早期成果卷积神经网络是各种深度神经网络中应用最广泛的一种，在机器视觉的很多问题上都取得了当前较好的效果，另外它在自然语言处理，计算机图形学等领域也有成功的应用。第一个真正意义上的卷积神经网络由LeCun在1989年提出[1]，后来进行了改进，它被用于手写字符的识别，是当前各种深度卷积神经网络的鼻祖。接下来我们介绍LeCun在早期提出的3种卷积网络结构。 文献[1]的网络由卷积层和全连接层构成，网络...
摘要：近日，来自华盛顿大学的和提出的版本。而那些评分较高的区域就可以视为检测结果。此外，相对于其它目标检测方法，我们使用了完全不同的方法。从图中可以看出准确率高，速度也快。对于的图像，可以达到的检测速度，获得的性能，与的准确率相当但是速度快倍。 近日，来自华盛顿大学的 Joseph Redmon 和 Ali Farhadi 提出 YOLO 的版本 YOLOv3。通过在 YOLO 中加入设计细节的变...
摘要：信息瓶颈理论由耶路撒冷希伯来大学的计算机与神经科学家等人提出。与我取得联系并分享了一篇已提交盲审的论文，论文作者对信息瓶颈理论的一些发现作了批判性分析。这是一个重要更新，指出了信息瓶颈理论的一些局限性。 「信息瓶颈」（Information Bottleneck）理论由耶路撒冷希伯来大学的计算机与神经科学家 Naftali Tishby 等人提出。该研究有望最终打开深度学习的黑箱，并解释人脑...
