深度学习应用大盘点 -欧洲杯足彩官网

1顶
1踩

深度学习应用大盘点

2016-11-23 13:58 by 副主编 mengyidan1988 评论(0) 有6950人浏览



当首次介绍深度学习时,我们认为它是一个要比机器学习更好的分类器。或者,我们亦理解成大脑神经计算。

第一种理解大大低估了深度学习构建应用的种类,而后者又高估了它的能力,因而忽略了那些不是一般人工智能应用的更现实和务实的应用。

最好最自然的理解应该是从人机交互角度来看待深度学习应用。深度学习系统似乎具备近似于生物大脑的能力,因此,它们可以非常高效地应用于增强人类或者动物已经可以执行的任务上。此外,需要重视的一点是,深度学习系统与传统的符号计算平台非常不同,正如人类与计算机的计算方式不同一样,深度学习也是如此。

使用深度学习构建应用甚至可以如我们畅想的科幻小说一般。下面我们来分享基于深度学习开发出来的一些不可思议的应用程序:



facebook开发的一个移动应用,可以让盲人或者视力障碍者像正常人一样浏览照片。



微软的skype能够将语音实时翻译成不同的语言。



google的mail可以代替您自动回复电子邮件。



moodstocks(已经被google收购)推出的智能手机图像识别应用程序moodstocks notes,可通过照片识别书籍、cd、海报、传单和酒标等对象。



google能够根据照片进行拍摄场景定位。



google相册可以自动整理分类到常见的主题下面。



yelp可以根据业务分支对照片进行分类。



自动驾驶技术应该是深度学习领域最为大家所知的应用了。



可以基于不同的作曲家风格进行音乐组成。



可以基于著名的艺术家绘画风格创建。



利用深度学习发现新材料。



google deepmind能够创建视频游戏系统,通过观看游戏学习如何玩得很好。



google deepmind创建了一个go播放系统,能够通过对抗自己来学习新的策略。



这个就无需解释了。



一种rnn训练,生成吸引眼球的标题。



将黑白照片自动转换成彩色:http://richzhang.github.io/colorization/。



google的一个移动应用,可将照片中的文字翻译成您可以理解的文字。



swiftkey正在构建一种移动键盘,让输入更加简单方便。



看看mit这些伙计是怎么说的。





使用不同的手势,对没有屏幕的设备进行交互。



smilevector可以把一张照片的人,自动转换成微笑的表情的照片。



例如google开发的进行自动对话回复的邮件。



百度开发的一个应用,能够基于深度学习技术进行面部追踪。



一个深度学习系统,在仓库中用最佳的方式拿取和放置物品,这种系统明显快于传统的研究方法,并且效率更高。



将图像进行视觉搜索查询。



通知脑电图描记器参与提取记录中语音混合物在神经转向听力假肢中的应用。



利用卷积网络创建快速且高度逼真的流体模拟。



亚马逊使用深度学习技术来驱动其个性化功能。



在2013年brats测试数据集上的报结果表明,802,368参数网络比已发布的最先进的技术改进了超过30倍。



google正在使用deepmind人工智能子公司的技术,以大幅节省其数据中心的电力功耗。



类似上面的仓库优化,亚马逊研究人员基于深度学习技术分析3d扫描,让机器人对物品进行整理。



facebook正在利用深度学习技术,从卫星图像上创建更加准确的地图。



通过声音进行识别。



用户可以更加快速准确地理解已经被着色的红外图像。



现实中的3d打印技术。



将草图合成真实的面部图像。



一个rnn训练,8年时间从来自26万患者和14805名医生的ehr数据,该神经网络进行多标签预测(每次诊断或药物类别作为一个标签),该系统可以执行召回鉴别诊断率高达79%,明显高于基线。



使用深度学习来确定客户的“皮肤年龄”,确定问题领域,并提供旨在解决这些问题的产品方案。



药物设计,虚拟筛选(vs),定量结构——活性关系(qsar)研究,蛋白质结构预测和基因组学(和其他组学)数据挖掘。

除了以上列举的40个应用,作者在原文中还列举了其它领域基于深度学习的应用,大家可以前往原文查看。

引用
原文:
作者:carlos e. perez > 翻译:daisy >责编:仲培艺
  • 大小: 67.2 kb
1
1
评论 共 0 条 请登录后发表评论

发表评论

您还没有登录,请您登录后再发表评论

相关推荐

  • 本文将回顾机器学习/深度学习领域下列五方面的进展:1.对于偏见的担忧2.可解释的模型3.深度学习的快速发展4.超级计算成为主流5.依托云平台打造的机器学习/深度学习栈第二篇文章将介绍开源机器学习和深度学习项目领域...

  • 最好最自然的理解应该是从人机交互角度来看待深度学习应用。深度学习系统似乎具备近似于生物大脑的能力,因此,它们可以非常高效地应用于增强人类或者动物已经可以执行的任务上。此外,需要重视

  • 其中包括长篇系列连载《自动梯度求解》系列、苦口婆心的《推荐系统老司机的十条经验》、可以用来对照自省的《这11个观点可能会让你和深度学习擦肩而过》、以及总结非常全面的《深度学习应用大盘点》。话不多说,请看...

  • 对深度学习而言,不论是学术研究还是落地应用都需要尽可能提升模型效果,这往往需要trick进行支撑。这些trick有的是广泛适用的,有的是任务特定的。这些trick有的能够提升网络精度,有的能够加速收敛,有的甚至比...

  • 深度学习方法是一种利用神经网络模型进行高级模式识别和自动特征提取的机器学习方法,近年来在时序预测领域取得了很好的成果。常用的深度学习模型包括循环神经网络(rnn)、长短时记忆网络(lstm)、门控循环单元...

  • 1.ai studio数据集: 开放数据集-百度ai studio - 人工智能学习与实训社区 2.天池数据集:数据集-阿里系唯一对外开放数据分享平台 3.papers with code数据集:machine learning datasets | papers with code 4....

  • 深度学习领域大牛李飞飞在cvpr2009上发表了一篇名为《imagenet: a large-scale hierarchical image database》的论文在计算机视觉领域带来了一场“革命”,之后从2010年开始基于imagenet数据集的7...

  • 说明本系列深度学习资料集合包含机器学习、深度学习等各系列教程,主要以计算机视觉资料为主,包括图像识别、分类、检测、分割等,内容参考github及网络资源,仅供个人学习。深度学习定义一般是指通过训练多层网络...

  • 在深度学习技术兴起之前相当长的一段时间内,基于机器学习技术的文本分类方法占据着文本分类领域的统治地位。 如下图所示,特征工程 机器学习分类器一直是解决文本分类问题的标准范式。针对不同的业务场景,算法...

  • 转自:...在广告领域,预测用户点击率(click through rate,简称 ctr)领域近年也有大量关于深度学习方面的研究,仅这两年就出现了不少于二十多种方法。本文就近几年 ctr 预估领域中学术界的经典...

  • 因此,这些概念在层次上是相互依存的,人工智能是最广泛的术语,而深度学习是最具体的: 目录 常用机器学习及深度学习库介绍 1、 numpy 2、 opencv 3、 scikit-image 4、 python imaging library(pil) 5、 pillow 6...

  • 引言点云分割是根据空间、...点云的有效分割是许多应用的前提,例如在三维重建领域,需要对场景内的物体首先进行分类处理,然后才能进行后期的识别和重建。传统的点云分割主要依赖聚类算法和基于随机采样一致性的分...

  • ai深入浅出公众号id:xiumius关注在过去的几年里,深度学习(dl)架构和算法在诸如图像识别和语音处理等领域取得了世人瞩目的进步。然而在最开始的时候,深度学习在自然...

  • 2017第16届ieee机器学习与应用国际会议:a review of deep learning methods applied on load forecasting--阅读笔记。

  • vb语言vb光盘管理系统设计(源代码 系统)本资源系百度网盘分享地址

  • h型脚架疲劳测试机sw16可编辑_零件图_机械工程图_机械三维3d建模图打包下载.zip

  • 笔记.zip

  • python库是一组预先编写的代码模块,旨在帮助开发者实现特定的编程任务,无需从零开始编写代码。这些库可以包括各种功能,如数学运算、文件操作、数据分析和网络编程等。python社区提供了大量的第三方库,如numpy、pandas和requests,极大地丰富了python的应用领域,从数据科学到web开发。python库的丰富性是python成为最受欢迎的编程语言之一的关键原因之一。这些库不仅为初学者提供了快速入门的途径,而且为经验丰富的开发者提供了强大的工具,以高效率、高质量地完成复杂任务。例如,matplotlib和seaborn库在数据可视化领域内非常受欢迎,它们提供了广泛的工具和技术,可以创建高度定制化的图表和图形,帮助数据科学家和分析师在数据探索和结果展示中更有效地传达信息。

  • python库是一组预先编写的代码模块,旨在帮助开发者实现特定的编程任务,无需从零开始编写代码。这些库可以包括各种功能,如数学运算、文件操作、数据分析和网络编程等。python社区提供了大量的第三方库,如numpy、pandas和requests,极大地丰富了python的应用领域,从数据科学到web开发。python库的丰富性是python成为最受欢迎的编程语言之一的关键原因之一。这些库不仅为初学者提供了快速入门的途径,而且为经验丰富的开发者提供了强大的工具,以高效率、高质量地完成复杂任务。例如,matplotlib和seaborn库在数据可视化领域内非常受欢迎,它们提供了广泛的工具和技术,可以创建高度定制化的图表和图形,帮助数据科学家和分析师在数据探索和结果展示中更有效地传达信息。

global site tag (gtag.js) - google analytics
网站地图