觉，谷歌的7大机器学习应用

  5. 最前沿：神经网络训练方法大革新，反向传播训练不再唯一 反向传播？人脑真的是这样做的吗？还能怎么做？预测梯度。用什么预测？另一组神经网络。戳论文：Decoupled Neural Interfaces using Synthetic Gradients

6.

2016 年 8 月 20 日前

微信收藏

  1. fastText 论文中文

  2. RNN 中文

  3. 多任务 DNN

  4. 编程能力层次模型

  5. 极客研报｜国内人工智能行业全梳理（内附 PDF 版）

  6. Google开源全球最精准自然语言解析器SyntaxNet

  7. 机器学习专家带你实践LSTM语言模型

  8. 科技与贫穷：这个世界真的会更好吗？

  9. ICML 2016 谷歌 DeepMind 论文上辑（大咖点评附下载）

  10. 【ICML2016】谷歌 DeepMind 论文下辑（肖京点评附下载）

  11. 关注词汇的具象含义，读外刊会更轻松

  12. 深度 | 计算机视觉和深度学习领域，被引用次数最多的三十篇论文（附下载）

  13. 一个简单奇怪的学习技巧，可以帮助你学习任何东西

  14. 【技术共享】怎么把人脸检测的速度做到极致

  15. 【重磅】深度学习难以加冕算法之王 3 大根本原因

  16. 深度 | ICCV研讨会：实时SLAM的未来以及深度学习与SLAM的比较（附论文和PPT）

  17. 深度 | Nature论文详解概率机器学习：从不确定性表征到自动建模（附论文）

  18. 冥想如何影响大脑？丨壹读精选

  19. 【推荐】BBC经典系列纪录片《数学的故事》

  20. 深度 | 在测试阶段使用Dropout获取输出的概率分布，让深度学习系统更聪明（附论文）

  21. 半分钟内能看透问题本质的人是如何思考的？

  22. 当你睡觉时，你的大脑在“排毒”

  23. 这几个坏习惯，导致你读不懂英语文章

  24. 6 种 Python 数据可视化工具

  25. 大数据处理平滑算法：Good-Turing估计

  26. 深度 | 给默片配音、自动生成手写体，盘点8个最具启发意义的深度学习应用（附论文）

  27. Python 基础：分分钟入门

  28. 回顾 | 如何让飘在半空的计算机视觉技术与需求落地？

  29. Bengio教授的深度学习终极思考：文化、进化与迷因

  30. 《机器智能的未来》系列八：Gurjeet Singh–使用拓扑学揭示数据形态 | 将门推荐

  31. 【干货】扎克伯格为提高员工工作效率，亲自做了这26张PPT！

  32. 最值得阅读学习的 10 个 C 语言开源项目代码

  33. 专访 Jordan 高徒 Percy Liang：如何开发连续学习的智能体

  34. 18 个锻炼编程技能的网站

  35. 深度 | 深度学习与神经网络全局概览：核心技术的发展历程

  36. 深度 | Google Brain研究工程师：为什么随机性对于深度学习如此重要？

  37. 深度 | 如何在 TensorFlow 中用深度学习修复图像？（附论文）

  38. Rectification and 3D Reconstruction of Curved Document Images

微博收藏

  1. 深度 | 机器学习敲门砖：任何人都能看懂的TensorFlow介绍

  2. The Gentlest Introduction to Tensorflow

  3. Gentlest Introduction to Tensorflow (Part 2)

  4. How Convolutional Neural Networks Work (用 X 和 O 举例)

  5. Flexible Image Tagging with Fast0Tag

  6. Interesting Python Tutorials

  7. Composing Music With Recurrent Neural Networks

  8. fancy-cnn - Sequential convolutional architectures for text classification

  9. 关于深度学习的机理，优化和网络结构的一些个人观点

  10. Recurrent Models and Examples with MXNetR

  11. FAIR open-sources fastText | Facebook Code

  12. Stanford Deep Learning Tutorial

  13. ConvNets vs LSTMs for text classification

  14. Google Tensorflow 深度学习笔记

  15. How to Develop Your First XGBoost Model in Python with scikit-learn

  16. Mollifying Networks (2016 paper)

  17. An Empirical Evaluation of doc2vec with Practical Insights into Document Embedding Generation

  18. FAIR open-sources fastText

  19. LIME code

  20. “Why Should I Trust You?”: Explaining the Predictions of Any Classifier

  21. 「无中生有」计算机视觉探奇

  22. Clockwork Convnets for Video Semantic Segmentation

  23. Lecture Notes Tabken by Students

  24. Applied deep learning resources

  25. Automatic Colorization