本文为东北大学自然语言处理实验室(小牛翻译团队)成员肖桐.李垠桥为雷锋网(公众号:雷锋网)AI科技评论撰写的独家稿件,得到了其指点和审核,雷锋网在此表示感谢. 团队简介:东北大学自然语言处理实验室(小牛翻译团队)由姚天顺教授于1980年创立,长期从事机器翻译及语言分析方面的研究.小牛翻译团队所研发的NiuTrans系统开源版和小牛翻译企业版已经被来自  60 余个国家的2000多个机构使用,并支持44种语言的翻译.团队在CWMT.NTCIR等评测中取得多项第一.第二的成绩,发表AI.IJCAI.

在其他同学的文章中已经介绍过了,阿里新的自动语音识别系统的第一个落地点,被选定在客服电话语音识别上. 这个落地项目非常难,首先就在于我们面对的语音数据非常多样化:比如各种随意的对话.不完整的句子.各种话题以及各种传输差异和环境噪声.面对如此复杂的语音数据,我们后端的语音识别声学模型就一定要尽可能的覆盖各种可能的场景,包括各种对话.各种声道.各种噪音甚至各种口音,而要覆盖这些场景,就要求我们用海量的数据来训练语音识别声学模型.面对如此海量的数据,如何快速有效的.迭代式的训练语音识别声学模型.不断调

今年5月10日,Facebook AI 研究实验室(FAIR)发布了一项使用创新性的.基于卷积神经网络的方法来进行语言翻译的最新成果.Facebook 称,该研究取得了截止目前最高准确度,并且速度是基于循环神经网络(RNN)系统的9倍(谷歌的机器翻译系统使用的就是这一技术). 今天开源的是一个PyTorch版本的fairseq.这个重新实现的原作者是Sergey Edunov,Myle Ott和Sam Gross.该工具包实现了 Convolutional Sequence to Sequenc

前言 实际工程中很少有直接用深度学习实现端对端的聊天机器人,但这里我们来看看怎么用深度学习的seq2seq模型来实现一个简易的聊天机器人.这篇文章将尝试使用TensorFlow来训练一个基于seq2seq的聊天机器人,实现根据语料库的训练让机器人回答问题. seq2seq 关于seq2seq的机制原理可看之前的文章<深度学习的seq2seq模型>. 循环神经网络 在seq2seq模型中会使用到循环神经网络,目前流行的几种循环神经网络包括RNN.LSTM和GRU.这三种循环神经网络的机制原理可看

生成对抗网络(GAN)是一种强大的生成模型,但是自从2014年Ian Goodfellow提出以来,GAN就存在训练不稳定的问题.最近提出的 Wasserstein GAN(WGAN)在训练稳定性上有极大的进步,但是在某些设定下仍存在生成低质量的样本,或者不能收敛等问题. 近日,蒙特利尔大学的研究者们在WGAN的训练上又有了新的进展,他们将论文<Improved Training of Wasserstein GANs>发布在了arXiv上.研究者们发现失败的案例通常是由在WGAN中使用权重剪

Alchemy 炼金的全配方可以在到达16时通过技能来获取,所有的大师级药水都要消耗命运精华( Essence of Fate reagent),而这些原料是比较稀少的. Blacksmithing 锻造分为制作和分解两部分 1.分解所得的物品有两种:核心部分和配件部分(核心部分是制作装备必须的.配件部分用于加强装备属性,每种配件所加属性都有一定范围,比如说战士手套的配件只有Strings才能+护甲和+抗性.) 2.大湿级的锻造能给装备增加一个额外的属性,例如头盔能加5%的经验奖励 3.自己锻造

更多深度文章,请关注:https://yq.aliyun.com/cloud Keras是我最喜欢的Python深度学习框架,特别是在图像分类领域.我在很多地方都使用到了Keras,包括生产系统.我自己的深度学习项目,以及PyImageSearch博客. 我的新书"基于Keras的深度学习计算机视觉"有三分之二的篇幅都跟这个框架有关.然而,在该框架过程中遇到的最大的一个问题就是执行多GPU训练. 但是,这个问题将不复存在! 随着Keras(v2.0.8)最新版本的发布,使用多GPU 训

首发地址:https://yq.aliyun.com/articles/72738 作者介绍:Jesse Clark 研究相位恢复的物理学家.数据科学家,有着丰富的建设网站与设计手机应用的经验,在创业公司有着丰富的经验,对创业有着极大的热情.  Github: https://github.com/jn2clark Linkedin: http://www.linkedin.com/in/j3ss3cl4rk 相位恢复(PR)关心的是在给定幅度信息以及受到实空间限制下,找到复值函数(通常在傅立叶

雷锋网(公众号:雷锋网) AI 科技评论按:计算机视觉盛会 CVPR 2017已经结束了,雷锋网 AI 科技评论带来的多篇大会现场演讲及收录论文的报道相信也让读者们对今年的 CVPR 有了一些直观的感受. 论文的故事还在继续 相对于 CVPR 2017收录的共783篇论文,即便雷锋网 AI 科技评论近期挑选报道的获奖论文.业界大公司论文等等是具有一定特色和代表性的,也仍然只是沧海一粟,其余的收录论文中仍有很大的价值等待我们去挖掘,生物医学图像.3D视觉.运动追踪.场景理解.视频分析等方面都有许多