AI玩微信跳一跳的正确姿势 --跳一跳Auto-Jump算法详解

Submitted by donghonglin on Thu, 04/19/2018 - 14:23
我们开发了微信跳一跳Auto-Jump算法,重新定义了玩跳一跳的正确姿势,我们的算法不仅远远超越了人类的水平,在速度和准确度上也远远超越了目前已知的所有算法,可以说是跳一跳界的state-of-the-art.

超级干货|从神经元到CNN、RNN、GAN,一篇文章讲清楚

Submitted by chenrouyu on Thu, 04/19/2018 - 13:10
这里整理出一份清单来梳理所有的神经网络架构。其中大部分是人工神经网络,也有一些完全不同的怪物。尽管所有这些架构都各不相同、功能独特,当我在画它们的节点图时……其中潜在的关系开始逐渐清晰起来。

收敛

Submitted by chenrouyu on Wed, 04/18/2018 - 13:37
本文有三部分: Part I: Introduction of Convergence Rate (informal) Part II: Sublinear Convergence & Linear Convergence & Quadratic Convergence Part III: Example Convergence Rate of GD under Convex, Strong Convex, Non-Convex

从零开始学习「张氏相机标定法」(一)

Submitted by yangjingbang on Sun, 04/15/2018 - 15:48
「张氏标定法」是张正友博士在1999年发表在国际顶级会议ICCV上的论文《Flexible Camera Calibration By Viewing a Plane From Unknown Orientations》中,提出的一种利用平面棋盘格进行相机标定的实用方法。该方法介于摄影标定法和自标定法之间,既克服了摄影标定法需要的高精度三维标定物的缺点,又解决了自标定法鲁棒性差的难题。标定过程仅需使用一个打印出来的棋盘格,并从不同方向拍摄几组图片即可,任何人都可以自己制作标定图案,不仅实用灵活方便,而且精度很高,鲁棒性好。

RCNN将CNN引入目标检测的开山之作

Submitted by yangjingbang on Sun, 04/15/2018 - 14:03
RCNN算法分为4个步骤 1.候选区域生成: 一张图像生成1K~2K个候选区域 (采用Selective Search 方法) 2.特征提取: 对每个候选区域,使用深度卷积网络提取特征 (CNN) 3.类别判断: 特征送入每一类的SVM 分类器,判别是否属于该类 4.位置精修: 使用回归器精细修正候选框位置

读懂概率图模型:从基本概念和参数估计开始

Submitted by yangjingbang on Sat, 04/14/2018 - 18:48
图模型:图模型是由图结构构成的,其中节点表示随机变量,边表示变量之间的依赖关系。 贝叶斯网络:是有向图模型,每个节点都有一个相关的条件概率分布。 马尔可夫网络:是无向图模型,每个团都有一个相关的势函数。 条件独立:根据图中节点的连接方式,我们可以写出这种形式的条件独立陈述:「给定 Z,则 X 与 Y 相互独立」。 参数估计:根据给定的一些数据和图结构来填充 CPD 表或计算势函数。 推理:给定一个图模型,我们希望解答有关未被观察的变量的问题,这些问题通常属于以下问题范围:边际推理、后验推理和 MAP 推理。 在一般图模型上的推理的计算非常困难。我们可以将推理算法分成两大类——精准推理和近似推理。无环图中的变量消除和置信度传播是精准推理算法的例子。近似推理算法对大规模图而言是必需的,而且通常属于基于采样的方法或变分法。