本文为你分享一份《TensorFlow 2.0 深度学习算法实战》中文版教材。其中TensorFlow2.0更是修复之前非常多的不人性的特性，备大家欢迎。所有的项目都是 基于TensorFlow 2.0实战。后台私信回复关键词：191121 获取《Tens

与浅层学习算法相对，深度学习具有更深的架构，能够自动从样本中学习特征，卷积神经网络是典型的深度学习算法。本实验共采集正常和故障两种可听声信号，将以上两类声音信号进行提取特征后，分别放入SVM模型和卷积神经网络中进行分类。根据相关资料显示，绝缘劣化和接触不良

所谓神经网络，目前用得最广泛的一个定义是“的神经网络是由具有适应性简单单元组成的广泛并行互连的网络，它的组织能够模拟生物神经系统对真实世界物体所做出的交互反应”。BP神经网络一种按照误差逆向传播算法训练的多层前馈神经网络，是目前应用最广泛的神经网络。神经元

近期深度强化学习取得了很多成功，但也存在局限性：缺乏稳定性、可复现性差。该研究重点探讨深度策略梯度方法。深度强化学习是现代机器学习最为人所知的成就，它造就了 AlphaGO 这样广为人知的应用。对很多人来说，该框架展示了机器学习对现实世界的影响力。的确，近

经过传统切割算法处理，会无法获取图片结构信息，最终只会当成一张图片处理。那是否能引入AI来解决这个问题呢，我们来看一下，目前使用AI并拿到比较不错结果的解法是fcn+crf，基本上能够把目标物体的前景轮廓框出来，但缺点也很明显：。准确率只有80%左右边缘切

近日，来自 DeepMind 的研究者 David Silver 等人发布论文，提出一种基于梯度的元学习算法，可以在线调整元参数，使得回报既能适应具体问题，又能随着时间动态调整以适应不断变化的学习环境。一般通过预测和控制相结合的方法来实现这一目标。预测的子

随着人工智能的火热，越来越多朋友想要进入深度学习领域，但是总会遇到一个问题：想要系统的入门，但是身边的资料铺天盖地，不知道该从哪里入手。因此，本文想通过自己的一些学习经历和平时收集的一些资料，为大家提供一个深度学习的炼丹清单，以期望帮助大家对深度学习有一个

在我们日常生活中所用到的推荐系统、智能图片美化应用和聊天机器人等应用中，各种各样的机器学习和数据处理算法正尽职尽责地发挥着自己的功效。本文筛选并简单介绍了一些最常见算法类别，还为每一个类别列出了一些实际的算法并简单介绍了它们的优缺点。最常见的是，回归分析能

近期深度强化学习取得了很多成功，但也存在局限性：缺乏稳定性、可复现性差。来自 MIT 和 Two Sigma 的研究者重新检验了深度强化学习方法的概念基础，即目前深度强化学习的实践多大程度上反映了其概念基础框架的原则?该研究重点探讨深度策略梯度方法。深度