上一页 1 ··· 4 5 6 7 8 9 下一页
2013年1月5日
Christopher Steiner：算法如何改变了世界
摘要： Christopher Steiner 是初创企业 Aisle 50 的联合发起人，他最近写了一本新书《自动化之路：算法如何改变了世界（Automate This：How Algorithms Came to RuleOur World）》，表达了自己对该领域的一些看法，让我们看看他在接受Fast Company采访时都阐述了哪些观点吧。Fast Company：你在书里谈到“设计算法的人属于这个时代的卓越企业家”，此话怎讲？Christopher Steiner：当今社会上谁手中撰着最多的机遇？谁的事业发展的最快？谁可以以最少的资本最少的资源开创出一片江山？是那些做程序的。当然，并不是所有的 阅读全文
posted @ 2013-01-05 10:54 renly2013 阅读(204) 评论(0) 推荐(0) 编辑
终极存储设备 -- DNA
摘要： 说到存储信息，现有的硬盘没办法跟 DNA 相比。我们的基因代码可以把数十亿的信息包含在一克 DNA 分子中，而一毫克的分子将美国国会图书馆（Library of Congress）中的所有书籍完全编码后仍绰绰有余。不过这一切此前都只是理论上的，直到现在。在一项新的研究中，研究人员将一本完整的遗传学教材保存在了不到一沙克（picogram，亿万分之一克。也有人译为微微克、皮克等）DNA 中。这一突破，将彻底改变我们未来存储数据的能力。一些团队试图将数据写到活细胞的基因组中，但是这种方法有几个缺点。首先，如果细胞死亡你就得不到任何数据；其次，细胞增殖时可能发生的突变将让数据发生改变。为了克服这些问 阅读全文
posted @ 2013-01-05 10:51 renly2013 阅读(138) 评论(0) 推荐(0) 编辑
媲美 Google 无人驾驶汽车，美国安全试点项目让汽车像电话一样检测到周围车辆信号
摘要： Google 无人驾驶汽车让你兴奋吗？或许下面这个让你更兴奋。美国交通部和密歇根大学交通研究所（UMTRI）目前正在解决一种对现有汽车安全来说更加紧迫和重要的问题，他们借助一种智能系统来收集汽车行驶的复杂数据和周围交通的情况。（项目英文介绍）该项目还将持续一年的时间，预计耗资约 1490 万美元。项目试验车辆有 2800 辆，包括小汽车、卡车和公交车。其中有 300 辆将使用安全组件来收集诸周围车辆和基础设施的位置、速度、加速度等数据，所有数据每秒统计 10 次，以保证汽车能足够时间来了解周围的车辆变化，即使调整车速和方向来避免交通事故。虽然看起来和 Google 的无人驾驶汽车顶部的激光测距 阅读全文
posted @ 2013-01-05 10:49 renly2013 阅读(246) 评论(0) 推荐(0) 编辑
Google 的猫脸识别：人工智能的新突破
摘要： Leon发表于 2012/06/27-13:29Google/人工智能/猫脸识别/神经网络/techArtificial Intelligence，也就是人工智能，就像长生不老和星际漫游一样，是人类最美好的梦想之一。虽然计算机技术已经取得了长足的进步，但是到目前为止，还没有一台电脑能产生“自我”的意识。是的，在人类和大量现成数据的帮助下，电脑可以表现的十分强大，但是离开了这两者，它甚至都不能分辨一个喵星人和一个汪星人。可喜的是，我们还有 Google 这类“不靠谱”的公司。据纽约时报报道，Google X 实验室近日开发出了一套具备自主学习能力的神经网络系统。这套系统有什么神奇之处呢？不借助任 阅读全文
posted @ 2013-01-05 08:43 renly2013 阅读(985) 评论(0) 推荐(0) 编辑
2013年1月4日
笔记: 斯坦福大学机器学习第十课“应用机器学习的建议(Advice for applying machine learning)”
摘要： 斯坦福大学机器学习斯坦福大学机器学习第十课“神经网络的学习(Neural Networks: Learning)”学习笔记，本次课程主要包括7部分：1) Deciding what to try next(决定下一步该如何做)2) Evaluating a hypothesis(评估假设)3) Model selection and training/validation/test sets(模型选择和训练/验证/测试集)4) Diagnosing bias vs. variance(诊断偏差和方差)5) Regularization and bias/variance(正则化和偏差/方差)6 阅读全文
posted @ 2013-01-04 22:09 renly2013 阅读(313) 评论(0) 推荐(0) 编辑
笔记: 斯坦福大学机器学习第九课“神经网络的学习(Neural Networks: Learning)”
摘要： 斯坦福大学机器学习斯坦福大学机器学习第九课“神经网络的学习(Neural Networks: Learning)”学习笔记，本次课程主要包括8部分：1) Cost function(代价函数)2) Backpropagation algorithm(BP算法 or 反向传播算法)3) Backpropagation intuition(BP算法的直观解释)4) Implementation note: Unrolling parameters(实现时的注意点：展开参数)5) Gradient checking(梯度下降算法的验证)6) Random initialization(随机初始化)7 阅读全文
posted @ 2013-01-04 22:06 renly2013 阅读(500) 评论(0) 推荐(0) 编辑
笔记: 斯坦福大学机器学习第七课“正则化(Regularization)”
摘要： 斯坦福大学机器学习第七课"正则化“学习笔记，本次课程主要包括4部分：1)The Problem of Overfitting(过拟合问题)2) Cost Function(成本函数)3) Regularized Linear Regression(线性回归的正则化)4) Regularized Logistic Regression(逻辑回归的正则化)以下是每一部分的详细解读。1)The Problem of Overfitting(过拟合问题)拟合问题举例-线性回归之房价问题：a) 欠拟合(underfit, 也称High-bias)b) 合适的拟合：c) 过拟合(overfit, 阅读全文
posted @ 2013-01-04 22:02 renly2013 阅读(668) 评论(0) 推荐(0) 编辑
斯坦福大学机器学习第六课“逻辑回归(Logistic Regression)”
摘要： 斯坦福大学机器学习第六课"逻辑回归“学习笔记，本次课程主要包括7部分：1) Classification(分类)2) Hypothesis Representation3) Decision boundary(决策边界)4) Cost function(代价函数，成本函数)5) Simplified cost function and gradient descent(简化版代价函数及梯度下降算法)6) Advanced optimization(其他优化算法)7) Multi-class classification: One-vs-all(多类分类问题)以下是每一部分的详细解读。 阅读全文
posted @ 2013-01-04 22:00 renly2013 阅读(651) 评论(0) 推荐(0) 编辑
斯坦福大学机器学习第四课“多变量线性回归(Linear Regression with Multiple Variables)”笔记
摘要： 斯坦福大学机器学习第四课"多变量线性回归“学习笔记，本次课程主要包括7部分：1) Multiple features(多维特征)2) Gradient descent for multiple variables(梯度下降在多变量线性回归中的应用)3) Gradient descent in practice I: Feature Scaling(梯度下降实践1：特征归一化)4) Gradient descent in practice II: Learning rate(梯度下降实践2：步长的选择)5) Features and polynomial regression(特征及多 阅读全文
posted @ 2013-01-04 21:58 renly2013 阅读(404) 评论(0) 推荐(0) 编辑
斯坦福大学机器学习第四课“多变量线性回归(Linear Regression with Multiple Variables)”
摘要： 本课的课件资料：PPTPDF1) Multiple features(多维特征)2) Gradient descent for multiple variables(梯度下降在多变量线性回归中的应用)3) Gradient descent in practice I: Feature Scaling(梯度下降实践1：特征归一化)4) Gradient descent in practice II: Learning rate(梯度下降实践2：步长的选择)5) Features and polynomial regression(特征及多项式回归)6) Normal equation(正规方程- 阅读全文
posted @ 2013-01-04 21:55 renly2013 阅读(212) 评论(0) 推荐(0) 编辑
斯坦福大学机器学习第三课“线性代数回顾(Linear Algebra Review)”
摘要： Cousera斯坦福机器学习公开课网址：https://class.coursera.org/ml本课的笔记之一：线性代数的学习及相关资源本课的课件资料：PPTPDF1) 矩阵和向量(Matrices and Vectors)2)加法和标量乘法(Addition and Scalar Multiplication)3) 矩阵与向量相乘(Matrix Vector Multiplication)4) 矩阵与矩阵相乘(Matrix Matrix Multiplication)5)矩阵乘法性质(Matrix Multiplication Properties)6)逆和转置(Inverse and T 阅读全文
posted @ 2013-01-04 21:53 renly2013 阅读(293) 评论(0) 推荐(0) 编辑
斯坦福大学机器学习第二课“单变量线性回归
摘要： 斯坦福大学机器学习第二课"单变量线性回归“学习笔记，本次课程主要包括7部分：1) Model representation(模型表示)2) Cost function(代价函数，成本函数)3) Cost function intuition I(直观解释1)4) Cost function intuition II(直观解释2)5) Gradient descent(梯度下降)6) Gradient descent intuition(梯度下降直观解释)7) Gradient descent for linear regression(应用于线性回归的的梯度下降算法)以下是第二课“单 阅读全文
posted @ 2013-01-04 21:48 renly2013 阅读(303) 评论(0) 推荐(1) 编辑
Andrew Ng教授演讲：机器人和人工智能的未来
摘要： 这几天关于"Google的猫脸识别"的新闻很多，个人觉得比较简洁的是奇客资讯上的这一条：Google研究员用千台电脑识别“猫”Google研究人员利用一千台电脑的1.6万核处理器组建了一个机器学习神经网络，网络包含超过10亿条链接。他们用从YouTube视频中提取出的1000万幅200x200缩略图训练神经网络，目的是寻找和识别猫”。 神经网络利用无指导的机器学习去识别图像特征。领导这项研究的斯坦福大学计算机科学教授Andrew Y. Ng说，“不是让一组研究人员试图找出如何描边，而是丢给算法一堆数据，让数据说话，让软件从数据中自动学习。”Google开发者Jeff Dea 阅读全文
posted @ 2013-01-04 21:38 renly2013 阅读(601) 评论(0) 推荐(0) 编辑
斯坦福大学机器学习第一课“引言(Introduction)”
摘要： 之前有同学对于如何流畅的观看国外的公开课（特别是coursera, udacity）提出了疑问，我的建议是对于Coursera，能注册就注册，注册后就可以直接下载视频了。不过如果课程万一错过了注册怎么办？对于coursera，一个是preview直接观看在线视频，另外一个就是等了，看看国内有没有好心同学做下载种子或者上传到国内的视频网站。Coursera上斯坦福大学的机器学习公开课由Andrew Ng教授授课，应该是目前为止最好的机器学习入门课程了：面向初级用户，对数学的要求不高，讲解的浅显易懂。这门课程的视频已经由好心同学@小马哥07DM上传到Youku了，以下是这门课程的第一课引言的视频， 阅读全文
posted @ 2013-01-04 21:34 renly2013 阅读(264) 评论(0) 推荐(0) 编辑
华尔街机器当家
摘要： Max Tian2010-07-152116简介华尔街从来不会吸取教训。这方面机器可能比人还要强。越来越多的投资者寄希望于人工智能帮助他们作出新的投资决策 。Rebellion 研究机构是一家由四个年轻的数学天才创建的对冲基金。被他们用于投资决策的技术是“计算机学习”，系人工智能的一个分支。该机构20岁出头的四大掌门解读了计算机程序作出战略决策的过程。在人工智能系统中，程序员不会让计算机对特定的输入作出反应，而是让系统从决策中不断学习和改进。很多试过这种方法的投资者都在使用“机器学习”，这是人工智能的一个分支，通过该技术，计算机会分析大量数据，从而对未来作出预测。这种技术被高科技公司谷歌用于搜 阅读全文
posted @ 2013-01-04 21:09 renly2013 阅读(403) 评论(0) 推荐(0) 编辑
纽约时报 | 新一代的智能机器人正在改变全球工业
摘要： 7603阅读31赞12评论打开文章名片译者：Chaucer在中国海边的飞利浦电子工厂中，数以百计的工人使用特制的工具手工装配电动剃须刀，这是老式的办法。在荷兰乡村同样的一所工厂中，128台机器臂以瑜伽一般的灵活度做着相同的工作。这些带摄像头的机器臂的技艺远超最灵巧的工匠。其中的一台机器臂可以无休止地将两根连接线折出三个完美的弯，然后将它们穿过肉眼几乎不可见的小洞。这些机械臂的工作速度快到必须安放在封闭的玻璃罩里以免看护者受伤。它们不需要休息，每天三班，每年365天。这家工厂每班总共也只有几打的员工，员工数量仅仅只是中国珠海工厂的十二分之一。这就是未来，新一代的机器人，其灵巧程度远超汽车业与其他 阅读全文
posted @ 2013-01-04 10:34 renly2013 阅读(210) 评论(0) 推荐(0) 编辑
为什么制造机器人这么难
摘要： 2002阅读3赞0评论机器人在一夜之间充满各大新闻。三菱刚刚宣布他们特别设计制造了一个机器人来帮助清理福岛核电站;美国国家航空航天局(NASA)正在制造用于外太空的机器人勤杂工。在过去的两个星期里我们看到，一份新的给机器人看的iPad指南(该机器人选用19世纪的26个机器人)；一个新发明的专门用于给Roomba(美国家用机器人)下载应用的网站robotappstore.com。点名时间(Kickstarter)上时下最热的，即将于13年3月上架的Romo，是一个小巧、外形如坦克、由iPhone作为”大脑“的机器人。这不是人们第一次试图追逐服务类机器化市场。最为人熟知的可能就是视频游戏先驱Ata 阅读全文
posted @ 2013-01-04 10:23 renly2013 阅读(385) 评论(0) 推荐(0) 编辑
机器人会偷走你的饭碗吗——科学家篇
摘要： 译者：丫丫丫机器人也能像科学家一样工作吗？这个问题乍一听似乎很愚蠢。计算机现在遍布科学研究的各个领域。如果走进某所大学的大实验室，很可能会看到装备齐全的机器人与身着白大褂的人类并肩工作。机器人可以向试管添加试剂，进行DNA微阵列排序，实施考古发掘，探索海洋世界。还有一些学科分支完全仰仗强大的微处理器：如气候建模和基因组学。甚至连抽象思维拓展也离不开机器的帮助。在实验数学中，人类依靠计算机启发新思想，也利用它们验证假说。1976年，数学家们使用计算机证明了“四色定理”。自此之后，计算机也在其他几项证明中发挥了作用。不过在科学研究的诸多领域内，人类和计算机的分工依然很明确。机器负责枯燥的工作：计算 阅读全文
posted @ 2013-01-04 10:19 renly2013 阅读(221) 评论(0) 推荐(0) 编辑
2013年1月2日
“好奇号”火星车和它搭载的软件(来自Erlang程序员的观点)
摘要： 我十分好奇，忍不住想推测一下“好奇号”火星车上的软件究竟是个什么样的构造。我们已经知道，好奇号上的软件大部分都是用C语言写成的，这些代码加起来大概有250万行。有人可能会感到诧异，这样复杂的系统怎么能写出来而且能让它好用？下面是来自Erlang程序员的观点。首先来些基础的。“好奇号”火星车使用的是核动力，它能持续的受控的方式提供给火星车能量。这个能量源同时还要负责平时对火星车进行加热——这是在火星表面极端天气环境下对火星车的必要保障。“好奇号”基本上是自主控制的。它发送一条信息可能要用几分钟到几小时的时间，你只能在火星上一天里的有限时间段内给它发送信息。“好奇号”自己可以和地球通话，但这条线路 阅读全文
posted @ 2013-01-02 21:52 renly2013 阅读(336) 评论(0) 推荐(0) 编辑
10步让你成为更优秀的程序员
摘要： 作者: Paul Firth来源: 外刊IT评论发布时间: 2013-01-01 20:29阅读: 574 次推荐: 1原文链接[收藏] 英文原文：10 steps to becoming a better programmer 这篇文章要介绍的，是我作为专业程序员这些年来学到的能真正提高我的代码质量和整体工作效率的 10 件事情。 1. 永远不要复制代码 不惜任何代价避免重复的代码。如果一个常用的代码片段出现在了程序中的几个不同地方，重构它，把它放到一个自己的函数里。重复的代码会导致你的同事在读你的代码时产生困惑。而重复的代码如果在一个地方修改，在另外一个地方忘记修改，就会产生到处是... 阅读全文
posted @ 2013-01-02 21:45 renly2013 阅读(120) 评论(0) 推荐(0) 编辑
上一页 1 ··· 4 5 6 7 8 9 下一页