图卷积神经网络（Graph Convolutional Networks, GCN ）
深度学习作为机器学习研究领域中的一个方向，它的起源离不开人们对大脑认知原理，尤其是视觉原理的研究。
过去的十年中，深度学习（deeplearning, DL）方法已经非常成功并广泛用于开发几乎每个领域的人工智能（AI）。与传统的机器学习（machine learning, ML）算法相比，DL方法在小分子药物发现和开发方面还有很长的路要走。对于DL研究的推...
过去的十年中，深度学习(DeepLearning，DL)在各种人工智能研究领域取得了显着的成功。从以前对人工神经网络的研究演变而来，该技术在诸如图像和语音识别，自然语言处理等领域表现出优于其他机器学习（Machine Learning，ML）算法的...
人工神经网络的兴衰在计算机科学和计算化学的科学文献中都有详细记载。然而近二十年后，我们现在看到了对深度学习兴趣的复兴，这是一种基于多层神经网络的机器学习算法。在过去的几年里，我们看到了深度学习在许多领域的变...
这些年来，人们投入了相当多的热情在机器学习（Machine Learning）领域中，毕竟它让电脑的表现在某些方面超过了人类，比如图像分类，围棋竞赛，语音转文本等，它也加速了许多科研领域的探索发现进程。当然，神经科学也不例外，机器学习在...
人们普遍认为，从单一角度合成 3D 数据是人类视觉的基本功能。但这对计算机视觉算法来说极具挑战性。但随着激光雷达（LiDAR）、 RGB-D 摄像头（RealSense、 Kinect）和 3D 扫描仪等 3D 传感器的普及和价格的降低，最新的 3D 采集...
提出HIFI-gan方法来提高采样和高保真度的语音合成。语音信号由很多不同周期的正弦信号组成，对于音频周期模式进行建模对于提高音频质量至关重要。其次生成样本的速度是其他同类算法的13.4倍，并且质量还很高。...
BASGCN(Backtrackless Aligned-Spatial Graph Convolutional Networks）由国内知名大学中央财经大学信息学院白璐副教授带领团队共同研发，已被人工智能领域的国际顶级期刊《IEEE Transactions on Pattern Analysis and M...
前面介绍了「AI产品经理需要具备的能力和对数据、算法需要理解的程度」、「机器学习的实际训练过程」，后面将围绕AI产品在当前环境下的热门应用来进行探讨，涵盖了语音识别、图像识别、NLP自然语言处理、知识图谱等产品...
