Neural Style in Tensorflow
#neural_style
http://www.anishathalye.com/2015/12/19/an-ai-that-can-mimic-any-artist/

Some implementations of Neural Style
https://github.com/andersbll/neural_artistic_style
https://github.com/anishathalye/neural-style
https://github.com/jcjohnson/neural-style
https://github.com/jcjohnson/fast-neural-style
#neural_style

👆
مربوط به ارائه ی دکتر اسلامی در دانشگاه تهران است

#Google_Nature_paper
Human-level control through deep reinforcement learning
#deep_reinforcement_learning
#deepmind

احتمالا قبلا در مورد هوش مصنوعی ای که بازی شطرنج بازی میکرد و اکثر بازیکنان حرفه ای شطرنج را برده شنیده اید! اما حقیقت این است که آن هوش مصنوعی تنها قادر بود شطرنج بازی کند و در واقع فقط برای آن بازی آموزش دیده بود و توانایی هیچ کار دیگری نداشت!

محققان گوگل در مقاله ی سال 2015 نیچر با استفاده از ایده ی #یادگیری_تقویتی شبکه عصبی طراحی کردند که قادر بود که خودش بازی ها را یاد بگیرد!
این هوش مصنوعی که به عنوان ورودی صفحه RGB بازی و به عنوان پاداش امتیاز کسب شده از بازی را دریافت میکرد، با 50 بازی آتاری تست شد و نتایج اعجاب انگیزی داشت!

نکته ی جالب این بود یک ساختار شبکه، توانسته بود خودش هر یک از بازی های آتاری را بیاموزد و در بسیاری از بازی ها از بهترین بازیکن ها ی این بازی ها بهتر بازی کند.

ویدیو نتایج بازی منتشر شده توسط google deepmind:
https://youtu.be/TmPfTpjtdgg
یا
http://deepnn.ir/tensorflow-telegram-files/DQN%20Breakout.mp4


با استفاده از ایده‌ی #یادگیری_تقویتی، نیاز به داده هایی که انسان در آن دست برده کم تر شده و مدل یا ربات می‌تواند خودش از دنیای پیرامون اطلاعات کسب کند. در این نوع یادگیری در نهایت تنها پاداش به مدل داده می‌شود.

#reinforcement_learning #rl #deepmind #atari

https://deepmind.com/blog/deep-reinforcement-learning/

Amazingly, DQN achieved human-level performance in almost half of the 50 games to which it was applied; far beyond any previous method. The #DQN source code and Atari 2600 emulator are freely available to anyone who wishes to experiment for themselves.

سورس این شبکه به زبان lua:
https://sites.google.com/a/deepmind.com/dqn/

Atari 2600 emulator برای اجرای بازی های آتاری:
http://stella.sourceforge.net/

فایل صوتی و اسلایدهای آموزش مقدماتی #تنسورفلو توسط آقای لواسانی.
در سمینار آشنایی با مسایل پردازش زبان طبیعی توسط یادگیری ژرف
دانشگاه شهید بهشتی مورخ 24 آذر 1395👆
#beheshti #nlp #Tensorflow

پیاده سازی در #تنسورفلو
https://github.com/devsisters/DQN-tensorflow/
#DQN #deepmind

فیلم ارائه :

📝موضوع : Modern Artificial Intelligence via Deep Learning

http://www.aparat.com/v/ZgHv8#

👤 ارائه دهنده :دکتر علی اسلامی
⏱ زمان: ١١ دى 1395
🔅 محل : دانشگاه تهران

#ارائه #فیلم #سمینار #سخنرانی #eslami #deepmind

@cvision

کانال منابع برنامه نویسی:
https://telegram.me/pythony

دو سورس کد جالب در تنسرفلو برای بازی های ویدیویی

pic: http://deepnn.ir/tensorflow-telegram-files/TensorKart.gif
—----------------------
1:
artificial neural network to play Mario Kart 64
(Published: January 4th, 2017)
🔗http://sdtimes.com/developer-trains-artificial-neural-network-play-mario-kart-64/

پیاده سازی در تنسورفلو
(self-driving #MarioKart with #TensorFlow)
🔗https://github.com/kevinhughes27/TensorKart
—----------------------
2:
#Nvidia 2016 paper:
End to End Learning for #Self_Driving Cars
🔗paper: https://arxiv.org/pdf/1604.07316.pdf

پیاده سازی در تنسورفلو
(A TensorFlow implementation of this Nvidia paper) :
🔗https://github.com/SullyChen/Autopilot-TensorFlow

شبکه CNN که قابلیت پردازش بلارنگ تصاویر با پردازنده موبایل را دارد👇👇👇
http://videolectures.net/eccv2016_rastegari_neural_networks/?q=eccv%202016

#xnor_net

اسلاید ارائه :

📝موضوع : The Next Frontier in AI: Unsupervised Learning


👤 ارائه دهنده :#Yann_LeCun
⏱ زمان: November 18, 2016

#اسلاید

@cvision

🎙📢 دیجی‌کالا FM: گفت‌وگو با دکتر علی اسلامی، نخبه‌ی ۲۹ ساله‌‌ی گوگل!

@DKMag | دیجی‌کالا‌مگ
#DigikalaFM #Interview

مقاله های یادگیری ژرف که باید بخوانیم
The #9_Deep_Learning_Papers You Need To Know About

🔗https://adeshpande3.github.io/adeshpande3.github.io/The-9-Deep-Learning-Papers-You-Need-To-Know-About.html

✔️AlexNet (2012)
✔️ZF Net (2013)
✔️VGG Net (2014)
✔️GoogLeNet (2015)
✔️Microsoft ResNet (2015)

Region Based CNNs :
✔️R-CNN - 2013
✔️Fast R-CNN - 2015
✔️Faster R-CNN - 2015

✔️Generative Adversarial Networks (2014)
✔️Generating Image Descriptions (2014)
✔️Spatial Transformer Networks (2015)

هوش مصنوعی گوگل، با استفاده از یادگیری عمیق، بهتر از هر آدم خبره ای لب خوانی میکند:
Google’s DeepMind AI can lip-read TV shows better than a pro:
pic: https://d1o50x50snmhul.cloudfront.net/wp-content/uploads/2016/11/21090036/l4.gif

برای اینکار شبکه با 118,000 عبارت در 5000 ساعت برنامه ی ویدیویی که غالبا شامل اخبار بوده آموزش دیده است

اطلاعات بیشتر:
🔗https://www.newscientist.com/article/2113299-googles-deepmind-ai-can-lip-read-tv-shows-better-than-a-pro

مقاله مرتبط:
https://arxiv.org/pdf/1611.05358v1.pdf

#Tensorflow for #Deep_Learning Research
کورس دانشگاه استنفورد درباره‌ی تنسورفلو
https://web.stanford.edu/class/cs20si
Thanks to: @farh0od
#Stanford #CS20SI

#Natural_Language_Processing with #Deep_Learning
کورس جدید دانشگاه استنفورد درباره‌ی پردازش زبان طبیعی با استفاده از یادگیری عمیق
http://web.stanford.edu/class/cs224n
Thanks to: @farh0od
#Deep_NLP #Stanford #CS224n