新的深度神经网络模型命名为CODEnn-澳门皇冠赌场官网|澳门皇冠赌场网站|皇冠赌场娱乐官方网站

    1. <form id='s8u8t'></form>
        <bdo id='s8u8t'><sup id='s8u8t'><div id='s8u8t'><bdo id='s8u8t'></bdo></div></sup></bdo>

            新的深度神经网络模型命名为CODEnn

            论智 2018-07-13 09:16 次阅读

            在软件开发过程中,经常需要进行代码搜索。然而,现有的代码搜索方法大都将代码视作文本,依赖源代码和自然语言查询的文本相似性。由于缺乏对查询和源代码的语义的理解,在某些场景下,无法返回期望的结果。

            例如,下面这段代码读取xml文档:

            publicstatic < S > S deserialize(Class c, File xml) {

            try {

            JAXBContext context = JAXBContext.newInstance(c);

            Unmarshaller unmarshaller = context.createUnmarshaller();

            S deserialized = (S) unmarshaller.unmarshal(xml);

            return deserialized;

            } catch (JAXBException ex) {

            log.error("Error-deserializing-object-from-XML", ex);

            returnnull;

            }

            }

            然而,由于代码中并不包含“读取”(read)一词,因此现存的方法可能无法成功返回这一代码片段。

            有鉴于此,HKUST和微软研究院的研究人员顾小东、Hongyu Zhang、Sunghun Kim最近发表论文,使用深度神经网络,学习源代码和自然语言查询的统一向量表示,以支持代码语义搜索。

            CODEnn

            研究人员将其新提出的深度神经网络模型命名为CODEnn(Code-Description Embedding Neural Network,代码-描述嵌入神经网络)。CODEnn的主要思路是将代码片段和自然语言查询联合嵌入一个统一的向量空间,使查询嵌入和相应的代码片段嵌入为相近的向量(可以通过向量相似度匹配)。

            联合嵌入

            首先让我们简单温习一下联合嵌入的概念。

            联合嵌入(joint embedding),又称多模态嵌入(multi-modal embedding),可以将异构数据嵌入统一的向量空间,使得模态不同而语义相似的概念在空间中占据相近区域。形式化地表述为:

            其中,φ、ψ为嵌入函数,J衡量相似度。

            在CODEnn中,φ为源代码嵌入网络(CoNN),ψ为自然语言描述嵌入网络(DeNN),J为余弦相似度。

            具体架构

            具体而言,CODEnn的嵌入网络主要使用了循环神经网络(RNN)和最大池化,架构如下:

            从上图我们可以看到,正如我们之前提到的那样,网络架构分为三个模块。下面我们将从上往下,从右向左地依次说明这三个模块:

            相似度模块

            DeNN

            CoNN

            相似度模块

            这是最简单的模块,将代码和相应描述转换为向量后,通过这一模块衡量两者的相似度。具体而言,使用的是余弦相似度:

            DeNN

            DeNN将自然语言描述嵌入为向量。DeNN使用循环神经网络(tanh激活)和最大池化完成嵌入:

            CoNN

            由于代码不是简单的纯文本,包含多种结构性信息。因此,CoNN的架构要比DeNN复杂。

            CoNN考虑代码的三个方面:

            方法名

            API调用序列

            代码中包含的token

            从每个代码片段中提取以上三方面的信息后,分别嵌入,然后融合成单个向量表示。

            上式中,c为整个代码片段的向量表示,m、a、t分别为方法名、API调用序列、token的嵌入向量表示。

            方法名的嵌入和DeNN类似,同样使用循环神经网络(tanh激活)和最大池化:

            API调用序列的嵌入同理:

            token的嵌入有所不同。因为并不在意token的顺序,也就是说,不把token作为序列数据,所以就不使用循环神经网络了。使用的是多层感知器(MLP),也就是普通的全连接层。不过仍然搭配了tanh激活和最大池化:

            模型训练

            CODEnn接受代码、描述作为输入,预测其嵌入表示的余弦相似度。具体而言,每个训练样本为一个三元组(C, D+, D-),其中C为代码片段,D+为正面样本(C的正确描述),D-为负面样本(随机选取的不正确描述)。训练时,CODEnn预测(C, D+)和(C, D-)的余弦相似度,并最小化以下损失:

            上式中,θ为模型参数,P为训练数据集,c、d+、d-为C、D+、D-的嵌入向量,ε为边缘常数,在研究人员的试验中,ε的值定为0.05. 从直觉上说,最小化以上损失,将鼓励代码片段和正确描述的余弦相似度提高,代码片段和错误描述的余弦相似度下降。

            下面是一些实现的细节:

            循环神经网络选用的是双向LSTM,每个双向LSTM在每个方向上有200个隐藏单元。

            词嵌入维度为100.

            嵌入token的MLP有100个隐藏单元。

            融合代码片段不同方面的MLP有400个隐藏单元。

            优化算法为mini-batch Adam,batch大小为128.

            词汇量限制为10000(10000个训练集中最常用的单词)。

            模型基于Keras构建。

            在单块Nvidia K40 GPU上,训练耗时约50小时(500个epoch)。

            收集训练语料

            CODEnn模型需要大规模的训练语料,语料包括代码元素和相应的描述,即(方法名, API调用序列, token, 描述)元组。

            研究人员利用GitHub上的开源项目准备语料:

            下载了GitHub上所有创建于2008年8月至2016年6月的Java项目。

            排除所有未加星的项目,以移除玩具项目和试验性项目。

            选取带有文档注释的Java方法(Java中的文档注释以/**开始,以*/收尾)。

            最终收集到了18233872个Java方法。

            Java方法名的提取很简单,根据驼峰原则解析即可,例如,listFiles将被解析为list和files。

            API调用序列的提取要复杂一点。研究人员使用Eclipse JDT编译器解析了AST,并根据如下规则生成API调用序列:

            new C() ->C.new

            o.m() ->C.m (o为类C的实例)

            方法调用作为参数传入时,传入的方法调用在前:o1.m1(o2.m2(), o3.m3()) ->C2.m2-C3.m3-C1.m1

            提取语句序列s1;s2;...;sN中每个语句si的方法调用序列ai,并连接:a1-a2-...-aN

            条件语句的调用序列包括所有分支:if (s1) {s2;} else {s3} ->a1-a2-a3

            循环语句:while (s1) {s2;} ->a1-a2

            token提取,同样根据驼峰原则解析方法主体,并移除重复token。同时也移除了一些停止词(例如the、in)和Java关键字,因为这些词在源代码中频繁出现,区分性不好。

            描述提取,也用到了Eclipse JDT编译器,从AST提取JavaDoc注释。根据Javadoc指导原则,JavaDoc注释的第一句话通常是方法的概述,因此研究人员将JavaDoc注释的第一句话作为描述。

            一个提取的例子

            DeepCS

            研究人员基于CODEnn模型创建了一个代码搜索工具DeepCS。给定自然语言查询,DeepCS会建议最相关的K个代码片段。DeepCS系统包含三个主要阶段:

            离线训练

            离线代码嵌入

            在线代码搜索

            DeepCS事先将代码库中的所有代码片段嵌入为向量(使用训练好的CODEnn模型的CoNN模块)。在线搜索时,当开发者输入自然语言查询时,DeepCS首先使用训练好的CODEnn模型的DeNN模块将查询嵌入为向量,然后估计查询向量和所有代码向量的余弦相似度,并返回相似度最高的K个(比如,10个)代码片段作为搜索结果。

            试验

            试验设置

            为了更好地评估模型的表现,研究人员使用了不同于训练语料的独立代码库。研究人员选取了GitHub上至少有20星的Java项目。和训练语料不同,测试数据集包含所有代码(包括那些没有Javadoc注释的代码)。总共收集了9950个项目,从中得到了16262602个方法。

            研究人员从Stack Overflow问答网站中选取了得票最高的Java编程问题,并手工检查了这些问题,确保其符合标准:

            这个问题关于一项具体的Java编程任务。研究人员剔除了描述含糊抽象的问题,比如“加载JNI库失败”,“StringBuilder和StringBuffer的区别是什么?”,“为什么Java有transient域?”

            接受的答案包含Java代码片段。

            不与之前的问题重复。

            评估指标

            两个开发者独立地查看搜索结果,并标注其相关性。接着互相讨论不一致的标签,并重新标注。重复这一过程,直到达成共识。

            研究人员使用了4个常用的指标衡量代码搜索的有效性。其中2个指标衡量单次代码搜索查询的有效性:

            FRank 首个命中结果在结果列表中的位置。由于用户从上往下查看结果,因此较小的FRank值意味着找到所需结果需要花费的精力较少。

            Precision at k 衡量k个返回结果中相关结果所占的比例。

            Precision at k很重要,因为开发者经常会查看多个结果,良好的带吗搜索引擎应该避免给开发者过多的噪声。Precision at k越高,代码搜索的表现就越好。研究人员评估了k值为1、5、10时的Precision at k.

            另外两个指标衡量一组查询的表现:

            SuccessRate at k 衡量在前k个结果中命中结果的比例。

            其中,Q为查询集合,δ函数在输入为真时返回1,否则返回0. SuccessRate at k越高,代码搜索的总体表现就越好。和Precision at k一样,研究人员评估了k值为1、5、10时的SuccessRate at k.

            MRR 是一组查询中FRank倒数的平均数。MRR越高,代码搜索的总体表现就越好。

            评测对比

            研究人员对比了CodeHow(当前最先进的代码搜索引擎)和Lucene(许多代码搜索工具使用的流行文本搜索引擎)的表现:

            上表中,NF表示未找到,LC表示Lucene,CH表示CodeHow,DCS表示DeepCS。

            从上表我们可以看到,一般来说,相比Lucene和CodeHow,DeepCS能返回更相关的结果。统计数据也证实了这一点。

            例子

            为了演示DeepCS的优势,研究人员提供了一些具体的例子。

            上面的两个查询中,第一个queue是动词(加入队列),第二个queue是名词(队列)。普通的文本搜索引擎很难区分两者,而DeepCS成功理解了两者的不同。

            上面这个例子展示了DeepCS的鲁棒性。CodeHow返回了很多与查询中不太重要的单词(比如specified和character)相关的结果,而DeepCS可以成功识别不同关键词的重要性,理解查询的关键点。

            这个例子展示了DeepCS能够理解查询的语义。尽管代码片段中不包含查询中的关键词“read”(读取)和“song”(歌曲),DeepCS仍然找到了语义相关的结果,“deserialize”(反序列化)和“voice”(声音)。

            当然,DeepCS有时可能会返回不够精确的结果。

            上图中的查询语句为“生成md5”,精确结果在返回结果列表中排在第7,而部分相关的结果(生成校验值)却排在结果列表的前面。研究人员打算以后在模型中加入更多代码特征(例如上下文环境),以进一步提升表现。

            热门推荐

            原文标题:ICSE 2018:港科大、微软研究院提出深度学习代码搜索模型

            文章出处:【微信号:jqr_AI,微信公众号:论智】欢迎添加关注!文章转载请注明出处。

            收藏 人收藏
            分享:

            评论

            相关推荐

            关于对生成式对抗网络的研究

            博弈中的一名玩家称为生成器, 它的主要工作是生成样本, 并尽量使得其看上去与训练样本一致.。

            的头像 摄像头观察 发表于 07-17 17:40 529次 阅读
            关于对生成式对抗网络的研究

            iPhone X的面部识别系统陷入困境的某些情况

            虽然苹果宣称被他人通过FaceID解锁手机的概率不到百万分之一,但在经过了一整天的工作生活之后,人脸....

            的头像 人工智能 发表于 07-17 17:26 515次 阅读
            iPhone X的面部识别系统陷入困境的某些情况

            文本分类任务介绍和传统机器学习方法

            Static vs. Non-static Representations: 在大部分的语料上,CN....

            的头像 人工智能爱好者社区 发表于 07-17 17:03 110次 阅读
            文本分类任务介绍和传统机器学习方法

            decaNLP通用模型诞生,可以轻松搞定十项自然语言任务

            近日,Salesforce发布了一项新的研究成果:decaNLP——一个可以同时处理机器翻译、问答、....

            的头像 人工智能头条 发表于 07-17 16:25 173次 阅读
            decaNLP通用模型诞生,可以轻松搞定十项自然语言任务

            IQ测试是否能测量AI的推理能力?

            基于神经网络的机器学习模型取得了惊人的成绩,但是测量其推理抽象概念的能力却是非常困难的。

            的头像 人工智能学家 发表于 07-17 14:33 78次 阅读
            IQ测试是否能测量AI的推理能力?

            人工智能未来发展趋势是从复制你的双手到复制你的思想?

            当人工智能可以帮助人类承担一些工作时,我们总是把双方的职责划分的很清楚。人类工作时,很少看到人工智能....

            发表于 07-17 12:58 20次 阅读
            人工智能未来发展趋势是从复制你的双手到复制你的思想?

            卷积神经网络的问题及其解决方案CoordConv

            这听起来非常聪明,但作者实际上提出的是该领域任何一名从业者都认为是理所当然的东西——添加一个更适合解....

            的头像 新智元 发表于 07-17 09:45 243次 阅读
            卷积神经网络的问题及其解决方案CoordConv

            人工智能将模糊图像变清晰只需几毫秒

            7月11日消息,照片光线不是很好?不用担心,人工智能软件可以帮你解决。

            的头像 重庆人工智能 发表于 07-16 17:22 226次 阅读
            人工智能将模糊图像变清晰只需几毫秒

            构建一个决策树并查看它如何进行预测

            正如你所看到的,决策树非常直观,他们的决策很容易解释。 这种模型通常被称为白盒模型。 相反,正如我们....

            的头像 人工智能爱好者社区 发表于 07-16 17:12 175次 阅读
            构建一个决策树并查看它如何进行预测

            骁龙AIE在人工智能产业的应用

            高通的AI平台从骁龙820开始,到第二代骁龙830以及第三代的骁龙845。目前已经发布了基于神经网络....

            的头像 面包板社区 发表于 07-16 17:07 204次 阅读
            骁龙AIE在人工智能产业的应用

            关于Apollo 2.5预测系统的内容分享

            第二部是逻辑推理阶段,这也是预测直接使用神经网络的方式。就Apollo来说,对车辆进行了深度神经网络....

            的头像 佐思汽车研究 发表于 07-16 10:54 132次 阅读
            关于Apollo 2.5预测系统的内容分享

            人工智能基础高中教材已经正式发布人工智能入门必备籍

            人工智能技术现已进入加速发展的新阶段,人工智能时代的来临,将对人类的社会生活产生深远的影响。政府部门....

            的头像 算法与数据结构 发表于 07-16 10:46 303次 阅读
            人工智能基础高中教材已经正式发布人工智能入门必备籍

            《硅谷》里使用深度学习识别热狗的软件Not Hotdog正式获得艾美奖提名!

            今天,制作这款的APP的Tim Anglade(是的,这款APP是他一个人制作的,当然得到了很多人的....

            的头像 新智元 发表于 07-16 09:46 287次 阅读
            《硅谷》里使用深度学习识别热狗的软件Not Hotdog正式获得艾美奖提名!

            神经网络、机器翻译、情感分类和自动评论等研究方向的5篇论文

            现实世界中很多文档都具有超链接的结构。例如,维基页面(普通网页)之间通过URL互相指向,学术论文之间....

            的头像 新智元 发表于 07-16 09:43 173次 阅读
            神经网络、机器翻译、情感分类和自动评论等研究方向的5篇论文

            Uber提出卷积网络在坐标变换上的缺陷限制了它的性能提升

            所以为什么网络很难定位一个像素呢?是因为从小空间到大空间的转换很困难吗?如果朝一个方向会不会容易点呢....

            的头像 论智 发表于 07-16 09:21 448次 阅读
            Uber提出卷积网络在坐标变换上的缺陷限制了它的性能提升

            推荐系统最新入门指南,如何公平地评估推荐系统?

            这类系统利用用户的交互来过滤感兴趣物品。我们可以将交互的集合可视化为一个矩阵,其中每一项(i, j)....

            的头像 论智 发表于 07-16 08:57 342次 阅读
            推荐系统最新入门指南,如何公平地评估推荐系统?

            基于STM32设计的智能平衡小车源代码免费下载

            本文档的主要内容详细介绍的是基于STM32设计的智能平衡小车源代码 支持手机及电脑上位机控制的平衡小....

            发表于 07-16 08:00 36次 阅读
            基于STM32设计的智能平衡小车源代码免费下载

            人工智能对信息基础设施的影响,听听行业大咖怎么说

            扫地机器人、智能农药喷洒机、无人机、自动驾驶汽车……人工智能技术在不断突破我们想象力的同时,也越来越....

            发表于 07-15 10:30 89次 阅读
            人工智能对信息基础设施的影响,听听行业大咖怎么说

            用人类智商测试题检验神经网络的抽象推理能力

            既然目的是让AI做题,我们先得有题啊!当然了,手动搜集整理是不可能的,为了创建题库,首先我们构建了一....

            的头像 论智 发表于 07-14 08:52 284次 阅读
            用人类智商测试题检验神经网络的抽象推理能力

            机智云Gokit3.0源代码分析之按键处理机制

            结构体包括第几个按键、所属按键时钟、Port、Gpio、短按回调函数与长按回调函数,gokitKey....

            的头像 机智云开发者 发表于 07-13 14:57 150次 阅读
            机智云Gokit3.0源代码分析之按键处理机制

            机智云Gokit3.0源代码分析之协议结构体的定义

            这里主要定义了一些gizwits协议的下发报文标志、缓冲区、数据长度、sn、系统时间、上次上报数据的....

            的头像 机智云开发者 发表于 07-13 14:53 126次 阅读
            机智云Gokit3.0源代码分析之协议结构体的定义

            机智云Gokit3.X源代码分析之串口接收数据这块的机制

            环形缓冲区通常有一个读指针和一个写指针。读指针指向环形缓冲区中可读的数据,写指针指向环形缓冲区中可写....

            的头像 机智云开发者 发表于 07-13 14:51 127次 阅读
            机智云Gokit3.X源代码分析之串口接收数据这块的机制

            机智云Gokit3.X源代码分析之一

            将每个按键的物理GPIO以及长短按回调函数都赋值到相应数组,这里一共初始化了2个按键,之后将数组地址....

            的头像 机智云开发者 发表于 07-13 14:47 221次 阅读
            机智云Gokit3.X源代码分析之一

            DeepMind提出了一种让神经网络进行抽象推理的新方法

            我们还没有办法让机器学习智能体接触到类似的“日常体验”,这意味着我们无法轻易地衡量它们将知识从现实世....

            的头像 新智元 发表于 07-13 10:03 215次 阅读
            DeepMind提出了一种让神经网络进行抽象推理的新方法

            “导游Bot”在模拟的纽约市中导航定位,使用自然语言跟“游客Bot”交流

            研究人员表示,Talk the Walk是首个将所有三个要素结合在一起的任务:感知(游客Bot观察世....

            的头像 新智元 发表于 07-13 09:57 253次 阅读
            “导游Bot”在模拟的纽约市中导航定位,使用自然语言跟“游客Bot”交流

            无需使用没有“噪声”的清晰图像,就能够实现完美去水印

            如何生成清晰的图像是医学成像检测(如MRI)和天文图像中的共同问题,因为这些场景根本没有足够的时间和....

            的头像 新智元 发表于 07-13 09:52 261次 阅读
            无需使用没有“噪声”的清晰图像,就能够实现完美去水印

            深度学习应用在超分辨率领域的9个模型

            我们曾分享过的实时图像识别只是其中一种应用。我们还可以利用深度学习来做超分辨率。我们这次就分享一下用....

            的头像 人工智能头条 发表于 07-13 09:40 1020次 阅读
            深度学习应用在超分辨率领域的9个模型

            测量神经网络的抽象推理能力

            神经网络是否可以学习抽象推理,还是仅仅浅显地学习统计数据学习,是最近学术界辩论的主题。

            的头像 人工智能头条 发表于 07-13 09:37 351次 阅读
            测量神经网络的抽象推理能力

            迫使神经网络完成计划之外的任务

            谷歌的研究人员在Arxiv.org发表了一篇题为“神经网络的对抗性重编程”的论文,描述了一种能够对机....

            的头像 人工智能快报 发表于 07-13 09:29 284次 阅读
            迫使神经网络完成计划之外的任务

            电子产品设计系统声思维及源代码

            发表于 07-13 03:13 1次 阅读
            电子产品设计系统声思维及源代码

            超分辨率神经网络原理

            而我们在深度学习中的卷积神经网络(如下图为例),就是模仿了人类视觉系统的处理过程。正因此,计算机视觉....

            的头像 声网Agora 发表于 07-12 15:07 210次 阅读
            超分辨率神经网络原理

            一文看尽获奖论文及Google、Facebook、微软、腾讯的最新科研成果

            研究者还使用深度神经网络实现了这种基于反馈的树搜索算法并在《王者荣耀》1v1 模式上进行了测试。为了....

            一文看尽获奖论文及Google、Facebook、微软、腾讯的最新科研成果

            深入浅出的介绍了深度学习的理论——用理论的力量横扫深度学习!

            很多机器学习问题是深度为2的子案例,例如,输入层和输出层之间的一个隐含层。通常假设网络的结构、数据分....

            的头像 新智元 发表于 07-12 09:25 225次 阅读
            深入浅出的介绍了深度学习的理论——用理论的力量横扫深度学习!

            一个拥有100多万台相变存储器器件的脉冲神经网络中对多记忆突触结构进行了实验演示

            采用一种基于计数的仲裁机制(counter-based arbitration scheme)来选择....

            的头像 新智元 发表于 07-12 09:21 174次 阅读
            一个拥有100多万台相变存储器器件的脉冲神经网络中对多记忆突触结构进行了实验演示

            谷歌在TensorFlow开发者峰会上发布TensorFlow的JavaScript版本

            如上所述,神经网络非常适合对非结构化数据进行建模,而本文的示例数据集是泰坦尼克号,它只包含表格数据。....

            的头像 论智 发表于 07-12 08:47 228次 阅读
            谷歌在TensorFlow开发者峰会上发布TensorFlow的JavaScript版本

            让音乐更柔和 MIT用AI过滤音源

            PixelPlayer能够利用人工智能来区分和过滤声音,让音乐听起来更洪亮或更柔和。

            的头像 人工智能 发表于 07-11 17:05 222次 阅读
            让音乐更柔和 MIT用AI过滤音源

            MIT机械工程学院研究人员们正致力于开发新的软件,通过与硬件协作创造出真正的日常智能设备

            这种方法的关键在于较好的控制人工突触,当施加电压的时候,非晶结构的神经形态芯片上的离子流动很难控制。....

            的头像 将门创投 发表于 07-10 11:00 256次 阅读
            MIT机械工程学院研究人员们正致力于开发新的软件,通过与硬件协作创造出真正的日常智能设备

            深度学习已经成熟到可以教给高中生了么?

            在最顶级,也是最容易的层级,是几何光学。几何光学是对波光学的抽象,光射线于于表达简单的矢量波光 学的....

            的头像 人工智能和机器人研究院 发表于 07-10 08:48 273次 阅读
            深度学习已经成熟到可以教给高中生了么?

            师法自然 浅谈深度学习的多重角度

            谷歌技术人员、MIT博士Ali Rahimi受光学的启发,从功能模块化和层级的角度讨论了一种解释深度....

            的头像 人工智能学家 发表于 07-10 08:46 220次 阅读
            师法自然 浅谈深度学习的多重角度

            从六大视角全面解析人工智能

            人工智能只是一项新技术吗?从任一角度诠释AI,都是狭隘并且不完整的。亿欧智库在最新发布的研究报告中,....

            的头像 人工智能和机器人研究院 发表于 07-10 08:41 1139次 阅读
            从六大视角全面解析人工智能

            基于ML-Agents v0.4,在Unity 2018搭建的虚拟城市环境中训练了一辆自动驾驶车辆

            基于ML-Agents可以将自动驾驶车辆摄像头获取道路的图片信息,发送给Python的训练模型,利用....

            的头像 智车科技 发表于 07-09 16:33 320次 阅读
            基于ML-Agents v0.4,在Unity 2018搭建的虚拟城市环境中训练了一辆自动驾驶车辆

            “中国新一代人工智能”的主题演讲

            IBM的watson医疗诊断系统已经在中国开始进行实践。在去年9月,美国的5个大的科技巨头宣布成立一....

            的头像 机器人大讲堂 发表于 07-09 15:35 511次 阅读
            “中国新一代人工智能”的主题演讲

            通过使用新的学习技术,将脑部扫描和其他三维图像的配准速度提高1000倍以上

            MRI扫描结果基本上是数百个堆叠的二维图像,形成庞大的三维图像,称为“体积”(volume),它包含....

            的头像 将门创投 发表于 07-09 09:56 226次 阅读
            通过使用新的学习技术,将脑部扫描和其他三维图像的配准速度提高1000倍以上

            2018年AI的技术发展的五大趋势是什么?它给我们带来了哪些益处

            我们需要理解的是:AI是几个相互关联的技术的总称术语。它包括:自然语言处理、机器学习、认知计算、神经....

            的头像 司南物联 发表于 07-09 09:53 214次 阅读
            2018年AI的技术发展的五大趋势是什么?它给我们带来了哪些益处

            DeepMind的最新研究结合了神经网络和随机过程的优点提出神经过程模型

            neural process的实现示意图。圆圈中的变量对应于(a)中图模型的变量,方框中的变量表示N....

            的头像 新智元 发表于 07-09 09:04 244次 阅读
            DeepMind的最新研究结合了神经网络和随机过程的优点提出神经过程模型

            基于镜像构建关于θ的函数,过拟合和L2正则化

            在线性分类问题中,我们一般认为对抗性扰动就是高维空间中的点积。对此,一种非常普遍的说法是:我们可以在....

            的头像 论智 发表于 07-09 08:41 573次 阅读
            基于镜像构建关于θ的函数,过拟合和L2正则化

            一个基于任务的深度循环网络,加入循环单元可以解决更困难的视觉问题

            在卷积RNN的每个图层中,来自较高层的前馈输入被重新修改尺寸,以匹配前馈输入的空间维度。两种类型的输....

            的头像 论智 发表于 07-08 09:48 293次 阅读
            一个基于任务的深度循环网络,加入循环单元可以解决更困难的视觉问题

            人工智能有潜力在2035年让这些经济体实现年均经济增长率翻倍

            英特尔Nervana人工智能学院,提供数百所大学的在线人工智能培训。该学院的负责人Apeland说:....

            的头像 知IN 发表于 07-06 09:20 528次 阅读
            人工智能有潜力在2035年让这些经济体实现年均经济增长率翻倍

            请问Labveiw如何调用matlab训练好的神经网络模型呢?

            发表于 07-05 17:32 370次 阅读
            请问Labveiw如何调用matlab训练好的神经网络模型呢?

            目前训练神经网络最快的方式一种新型AdamW算法

            训练速度提高 200%!「总体来看,我们发现 Adam 非常鲁棒,而且广泛适用于机器学习领域的各种非....

            的头像 中国人工智能学会 发表于 07-05 16:45 564次 阅读
            目前训练神经网络最快的方式一种新型AdamW算法

            传感器融合系统示例,谁是所有这些传感器数据的“观看者”?

            雷达和摄像头是两项传感器技术完美融合、互为补充的典范。采用这种方法的融合系统所实现的功能要远超这些独....

            的头像 智车科技 发表于 07-05 10:42 412次 阅读
            传感器融合系统示例,谁是所有这些传感器数据的“观看者”?

            用MLP做图像分类识别?

            大神吴恩达(Andrew Ng)提到的方法之一,就是划分不同集合,一部分用来训练,一部分用来验证模型....

            用MLP做图像分类识别?

            请问cc3200的sdk中有包含源代码吗?开发过程是怎么样进行的呢?

            发表于 06-07 09:46 75次 阅读
            请问cc3200的sdk中有包含源代码吗?开发过程是怎么样进行的呢?

            请问smartconfig开发手机客户端的应用程序提供源代码了吗?在哪里下载?

            发表于 06-07 05:03 45次 阅读
            请问smartconfig开发手机客户端的应用程序提供源代码了吗?在哪里下载?

            AI知识科普 | 从无人相信到万人追捧的神经网络

            发表于 06-05 10:11 283次 阅读
            AI知识科普 | 从无人相信到万人追捧的神经网络

            如何开始接触机器学习?方法统统分享给你

            发表于 05-16 11:50 672次 阅读
            如何开始接触机器学习?方法统统分享给你

            人脸识别、语音翻译、无人驾驶...这些高科技都离不开深度神经网络了!

            发表于 05-11 11:43 987次 阅读
            人脸识别、语音翻译、无人驾驶...这些高科技都离不开深度神经网络了!

            要用labview做bp神经网络预测,相关的BP-Create-Project.vi在哪里找?

            发表于 05-09 13:20 414次 阅读
            要用labview做bp神经网络预测,相关的BP-Create-Project.vi在哪里找?

            写了一个adc0832获取ad值并且用lcd1602显示的程序,但是仿真和实物连接结果都是显示0.15V,是我ad程序写错了吗?

            发表于 05-08 13:21 304次 阅读
            写了一个adc0832获取ad值并且用lcd1602显示的程序,但是仿真和实物连接结果都是显示0.15V,是我ad程序写错了吗?

            基于树莓派与神经网络自动驾驶机器人

            发表于 05-03 20:19 1409次 阅读
            基于树莓派与神经网络自动驾驶机器人