声明：本文是 A Neural Network in 11 lines of Python 学习总结而来，关于更详细的神经网络的介绍可以参考从感知机到人工神经网络。

全连接神经网络 辅助阅读： TensorFlow中文社区教程 - 英文官方教程 代码见： full_connect.py Linear Model 加载 lesson 1 中的数据集 将Data...

目前语言建模的主要方法都是基于循环神经网络的。在本研究中，我们提出了一种使用卷积方式处理的语言建模方式。我们引入了一种新的门控机制，可以缓和梯度传播，它的表现比 LSTM 方式的门控（Oord ...

多层前向神经网络由三部分组成：输出层、隐藏层、输出层，每层由单元组成；

本文整理了 GitHub 上最流行的 57 款深度学习项目（按 stars 排名）。

BeeHive 是用于 iOS 的 App 模块化编程的框架实现方案，吸收了 Spring 框架 Service 的理念来实现模块间的 API 耦合。

神经网络是一种特殊类型的机器学习（ML）算法。 因此，作为每个 ML 算法，它遵循数据预处理，模型建立和模型评估的通常 ML 工作流。 

循环神经网络（RNN）已经在许多自然语言处理任务上取得了最出色的表现，比如语言建模和机器翻译。然而当词汇量很大时，RNN 模型会变得很大（可能超过 GPU 最大的内存能力），这样训练将变得很低效...

人与人之间，有默契交流起来无疑是畅快舒服的。但这种连人类也说不清的模糊 “感知能力”，最近居然在 Google 的一项 AI 研究项目中出现。这是否意味着人工智能真要开始具备意识并崛起了？

卷积神经网络（ConvNets 或者 CNNs）属于神经网络的范畴，已经在诸如图像识别和分类的领域证明了其高效的能力。卷积神经网络可以成功识别人脸、物体和交通信号，从而为机器人和自动驾驶汽车提供视力。

最近“神经网络”非常火，各种关于神经网络的文章满天飞，但可能对于非专业领域出身的人来说接触这些文章就会云里雾里了。究其原因主要是缺少适合大部分人理解的神经网络的科普文章，笔者希望能从神经网络的起...

在BP过程中,最重要的事情就是维护梯度回传的先后顺序。在TensorFlow中，每个tensor就表示了一个函数节点，tensor之间的运算，例如mat、add这些都会生成新的tensor，这种...

在创建了神经网络后，通常需要对权重和偏置进行初始化，大部分的实现都是采取Gaussian distribution来生成随机初始值。

新的神经网络架构随时随地都在出现，要时刻保持最新还有点难度。

YouTube的推荐系统是是世界上规模最大、最复杂的推荐系统之一。 最近Google的研究人员公布了他们投到今年ACM会议的一篇文章， 详细介绍了他们最近利用深度神经网络实现YouTube推荐系统的技术细节

LeNet5 诞生于 1994 年，是最早的卷积神经网络之一，并且推动了深度学习领域的发展。自从 1988 年开始，在许多次成功的迭代后，这项由 Yann LeCun 完成的开拓性成果被命名为 ...

估计你已经厌烦了听身边人高谈阔论什么机器学习、深度学习但是自己摸不着头脑，这篇文章就由浅入深高屋建瓴地给你介绍一下机器学习的方方面面。本文的主旨即是让每个对机器学习的人都有所得，因此你也不能指望...

我们遵循以下两种设计原则提出了这个新的自然语言处理结构：1）基于表示文本的最小表示进行操作，例如字符。2）利用本地操作的深度堆栈，例如卷积层和卷积符号为3的最大池化，来学习句子的高层次表示。

官方教程 地址 视频 / 字幕 下载 全连接神经网络 辅助阅读： TensorFlow中文社区教程 - 英文官方教程 代码见： full_connect.py Linear Model 加载le...

练深度神经网络是一个非常耗时的过程，比如用卷积神经网络去训练一个目标识别任务需要好几天来训练。因此，充分利用集群的资源，加快训练速度成了一个非常重要的领域。不过，当前非常热门的批处理计算架构 （...