[机器学习] 人工智能、价值与对齐【DeepMind最新论文】.zip

说明：本文着眼于在AI一致性背景下出现的哲学问题。它捍卫了三个主张。首先，AI协调问题的规范和技术方面是相互关联的，这为在两个领域工作的人们之间的有效参与创造了空间。其次，重要的是要明确对齐的目标。人工智能与指令，意图，揭示的偏好，理想偏好，兴趣和价值观相符之间存在显着差异。在这种情况下，基于原则的AI对齐方法将这些元素以系统的方式结合在一起，具有相当大的优势。第三，理论学家面临的主要挑战不是确定AI的“真实”道德原则。相反，它是确定公平的公正原则，尽管人们的道德观念差异很大，但原则上仍应得到反思的认
<syp_net> 上传 | 大小：193kb

[深度学习] C:\Users\shitianjin\Downloads\中国科学院2019年人工智能发展白皮书.pdf

说明：中国科学院2019年人工智能发展白皮书，2019年中国科学院，人工智能发展，白皮书，中国科学院大数据挖掘与知识管理重点实验室编写，包括，风起云涌：人工智能关键技术不断取得突破，相得益彰，人工智能赋能产业与应用场景，百川归海，人工智能开放创新平台逐步建立，各领风骚，全球人工智能公司一览。
<tj_shi> 上传 | 大小：3mb

[深度学习] Explainable Reasoning over Knowledge Graphs for Recommendation.pdf

说明：近年来,将知识图谱纳入推荐系统已引起越来越多的关 注.通过探索知识图中的互连,可以发现用户和项目之 间的连通性,这为路径提供了丰富且互补的信息给用户 -项目交互.这种连通性不仅揭示了实体和关系的语义, 而且还有助于理解用户的兴趣.然而,现有的努力还没 有完全探索这种连通性来推断用户的偏好,尤其是在对路径内的顺序依存关系和整体语义建模方面.
<qq_41621342> 上传 | 大小：758kb

[深度学习] FCN论文笔记.docx

说明：讲解FCN论文，希望能够对大家有帮助。如果有错误，大家可以随时联系我。我一定虚心改正，希望能够和大家一起努力学习知识。
<weixin_45783434> 上传 | 大小：1mb

[机器学习] 新一代人工智能重大项目2020年度第一批指南.pdf

说明：新一代人工智能重大项目2020年度第一批指南，科技部文件。为落实《新一代人工智能发展规划》，启动实施科技创新 2030—“新一代人工智能”重大项目（以下简称“本重大项目”）。根据本重大项目实施方案的部署，现提出 2020 年度第一批项目申报指南。
<D_chen> 上传 | 大小：234kb

[机器学习] 统计建模与R软件.zip

说明：统计建模与R软件.zip统计建模与R软件.zip统计建模与R软件.zip统计建模与R软件.zip统计建模与R软件.zip
<TOMOCAT> 上传 | 大小：3mb

[机器学习] 通俗易通理解XGBoost算法

说明：一篇不错的博文能通俗易通理解XGBoost算法。 有公式推导，有例子说明，相当不错，推荐一下给大家。
<u014056414> 上传 | 大小：1mb

[深度学习] 自动驾驶行业报告.rar

说明：自动驾驶系列报告之一：综合篇：自动驾驶的时代已经开始到来。这是一本讲述近几年自动驾驶行业概况的报告，概述了相关自动驾驶技术，主要自动驾驶公司的发展状况。
<mao_hui_fei> 上传 | 大小：2mb

[机器学习] haarcascade_frontalface_alt_tree.xml

说明：人脸识别人脸识别人脸识别人脸识别人脸识别 不用安装openvc不用安装openvc不用安装openvc
<liu24244> 上传 | 大小：2mb

[机器学习] 山东大学最优化.zip

说明：山东大学最优化山东大学最优化山东大学最优化山东大学最优化山东大学最优化山东大学最优化山东大学最优化山东大学最优化山东大学最优化山东大学最优化
<Cathy1122334455> 上传 | 大小：26mb

[深度学习] labelimg.zip

说明：这是目标检测人工标注实用的标注工具，操作简单，打开即可使用。使用步骤如下： 1. 点击 Open Dir 按钮，进入数据集图片的路径 成功后在右下角区域会出现图片的目录，可双击选择某张图片，也可按顺序一张张进行标注 2. 点击 Change Save Dir 按钮，选择保存生成的label文件的路径 3.点击 Create \nRectBox 按钮（快捷键为W），鼠标图标会变化，在图像上拖动即可生成一个框。然后会出现一个窗口让你选择框中对象的类别 4. 标注完一张图像后
<qq_37394620> 上传 | 大小：12mb

[深度学习] Shake-Shake regularization.pdf

说明：本文介绍的Shake-Shake方法旨在帮助深度学习从业者面临过度拟合问题。 这个想法是在多分支机构中取代网络，具有随机仿射的并行分支的标准求和组合。 适用于3分支残差网络，摇动正则化改善了CIFAR-10和CIFAR-测试错误率分别为2.86％和15.85％，为100。在没有跳过连接或批处理规范化的体系结构上进行的实验表明，令人鼓舞的结果为大量应用打开了大门。
<qq_37394620> 上传 | 大小：1mb