Learn more about Deep Learning - Section 7

约翰霍普金斯大学的研究人员开发了一种深度学习技术，能够准确预测与癌症相关的蛋白质片段

约翰霍普金斯大学的工程师和癌症研究人员共同开创了个性化癌症治疗的突破，他们利用尖端的深度学习技术开发了BigMHC。这一创...

为软件开发人员探索机器学习框架

本文探讨了机器学习框架在软件开发中的重要性，并提供了对流行框架的深入见解

PyTorch模型性能分析与优化 —— 第三部分

这是一系列关于使用PyTorch Profiler和TensorBoard分析和优化PyTorch模型的帖子的第三部分我们的意图是强调使用这些工具的好...

音频源分离的万能钥匙：介绍AudioSep，将您所描述的任何音频分离开来

计算听觉场景分析（CASA）是音频信号处理领域的一个分支，专注于在复杂听觉环境中分离和理解各个声音源。一种新的CASA方法是...

在Mozilla Common Voice上的语音识别——音频转换

这是基于Mozilla Common Voice数据集的语音语言识别的第三篇文章在第一部分中，我们讨论了数据选择和数据预处理，在第二部分...

多模态语言模型解释：视觉指令调整

“LLM在许多自然语言任务上展示了令人期待的零样本学习和少样本学习的结果然而，当涉及需要视觉推理的任务时，LLM处于劣势…”

SIGGRAPH特别演讲：NVIDIA首席执行官将生成式人工智能带到洛杉矶展会

随着生成式人工智能在日益数字化、超连接的世界中持续席卷，NVIDIA创始人兼首席执行官黄仁勋在世界顶级计算机图形学会议SIGGR...

生成式人工智能：CHATGPT、Dall-E、Midjourney等背后的理念

艺术、交流和我们对现实的认知正在迅速转变如果我们回顾人类创新的历史，我们可能会认为轮子的发明或电力的发现是具有里程碑...

这项人工智能研究介绍了一种深度学习模型，它可以通过监听附近手机记录的按键击来窃取数据，准确率达到95%

随着深度学习的不断发展和麦克风的普及，以及个人设备上在线服务的日益流行，声学侧信道攻击对键盘的影响潜力正在上升。 来自...

“量子纠缠评估的革命：深度学习如何在有限数据情况下超越传统方法”

系统中的纠缠量取决于各种因素，如系统的随机性和纠缠系数。系统的这个属性由使用机器学习或深度学习算法演示或预测的指定数...

‘nnU-Net终极指南’

深入研究我们关于nnU-Net的全面指南，这是图像分割领域的领先工具掌握实现最先进结果的知识

贝叶斯深度学习简介

欢迎来到令人兴奋的概率编程世界！本文是初学者的贝叶斯深度学习和深度神经网络介绍

Transformers中的自注意力机制

一个适合初学者的自注意力指南自注意力是“Transformer”的核心，也是当前人工智能领域所有进展的关键驱动因素之一

机器学习路线图：2023年社区推荐

在上一篇文章中，这个路线图的第一部分，我们简要讨论了机器学习的起步工具和方向我们提出了一个简单的计划，可以帮助初学者...

Mozilla Common Voice上的口语识别——第一部分

“识别说话者的语言以便进行后续的语音转文本转换是最具挑战性的人工智能任务之一这个问题可能出现在许多情况下，例如当人们生...

转变您的数据科学项目：发现将变量存储在YAML文件中的好处

本博客文章将讨论在数据科学项目中使用YAML文件作为存储变量、参数和超参数的中央存储库的好处它将解释这种做法如何…

在人工智能和工业数字化时代，开发者们将目光投向OpenUSD

从智能工厂到下一代铁路系统，全球的开发者和企业正竞相利用各种规模的机会推动工业数字化。 关键在于开源的通用场景描述（Un...

深度学习用于深度对象：ZoeDepth是一个用于多领域深度估计的AI模型

你是否曾经遇到过一种错觉，其中图像中的孩子看起来比成年人更高更大？Ames房间错觉就是其中的一种，它涉及到一个形状像梯形...

基于深度学习的快速准确声音全息生成框架

由DGIST电子工程与计算机科学系的黄宰允教授领导的团队开发了一种基于深度学习的超声全息生成框架技术，可以实时根据全息图进...

机器学习模型的可解释性：增加对人工智能系统的信任和理解

为了在人工智能领域进行道德和可信赖的应用，研究人员必须继续创造方法论，平衡模型复杂性和易于解释性