3月2日云栖精选夜读：阿里云再获国际权威机构Gartner认可：大数据服务能力全球领先-低调大师

对深度学习研究和应用的兴趣从未这么热过。深度学习最迷人的地方是，神经网络似乎能够解决以前只能用定制方法解决的各种问题。【导读】本文收录了arXiv.org上关于深度学习的一些最新的研究论文，列出了这些文章的内容，包括“深度学习八大灵感应用”、“深度学习用例”、“科学与工程中的深度学习应用”、“深度学习应用程序的下一次浪潮”等。针对这些文章缺乏系统方法的问题，提出了具体的组合矩阵、形态矩阵解决方案，并给出了预测示例。隐藏的潜力对深度学习研究和应用的兴趣从未这么热过。几乎每天都可以在arXiv.org找到无数的新研究论文。这些论文为我们描述了新的方法，人工神经网络可以靠这些方法应用于我们日常生活的各个领域。深度学习最迷人的地方是，神经网络似乎能够解决以前只能用定制方法解决的各种问题。此外，每天都会出现新的文章或博客，告诉我们更多奇特的应用深度学习的方式。这些文章、博客甚至书籍的问题是，它们不对神经网络应用程序进行系统性的处理。至少到目前为止，我还没有看到有人这么做。如果你知道有人这么做过，请告诉我。最先进的方法在搜索这篇文章的材料时，我发现了一些总结深度学习应用程序的文章。下面...

2018-03-02

660

三、实际应用原文：Real-world applications 译者：飞龙协议：CC BY-NC-SA 4.0 自豪地采用谷歌翻译概率图模型有许多不同的实际应用。我们总结了概率图形模型的下列应用，这些只是他们许多实际应用的一些例子。图像的概率模型考虑图像（像素矩阵）上的分布P(x)，将较高概率分配给看起来真实的图像，将较低概率分配给其他东西。给定这样的模型，我们可以解决大量有趣的任务。图像生成 Radford 等人训练了一个概率模型P(x)，将高概率分配给看起来像卧室的图像（基于一些训练数据）：训练数据如果我们取样x∼P(x)，我们可以生成新的卧室图像。生成的数据与之相似，我们可以从人脸或者其它物体习得模型：请注意，图像不完美，可能需要改进；然而，采样生成的图像与人们的预期非常相似。填充使用相同的P(x)，我们也可以“填充图像的其余部分”。例如，给定P(x)和现有图像的补丁（例如一张照片），我们可以从P(图像|补丁)中采样，并生成补全图像的不同可能方式：请注意捕捉不确定性的概率模型的重要性：可能有多种方法来完成图像！图像去噪同样，如果图像受到噪...

2018-03-03

628

资源下载

更多资源

优质分享App

近一个月的开发和优化，本站点的第一个app全新上线。该app采用极致压缩，本体才4.36MB。系统里面做了大量数据访问、缓存优化。方便用户在手机上查看文章。后续会推出HarmonyOS的适配版本。

Mario

马里奥是站在游戏界顶峰的超人气多面角色。马里奥靠吃蘑菇成长，特征是大鼻子、头戴帽子、身穿背带裤，还留着胡子。与他的双胞胎兄弟路易基一起，长年担任任天堂的招牌角色。

Spring

Spring框架（Spring Framework）是由Rod Johnson于2002年提出的开源Java企业级应用框架，旨在通过使用JavaBean替代传统EJB实现方式降低企业级编程开发的复杂性。该框架基于简单性、可测试性和松耦合性设计理念，提供核心容器、应用上下文、数据访问集成等模块，支持整合Hibernate、Struts等第三方框架，其适用范围不仅限于服务器端开发，绝大多数Java应用均可从中受益。

Rocky Linux

Rocky Linux（中文名：洛基）是由Gregory Kurtzer于2020年12月发起的企业级Linux发行版，作为CentOS稳定版停止维护后与RHEL（Red Hat Enterprise Linux）完全兼容的开源替代方案，由社区拥有并管理，支持x86_64、aarch64等架构。其通过重新编译RHEL源代码提供长期稳定性，采用模块化包装和SELinux安全架构，默认包含GNOME桌面环境及XFS文件系统，支持十年生命周期更新。