摘要：神经网络（NN）擅长解决监督学习领域的一些复杂的非线性问题。这些网络的一个突出应用是图像分类。过去几十年的大量改进提高了这些图像分类器的能力。然而，神经网络仍然是解决图像分类和其他复杂任务的黑匣子。进行的许多实验研究了神经网络如何解决这些复杂的问题。本文拆解了特定材料分类器的神经网络解决方案，结合了卷积层。使用多种技术来研究该问题的解决方案。这些技术专门关注哪些像素对神经网络做出的决策有贡献，以及每个神经元对决策的贡献。本次调查的目的是了解神经网络的决策过程，并利用这些知识对材料分类算法提出改进建议。
#86 – David Silver: AlphaGo, AlphaZero, and Deep Reinforcement Learning
David Silver 领导 DeepMind 的强化学习研究小组，曾担任 AlphaGo、AlphaZero 的首席研究员，并联合领导 AlphaStar 和 MuZero，在强化学习领域做了许多重要工作。通过注册以下赞助商来支持此播客：- MasterClass：https://masterclass.com/lex- Cash App - 使用代码“LexPodcast”并下载：- Cash App（App Store）：https://apple.co/2sPrUHe- Cash App（Google Play）：https://bit.ly/2MlvP5w 剧集链接：强化学习（书籍
当我浏览一些社交媒体帖子时，我在推特上看到了@casas_jimmy 的这条帖子。#ThoughtForTheDay 在你监督学生的日子里，试着避免将其定义为走廊值班、食堂值班、操场值班或校车值班。相反，开始将所有这些都视为建立关系的机会。将你的思维从职责转变为机遇......来自#Culturize— Jimmy Casas (@casas_jimmy) 2019 年 3 月 23 日 你可能不知道 Jimmy 是谁，但他是我关注了几年的前校长和老师。当我读到这条推文时，我立刻觉得这是一个好主意。我们有多少次对某件事有错误的看法？我们有多少次看到它的消极面？当我们将心态从背负任务转变为有机会
4 Focus Areas For Successful Remote Leading
我们之所以讨论远程学习，是因为科学告诉我们，保持安全的方法就是待在家里。有些人会不同意这一决定，但最终它可以（并且会）挽救学生和热情的教育工作者的生命，他们在疫情期间不知疲倦地为他们提供教育。当然，今年教育界的流行词是“远程学习”。但远不止于此。这实际上是远程领导。教师们必须开辟新的道路，弄清楚如何在这些偏远的环境中教学。校长、课程负责人、督学，实际上所有的领导者都在试图做同样的事情，同时保证每个人的安全，并确保公平和机会。这就是领导者所做的。他们面临着看似无法克服的压倒性情况，但他们不知何故找到了成功的方法。以下是确保远程领导成功的 4 个重点领域：关注同理心、优雅和人际关系——在这样的时代
Apple предлагает усовершенствованное обучение для ИИ
来自苹果新成立的机器学习小组的六名研究人员发表了一篇论文，描述了一种模拟无监督学习的新方法。这项工作表明了该公司希望在人工智能这一重要研究领域脱颖而出。
Overview of Cluster Analysis and Dirichlet Process Mixture Models
在伦敦帝国理工学院机器学习硕士学位的 ISO 研究项目中，我专注于使用狄利克雷过程混合模型进行聚类分析的问题。DPMM 是一种“完全贝叶斯”无监督学习技术，与其他聚类分析方法不同，它不需要我们预先定义聚类总数 [...]
