每日文摘 | 2018年12月06日

Cancer researchers seek to harness mysterious DNA 『super-enhancers』 | Nature實驗性的癌症治療方法利用被稱為超級增強子的DNA片段來激活基因,這是第一次進入臨床。但科學家們仍然在爭論這些片段是如何起作用的,以及它們是否代表了一種新的基因調控方式。原文連接 Identification of evolutionarily conserved gene networks mediating neurodegenerative dementia | Nature Medicine確定遺傳風險導致痴呆的機制是新治療發展的必要條件。在這裡,研究人員應用多階段系統生物學方法來闡明額顳葉痴呆的疾病機制。他們鑒定了兩個基因共表達模塊,這些模塊保存在具有不同遺傳背景的MAPT、GRN和其他痴呆突變的小鼠中。論文連接 Experimental ...
Read more

ShuffleNetV2:輕量級CNN網路中的桂冠

目前衡量模型複雜度的一個通用指標是FLOPs,具體指的是multiply-add數量,但是這卻是一個間接指標,因為它不完全等同於速度。如圖1中的(c)和(d),可以看到相同FLOPs的兩個模型,其速度卻存在差異。這種不一致主要歸結為兩個原因,首先影響速度的不僅僅是FLOPs,如內存使用量(memory access cost, MAC),這不能忽略,對於GPUs來說可能會是瓶頸。另外模型的並行程度也影響速度,並行度高的模型速度相對更快。另外一個原因,模型在不同平台上的運行速度是有差異的,如GPU和ARM,而且採用不同的庫也會有影響。 圖2:不同模型的運行時間分解據此,作者在特定的平台下研究ShuffleNetv1和MobileNetv2的運行時間,並結合理論與實驗得到了4條實用的指導原則:(G1)同等通道大小最小化內存訪問量 對於輕量級CNN網路,常採用深度可分割卷積(depthwise ...
Read more

2019:邁向高能NLP之路!

今天是2019年的第一天,這也是我第一次在知乎記錄並分享自己的【高能NLP之路】。過去的2018年,從大數據到機器學習,從推薦系統CTR預估再到IR-QA、KB-QA,兜兜轉轉最後來到自然語言處理,未來的每一天我都將與NLP相伴,記錄自己的NLP學習之路。下面,簡單談一下自己在對NLP的體會。過去的2018年,對我自己影響很深的是微軟亞洲研究院二十周年「預見未來」系列文章——《NLP將迎來黃金十年》,文中提到: 未來十年將是NLP發展的黃金檔:1、來自各個行業的文本大數據將會更好地採集、加工、入庫。2、來自搜索引擎、客服、商業智能、語音助手、翻譯、教育、法律、金融等領域對 ...
Read more

四步簡單實現智能自動化

誰應該推動這一過程呢? 根據我們的經驗,推動者應該是負責流程自動化的業務團隊:財務、稅務及供應鏈等。業務主導方法是由支持業務的IT團隊來驅動,而不是擁有該項目。這樣做有利於更有效地完成結果。這一過程直接影響的每個人都應該從一開始就參與進來,設定目標,推動每一步的進程,對最終結果負責,並實現業務案例中所概述的利益。 2 我們應該實現什麼樣的自動化 我們又能走多遠呢? 毫無疑問,業務領域中很多「東西」都可以實現自動化。因此,真正的問題應該是「但是你為什麼要實現自動化呢?」。最好的答案並不是「因為智能自動化可以帶來很多好處。」試想一下,如果插入一個小支架就可以解決問題,那麼心臟醫生會更換瓣膜嗎?因此,我們需要全面考慮智能自動化所能給我們帶來的機會,思考怎麼才能把智能自動化做到最好,也就是進行優化,而不僅僅是著眼於它的效用。畢竟,有時候80%的價值是由20%的工作產生的。 智能自動化的主要好處之一是:開發 ...
Read more

大學實習應該避開哪些坑?

Tags: 人工智慧
實習是大學裡很重要的一課,這門課沒有老師幫你劃重點,也不會用考試來衡量你是否合格。這是你從校園邁入社會的起點,這時的你充滿熱情、幹勁與憧憬,渴望去創造價值也獲得自我的成長,但是這其中或多或少會遇到一些挫折,甚至讓你產生挫敗感。可人生就是如此,多去體會、去感受,讓自己認清生活並且更加熱愛生活。在大學時代,很多人都有實習的經歷, 今天我們就給大家分享一些關於實習的建議。通過實習去了解這個行業實習是你提前體驗和了解行業的開始,這個行業的主要工作是什麼?產業鏈是怎樣的?你是否對這個行業感興趣,並且想要長期在這個行業里發展?通過實習你會對這個行業產生一定的認知,是不是跟你想像中存在著巨大的差別,而且還會對自己產生比較,自己的性格是不是適合這個行業?自己的能力是不是與這個行業相匹配? 所以,實習真的很重要。物質上的報酬不是第一求職要素在實習中更重要的是經驗上的積累,學校里沒有教你的,在工作中通通可以體驗。有的 ...
Read more

Inception模型進化史:從GoogLeNet到Inception-ResNet

Inception-v1就是眾人所熟知的GoogLeNet,它奪得了2014年ImageNet競賽的冠軍,它的名字也是為了致敬較早的LeNet網路。GooLenet網路率先採用了Inception模塊,因而又稱為Inception網路,後面的版本也是在Inception模塊基礎上進行改進。原始的Inception模塊如圖2所示,包含幾種不同大小的卷積,即1x1卷積,3x3卷積和5x5卷積,還包括一個3x3的max pooling層。這些卷積層和pooling層得到的特徵concat在一起作為最終的輸出,也是下一個模塊的輸入。圖2 ...
Read more

【讓AI走下神壇】造AI晶元、建開源框架,華為雲開發者大行動

今年5月,華為副總裁、華為雲BU總裁鄭葉來在2018數博會上提出「華為雲普惠AI」的概念,成為國內第一批試圖把AI門檻降到最低的先行者。華為雲對普惠AI的設想是「用得起、用得好、用得放心」,從數據成本、機器學習成本、數據隱私保護等方面探索AI的普惠化。以華為雲發布智能數據湖技術為例,智能數據湖實現一份數據支持數據全生命周期無縫流轉,多種分析引擎共享,簡化數據服務之間配合;同時,開放格式,實現用戶數據上雲免轉換,讓人工智慧更易用而且極速高效。在PB級10萬億的記錄數據規模下,實現多個組合條件查詢,皆能秒級精準找到目標數據。對於華為雲提出了「普惠AI」的概念,讓每家公司都「用得起、用得好、用得放心」的願景,CMU機器學習系創始人、著名教科書《機器學習:一種人工智慧方法》作者Tom ...
Read more

新一代人工智慧爆發,助力教育體系革新

人工智慧發展在20世紀50年代末和80年代初先後經歷兩次小的浪潮,但因為技術瓶頸、數字化數據局限、應用成本過高等問題而未能實現有效突破,對社會經濟生活產生的影響很小。 2006年,Hinton等人提出的深度學習技術,掀起人工智慧的第三次浪潮。ImageNet競賽代表了計算機智能圖像識別領域最前沿的發展水平,2015年基於深度學習的人工智慧演算法在圖像識別準確率方面第一次超越了人類肉眼,人工智慧實現了飛躍性的發展。隨著機器視覺研究的突破,深度學習在語音識別、數據挖掘、自然語言處理等不同研究領域相繼取得突破性進展。2016年,微軟將英語語音識別詞錯率降低至5.9%,可與人類相媲美。 ...
Read more

深度學習在虹膜識別中有哪些應用?(下)——技術難點和解決方案

比如:瞳孔形狀非正圓、用戶配合度要求高(位置、姿態)、圖像模糊、光照強度和明暗變化、瞳孔尺度變化、睫毛頭髮遮擋等 其中①針對圖像模糊、光照強度和明暗變化、用戶配合度(位置、姿態)的問題,現有的解決方案是通過深度學習人臉庫預訓練和數據增強(模糊圖片和光照變化圖片),深度學習檢測方法和利用MTCNN網路進行虹膜檢測。 網路結構如下:P-Net用來生成候選窗和邊框回歸向量,並使用非極大值抑制(NMS)合併重疊框疊的候選框。②針對虹膜非正圓(天然非正圓/用戶斜眼)、尺度變化(瞳孔大小)的問題,我們嘗試深度學習語義分割方法、公開數據集預訓練、訓練時加入多尺度方案(Atrous卷積、FCN網路結構)進行虹膜分割。 針對多尺度變換的解決方案通常有下面四種:影像金字塔、U-Net結構、atrous ...
Read more

用外觀判斷論文好壞?這位頂會領域主席的論文被自己的AI審稿系統拒絕了

機器之心報道,機器之心編輯部。 今日,arXiv 上剛發布的一篇論文引起了極大的關注。該研究基於論文的視覺外觀訓練了一個分類器來預測一篇論文應該被接收或者拒絕。該論文作者為弗吉尼亞理工學院助理教授 Jia-Bin Huang,同時他也是 CVPR 2019、ICCV 2019 的領域主席(Area Chair,AC)。 這篇有趣的論文剛剛公開就在 Twitter 上引發熱議。這篇文章表示,好的論文版面非常重要。該研究中僅基於論文視覺外觀訓練出的分類器可以拒絕 50% 的壞論文,只有 0.4% 的好論文沒被接收。然而,作者把訓練出的分類器應用到這篇論文本身時,該論文遭到了無情拒絕,且拒絕概率高達 97%。真是自作孽啊(大霧…… 當然,網上評論中也存在質疑。有網友表示,「一篇論文該不該被接收要由視覺外觀決定嗎?」在了解此論文之前,讓我們先看下視頻演示:Deep Paper ...
Read more
1 2 108 Next