神经网络
-
2022年深度学习的发展趋势与问题
我们将人工智能(AI)深度学习的又一年激动人心的发展抛在身后——这一年充满了显着的进步、争议,当然还有争议。在我们结束 …
-
Richard Sutton 直言卷积反向传播已经落后,AI 突破要有新思路:持续反向传播
“可塑性损失”(Loss of Plasticity)是深度神经网络最常被诟病的一个缺点,这也是基于深度学习的 AI 系…
-
机器学习:不要低估树模型的威力
由于神经网络的复杂性,它们常常被认为是解决所有机器学习问题的「圣杯」。而另一方面,基于树的方法并未得到同等重视,主要原…
-
基于Pytorch Geometric和OGB构建图神经网络
译者 | 朱先忠 审校 | 孙淑娟 引言 深度学习为对非结构化数据进行预测开辟了一个全新…


























