Source: http://ml.memect.com/archive/2015-07-25/long.html
RNN以及LSTM的介绍和公式梳理
来自 @DarkScope 好东西传送门整理
关键词：经验总结, 深度学习, 博客
最近看了不少RNN的，记录一下~~~~~《RNN以及LSTM的介绍和公式梳理》 – DarkScope从这里开始 – 博客频道 – CSDN.NET [1] [1] http://blog.csdn.net/Dark_Scope/article/details/47056361#0-tsina-1-20923-397232819ff9a47a7b7e80a40613cfe1
ICML 2015压轴讨论总结：6大神畅谈深度学习的未来
来自 @马少平THU 好东西传送门整理
关键词：会议活动, 深度学习, Elon Musk, ICML, Stephen Hawking, 会议
【ICML 2015压轴讨论总结：6大神畅谈深度学习的未来】 [1] [1] http://toutiao.com/i/group/article/4906733241/?tt_from=sina&app=news_article&iid=2888456995&utm_medium=toutiao_ios&utm_campain=client_share&utm_source=sinaweibo
人脸检测和识别的Web服务API汇
来自 @视觉机器人 好东西传送门整理
关键词：视觉, 行业动态
人脸检测和识别的Web服务API汇总： [1] 。汇总了全球范围内提供基于Web服务的人脸检测和识别的API，便于网络中快速部署和人脸相关的一些应用。包含比较知名的Face++、Project Oxford、linkface等，以及百度即将开放的人脸识别API。 [1] http://www.cvrobot.net/face-detection-recognition-web-service-api-sdk/
ZS压缩的Google Books Ngram数据集
来自 @爱可可-爱生活 好东西传送门整理
关键词：教育网站
【ZS压缩的Google Books Ngram数据集】 [1] ZS格式说明: [2] Google Books Ngram: [3] [1] http://cpl-data.ucsd.edu/zs/google-books-20120701/
[2] http://zs.readthedocs.org/en/latest/
[3] https://books.google.com/ngrams/info
概率图模型（PGM）有必要系统的学习一下么？
来自 @谢澎涛CMU 好东西传送门整理
关键词：算法
我在 @知乎 回答了问题: 概率图模型（PGM）有必要系统的学习一下么？ 很高兴看到有人提这个问题。概率图模型(PGM）是我的研究方向（发表的9篇论文中7篇是PGM），也曾做过CMU PGM这门课的TA，对这个方向深深喜爱。 先说说PGM的重要性。概率图… [1] 来看看! [1] http://www.zhihu.com/question/23255632/answer/56330768
完整版
点此链接查看全部21条：http://ml.memect.com/archive/2015-07-25/long.html