A TensorFlow implementation of “A neural autoregressive topic model”
http://blog.aylien.com/tensorflow-implementation-neural-autoregressive-topic-model-docnade/
http://blog.aylien.com/tensorflow-implementation-neural-autoregressive-topic-model-docnade/
AYLIEN
A TensorFlow implementation of "A neural autoregressive topic model" (DocNADE) - AYLIEN
In this post we give a brief overview of the DocNADE model, and provide a TensorFlow implementation.
When not to use deep learning
http://hyperparameter.space/blog/when-not-to-use-deep-learning/
http://hyperparameter.space/blog/when-not-to-use-deep-learning/
hyperparameter.space
When not to use deep learning
I know it’s a weird way to start a blog with a negative, but there was a wave of discussion in the last few days that I think serves as a good hook for some topics on which I’ve been thinking recently. It all started with a post in the Simply Stats blog by…
Evaluation code for various automated metrics for Natural Language Generation
https://github.com/Maluuba/nlg-eval
https://github.com/Maluuba/nlg-eval
GitHub
GitHub - Maluuba/nlg-eval: Evaluation code for various unsupervised automated metrics for Natural Language Generation.
Evaluation code for various unsupervised automated metrics for Natural Language Generation. - Maluuba/nlg-eval
What are the implications of relational reasoning (as talked about here) on NLP?
https://www.youtube.com/watch?v=vzg5Qe0pTKk&feature=youtu.be
https://www.youtube.com/watch?v=vzg5Qe0pTKk&feature=youtu.be
YouTube
DeepMind's AI Learns Superhuman Relational Reasoning | Two Minute Papers #168
The paper "A simple neural network module for relational reasoning" is available here: https://arxiv.org/abs/1706.01427 Details on our Patreon page: https://...
Building a Sound Classifier from scratch using Neural Networks
https://www.skcript.com/svr/building-audio-classifier-nueral-network/
https://www.skcript.com/svr/building-audio-classifier-nueral-network/
Skcript
How to teach Neural Networks to detect everyday sounds | Skcript
How to build a Sound Classifier from scratch using Neural Networks. Recognizing day-to-day sounds using Artificial Intelligence. Learn more.
Pedestrian Alignment for Person Re-identification
https://github.com/layumi/Pedestrian_Alignment
https://github.com/layumi/Pedestrian_Alignment
GitHub
layumi/Pedestrian_Alignment
TCSVT2018 Pedestrian Alignment Network for Large-scale Person Re-identification - layumi/Pedestrian_Alignment
Deep-eye-ballers: Scatter2Pearson - Training CNNs to regress the correlation coefficient from scatterplots
https://github.com/vinayprabhu/Deepeyeballers
https://github.com/vinayprabhu/Deepeyeballers
GitHub
vinayprabhu/Deepeyeballers
Deepeyeballers - Ushering in deep learning's foray into the netherworld of eyeballing
Generating cats with deep learning. Comparing DCGAN, WGAN, WGAN-GP, LSGAN and ReLU with batch norm vs SELU.
https://ajolicoeur.wordpress.com/cats/
https://ajolicoeur.wordpress.com/cats/
Alexia Jolicoeur-Martineau
Meow Generator
I experimented with generating faces of cats using Generative adversarial networks (GAN). I wanted to try DCGAN, WGAN and WGAN-GP in low and higher resolutions. I used the CAT dataset (yes this is …
Отжиг и вымораживание: две свежие идеи, как ускорить обучение глубоких сетей
https://habrahabr.ru/post/332534/
https://habrahabr.ru/post/332534/
Habr
Отжиг и вымораживание: две свежие идеи, как ускорить обучение глубоких сетей
В этом посте изложены две недавно опубликованные идеи, как ускорить процесс обучения глубоких нейронных сетей при увеличении точности предсказания. Предложенные (разными авторами) способы...
A Tour of Recurrent Neural Network Algorithms for Deep Learning
http://machinelearningmastery.com/recurrent-neural-network-algorithms-for-deep-learning/
http://machinelearningmastery.com/recurrent-neural-network-algorithms-for-deep-learning/
MachineLearningMastery.com
A Tour of Recurrent Neural Network Algorithms for Deep Learning - MachineLearningMastery.com
Recurrent neural networks, or RNNs, are a type of artificial neural network that add additional weights to the network to create cycles in the network graph in an effort to maintain an internal state.
The promise of adding state to neural networks is that…
The promise of adding state to neural networks is that…
How to Scale Data for Long Short-Term Memory Networks in Python
http://machinelearningmastery.com/how-to-scale-data-for-long-short-term-memory-networks-in-python/
http://machinelearningmastery.com/how-to-scale-data-for-long-short-term-memory-networks-in-python/
MachineLearningMastery.com
How to Scale Data for Long Short-Term Memory Networks in Python - MachineLearningMastery.com
The data for your sequence prediction problem probably needs to be scaled when training a neural network, such as a Long Short-Term Memory recurrent neural network. When a network is fit on unscaled data that has a range of values (e.g. quantities in the…
Метод BFGS или один из самых эффективных методов оптимизации. Пример реализации на Python
https://habrahabr.ru/post/333356/
https://habrahabr.ru/post/333356/
Habr
Метод BFGS или один из самых эффективных методов оптимизации. Пример реализации на Python
Метод BFGS , итерационный метод численной оптимизации, назван в честь его исследователей: B royden, F letcher, G oldfarb, S hanno. Относится к классу так называемых квазиньютоновских методов. В...
Gentle Introduction to Models for Sequence Prediction with Recurrent Neural Networks
http://machinelearningmastery.com/models-sequence-prediction-recurrent-neural-networks/
http://machinelearningmastery.com/models-sequence-prediction-recurrent-neural-networks/
MachineLearningMastery.com
Gentle Introduction to Models for Sequence Prediction with RNNs - MachineLearningMastery.com
Sequence prediction is a problem that involves using historical sequence information to predict the next value or values in the sequence. The sequence may be symbols like letters in a sentence or real values like those in a time series of prices. Sequence…
Do GANs actually do distribution learning?
http://www.offconvex.org/2017/07/07/GANs3/
http://www.offconvex.org/2017/07/07/GANs3/
Off the convex path
Do GANs actually do distribution learning?
Algorithms off the convex path.
An end to end implementation of a Machine Learning pipeline
https://spandan-madan.github.io/DeepLearningProject/
https://spandan-madan.github.io/DeepLearningProject/
VisionHack – первый международный хакатон по компьютерному зрению для беспилотного транспорта
НИТУ «МИСиС» и компания Cognitive Technologies проводят 11-13 сентября в Москве первый международный университетский хакатон VisionHack по искусственному интеллекту и компьютерному зрению с призовым фондом более 30 000 долларов США. Ожидается участие делегаций из MIT, Кембриджского университета, Аризонского университета, Политехнического университета Каталонии и других ведущих мировых и российских ВУЗов.
Хакатон будет посвящен использованию применению компьютерного зрения в практических задачах обеспечения безопасности движения беспилотных автомобилей. Участники должны будут создать интеллектуальную подсистему помощи водителю или ADAS (advanced driver assistance system), способную автоматически детектировать различные события на дороге. Детектирование событий должно осуществляться путем обработки видеоряда с камер наблюдения алгоритмами на основе искусственных нейронных сетей. Победителем хакатона будет считаться команда, предложившая наиболее точное и полное решение на наборе предложенных дорожных ситуаций. Также предусмотрены призы за распознавание событий определенного типа.
VisionHack состоит из 2 этапов. С 13 до 31 июля пройдет заочный тур, в рамках которого участникам будет предложено тестовое задание. Лучшие команды участников получат приглашение на очный этап. Зарегистрироваться может как команда (3-5 человек), так и индивидуальный участник.
НИТУ «МИСиС» и компания Cognitive Technologies проводят 11-13 сентября в Москве первый международный университетский хакатон VisionHack по искусственному интеллекту и компьютерному зрению с призовым фондом более 30 000 долларов США. Ожидается участие делегаций из MIT, Кембриджского университета, Аризонского университета, Политехнического университета Каталонии и других ведущих мировых и российских ВУЗов.
Хакатон будет посвящен использованию применению компьютерного зрения в практических задачах обеспечения безопасности движения беспилотных автомобилей. Участники должны будут создать интеллектуальную подсистему помощи водителю или ADAS (advanced driver assistance system), способную автоматически детектировать различные события на дороге. Детектирование событий должно осуществляться путем обработки видеоряда с камер наблюдения алгоритмами на основе искусственных нейронных сетей. Победителем хакатона будет считаться команда, предложившая наиболее точное и полное решение на наборе предложенных дорожных ситуаций. Также предусмотрены призы за распознавание событий определенного типа.
VisionHack состоит из 2 этапов. С 13 до 31 июля пройдет заочный тур, в рамках которого участникам будет предложено тестовое задание. Лучшие команды участников получат приглашение на очный этап. Зарегистрироваться может как команда (3-5 человек), так и индивидуальный участник.