AI加持，計算機要擁有嗅覺了；GPU終于可用于Google Compute Engine | AI開發者頭條

AI加持，計算機要擁有嗅覺了

辨識顏色是件容易的事情：只要光的波長為510納米，大多數人就會說它是綠色。然而，要想根據一個特定的分子特征辨識出對應的味道，那是非常困難的。現在這個難題有新的解決方案了。

22個計算機科學家團隊通過收集超過100萬個數據點，構建關于這些氣味分子的海量數據庫。，然后進行訓練和驗證，目前該團隊已經公布了一套算法，能夠根據不同分子的化學結構來辨識不同氣味，讓計算機也擁有嗅覺。

雷鋒網詳情：http://m.specdd.com.cn/news/201702/MUFPidJt5taJuR0t.html

NVIDIA的Volta架構GV100大核心曝光

盡管NVIDIA下一代全新顯卡Volta早已曝光，但NVIDIA在Volta架構新特性上一直守口如瓶，但近日AIDA64就在官方 FaceBook 上宣布他們已經在驅動中發現了Volta顯卡的蹤跡，顯示其PCI設備ID是1D81 = Graphics Device [GV100]，這意味著GV100大核心已經開始測試了。

從命名上來看，GV100跟現在的GP100一樣很相似，意味著它也可能是Volta家族中的大核心產品，主打高性能計算市場——不過這些信息還有待官方最終確認。而根據NVIDIA官方的路線圖，Volta顯卡將2018年與我們見面。

詳情：http://www.tuicool.com/articles/3AfIbaj?winzoom=1

LeCun 提出基于能量的生成對抗網絡

作為對抗生成網絡學術界的網紅，LeCun在最新的論文中將GAN和自編碼器兩類無監督學習方法結合在一起，并從替代能源的角度重新審視GAN的框架，展示了這種形式的EBGAN在訓練期間可以表現出比常規GAN更穩定的行為。

詳情：http://www.kejitianxia.com/237901.html

論文英文詳情：https://arxiv.org/abs/1609.03126v3

GPU終于可用于Google Compute Engine和云計算機學習

今日（2月22日），谷歌開發者社區（GDG）正式公布GPU現在可用于Google Compute Engine和云計算機學習；

目前為止，最多支持8個GPU（4 K80板）連接到Google Compute Engine自定義虛擬機，從而優化應用程序的性能，目前已支持流行的機器學習和深度學習框架，如TensorFlow，Theano，Torch，MXNet和Caffe等。

詳情：http://chinagdg.org/2017/02/gpus-are-now-available-for-google-compute-engine-and-cloud-machine-learning/

深度學習與物聯網結合實戰案例

本文是數據科學公司（Silicon Valley Data Science）的數據工程師 Matt Rubashkin 的一篇實戰派文章，將重點介紹將深度學習與物聯網結合起來解決加州火車到達時間預測實際問題的思路和過程。

詳情：http://www.tuicool.com/articles/YNz22qi

人工智能的新希望——強化學習全解

強化學習（Re-inforcement Learning）是一種基于與環境互動的目標導向的學習。強化學習被認為是真正的人工智能的希望。我們認為這是正確的說法，因為強化學習擁有巨大的潛力。

強化學習正在迅速發展。它已經為不同的應用構建了相應的機器學習算法。因此，熟悉強化學習的技術會對深入學習和使用機器學習非常有幫助。

雷鋒網詳情：http://m.specdd.com.cn/news/201702/iKF8vvBdmCfq2JZn.html

雷鋒網相關文章：

AI加持，計算機要擁有嗅覺了

人工智能的新希望——強化學習全解

國外大神的機器學習算法大匯總；如何用 50 行 PyTorch 代碼實現 GANs | AI開發者頭條

雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。