摘要：
欢迎转载，转载请注明：本文出自Bin的专栏blog.csdn.net/xbinworld 技术交流QQ群：433250724，欢迎对算法、技术、应用感兴趣的同学加入双调排序是data-independent的排序， 即比较顺序与数据无关的排序方法， 特别适合做并行计算，例如用GPU、... 阅读全文
摘要：
欢迎转载，转载请注明：本文出自Bin的专栏blog.csdn.net/xbinworld。 技术交流QQ群：433250724，欢迎对算法、技术、应用感兴趣的同学加入。 文章索引::”机器学习方法“，”深度学习方法”，“三十分钟理解”原创系列2017年3 月，谷歌大脑负责人 Jef... 阅读全文
摘要：
欢迎转载，转载请注明：本文出自Bin的专栏blog.csdn.net/xbinworld。 技术交流QQ群：433250724，欢迎对算法、机器学习技术感兴趣的同学加入。后面陆续写一些关于神经网络加速芯片设计的paper，前面已经写了ISSCC2017，当然，因为只有利用不加班的下... 阅读全文
ASPLOS'17论文导读——SC-DCNN: Highly-Scalable Deep Convolutional Neural Network using Stochastic Computing
摘要：
今年去参加了ASPLOS 2017大会，这个会议总体来说我感觉偏系统和偏软一点，涉及硬件的相对少一些，对我这个喜欢算法以及硬件架构的菜鸟来说并不算非常契合。中间记录了几篇相对比较有趣的paper，今天简单写一篇。SC-DCNN: Highly-Scalable Deep Convol... 阅读全文
摘要：
上一篇我们介绍了：深度学习方法（十二）：卷积神经网络结构变化——Spatial Transformer Networks，STN创造性地在CNN结构中装入了一个可学习的仿射变换，目的是增加CNN的旋转、平移、缩放、剪裁性。为什么要做这个很奇怪的结构呢？原因还是因为CNN不够鲁棒，比如... 阅读全文
摘要：
欢迎转载，转载请注明：本文出自Bin的专栏blog.csdn.net/xbinworld。 技术交流QQ群：433250724，欢迎对算法、机器学习技术感兴趣的同学加入。今天具体介绍一个Google DeepMind在15年提出的Spatial Transformer Networ... 阅读全文
摘要：
线性插值先讲一下线性插值：已知数据 (x0, y0) 与 (x1, y1)，要计算 [x0, x1] 区间内某一位置 x 在直线上的y值（反过来也是一样，略）：y−y0x−x0=y1−y0x1−x0y=x1−xx1−x0y0+x−x0x1−x0y1上面比较好理解吧，仔细看就是用x和x... 阅读全文
摘要：
欢迎转载，转载请注明：本文出自Bin的专栏blog.csdn.net/xbinworld。 技术交流QQ群：433250724，欢迎对算法、机器学习技术感兴趣的同学加入。上一篇讲了深度学习方法（十）：卷积神经网络结构变化——Maxout Networks，Network In Ne... 阅读全文
摘要：
欢迎转载，转载请注明：本文出自Bin的专栏blog.csdn.net/xbinworld。 技术交流QQ群：433250724，欢迎对算法、技术感兴趣的同学加入。最近接下来几篇博文会回到神经网络结构的讨论上来，前面我在“深度学习方法（五）：卷积神经网络CNN经典模型整理Lenet，... 阅读全文
摘要：
A 288μW Programmable Deep-Learning Processor with 270KB On-Chip Weight Storage Using Non-Uniform Memory Hierarchy for Mobile Intelligence单位：Mi... 阅读全文
摘要：
欢迎转载，转载请注明：本文出自Bin的专栏blog.csdn.net/xbinworld。 技术交流QQ群：433250724，欢迎对算法、技术感兴趣的同学加入。深度学习最大的贡献，个人认为就是表征学习（representation learning），通过端到端的训练，发现更好的... 阅读全文
摘要：
神经网络的训练算法，目前基本上是以Backpropagation (BP) 反向传播为主（加上一些变化），NN的训练是在1986年被提出，但实际上，BP 已经在不同领域中被重复发明了数十次了（参见 Griewank (2010)[1]）。更加一般性且与应用场景独立的名称叫做：反向微分... 阅读全文
摘要：
这是一个导读，可以快速找到我记录的关于人工智能（深度学习）加速芯片论文阅读笔记。ISSCC 2017 Session14 Deep Learning Processors:ISSCC 2017关于Deep Learning Processors的Slides笔记，主要参考了[1]中的笔记，自己根据p... 阅读全文
ISSCC 2017论文导读 Session 14:A 0.62mW Ultra-Low-Power Convolutional-Neural-Network Face-Recognition Pro
摘要：
A 0.62mW Ultra-Low-Power Convolutional-Neural-Network Face-Recognition Processor and a CIS Integrated with Always-On Haar-Like Face Detector单位... 阅读全文
ISSCC 2017论文导读 Session 14:ENVISION: A 0.26-to-10 TOPS/W Subword-Parallel DVAFS CNN Processor in 28nm
摘要：
ENVISION: A 0.26-to-10 TOPS/W Subword-Parallel Dynamic-Voltage-Accuracy-Frequency-Scalable CNN Processor in 28nm FDSOI单位：EAST-MICAS, KU Leuven... 阅读全文
摘要：
A 28nm SoC with a 1.2GHz 568nJ/Prediction Sparse Deep-Neural-Network Engine with >0.1 Timing Error Rate Tolerance for IoT Applications单位：Harva... 阅读全文
摘要：
转载请注明，本文出自Bin的专栏http://blog.csdn.net/xbinworld，谢谢！DNPU: An 8.1TOPS/W Reconfigurable CNN-RNN Processor for General-Purpose Deep Neural Networks... 阅读全文
摘要：
最近ISSCC2017大会刚刚举行,看了关于Deep Learning处理器的Session 14，有一些不错的东西，在这里记录一下。A 2.9TOPS/W Deep Convolutional Neural Network SoC in FD-SOI 28nm for Intell... 阅读全文
摘要：
欢迎转载，转载请注明：本文出自Bin的专栏blog.csdn.NET/xbinworld。 技术交流QQ群：433250724，欢迎对算法、技术感兴趣的同学加入。上一篇博文深度学习方法（八）：Encoder-Decoder模型，基本Sequence to Sequence模型描述了... 阅读全文
摘要：
欢迎转载，转载请注明：本文出自Bin的专栏blog.csdn.net/xbinworld。技术交流QQ群：433250724，欢迎对算法、技术感兴趣的同学加入。Encoder-Decoder（编码-解码）是深度学习中非常常见的一个模型框架，比如无监督算法的auto-encoding就... 阅读全文
摘要：
什么是像素？中文全称为图像元素。像素仅仅只是分辨率的尺寸单位，而不是画质。从定义上来看，像素是指基本原色素及其灰度的基本编码。 像素是构成数码影像的基本单元，通常以像素每英寸PPI（pixels per inch）为单位来表示影像分辨率的大小。例如300x300PPI分辨率，即表示水平方向与垂直方向... 阅读全文
摘要：
在电影《微微一笑很倾城》中，肖奈大神在玻璃上写了一堆公式，提到平方根倒数速算算法，这个到底是一个什么算法？笔者看电影的时候打开手机学了一下，发现该算法的作者真乃神人！今天有空，就把该算法写一写。在3D图形编程中，经常要求平方根的倒数，即1/Sqrt(x)，如果用一般的代码(float)(1.0/sq... 阅读全文
摘要：
为什么写技术博客对新人如此重要？」。希望对在职者有所帮助，也对新人有所启发。 台湾和大陆的对比 首先谈谈台湾情况，Programmer 在台湾不叫程序员，而是程式设计师，从搜索引擎找台湾程序员，往往得到的是内地搜索结果。过去程式设计师在台湾地位很高，但近十年来，年轻一代越来越不热衷编程，台湾资讯工程 阅读全文
摘要：
欢迎转载，转载请注明：本文出自Bin的专栏blog.csdn.net/xbinworld。 技术交流QQ群：433250724，欢迎对算法、技术感兴趣的同学加入。纳什均衡（或者纳什平衡），Nash equilibrium ,又称为非合作博弈均衡，是博弈论的一个重要策略组合，以约翰·... 阅读全文
摘要：
欢迎转载，转载请注明：本文出自Bin的专栏blog.csdn.net/xbinworld。 技术交流QQ群：433250724，欢迎对算法、技术感兴趣的同学加入。继续前面关于深度学习CNN经典模型的整理，之前介绍了CNN网络Lenet，Alexnet，Googlenet，VGG，D... 阅读全文
摘要：
前面两篇介绍了SOM的基本概念和算法，第一部分，第二部分，本篇具体展开一下应用中的一些trick设定。SOM设计细节输出层设计 输出层神经元数量设定和训练集样本的类别数相关，但是实际中我们往往不能清除地知道有多少类。如果神经元节点数少于类别数，则不足以区分全部模式，训练的结果势必将相... 阅读全文
摘要：
上一篇介绍了一些自组织神经网络的基本概念，第一部分，这一篇讲下SOM的概念和原理，是本文的第二部分。1、SOM背景1981年芬兰Helsink大学的T.Kohonen教授提出一种自组织特征映射网，简称SOM网，又称Kohonen网。Kohonen认为：一个神经网络接受外界输入模式时，... 阅读全文
摘要：
自组织神经网络介绍：自组织特征映射SOM(Self-organizing feature Map)，第一部分 自组织神经网络介绍：自组织特征映射SOM(Self-organizing feature Map)，第二部分 自组织神经网络介绍：自组织特征映射SOM(Self-organi... 阅读全文
摘要：
索尔克研究所发布的数据表明，人脑记忆容量可达到PB级别，相当于整个互联网的数据量，这项研究也揭开了人脑高效节能之谜。发现也将有助于计算机科学家开发超精密的、高效节能的计算机，尤其是那些配置深度学习和人工神经网络的机器，这些程序能够胜任复杂的学习和分析，例如语音识别、图像识别和翻译。 ... 阅读全文
摘要：
证明定理：喝醉的酒鬼总能找到回家的路，喝醉的小鸟则可能永远也回不了家。假设有一条水平直线，从某个位置出发，每次有 50% 的概率向左走1米，有50%的概率向右走1米。按照这种方式无限地随机游走下去，最终能回到出发点的概率是多少？答案是100% 。在一维随机游走过程中，只要时间足够长，我们最终总能回到... 阅读全文