神经网络预测大量数据 必赢亚洲手机版网址(4)

另外，很多APP推送相关活动的时候，会针对不同地区不同类型的用户推送不同的活动。比如，某个活动只想让广东省广州市的男性用户参与，APP应该如何实现这样的精准化用户推送？

视频预测一个很难的地方是：大多数模型预测认为，你应该把同一帧永远复制下去；或者影像不断模糊下去，直到全部消失。这是由于每一个像素的不确定性太多。所以，让他们不断预测每一帧的清晰画面十分困难。

嗯，很有可能。原则上大多数生成模型都可以。对于GANs，你需要找到能从图像到描述图像的代码的方法。我描述的GANs版本只有单一方向（代码到图像）映射，但是蒙特利尔大学的对抗学习推理（AdversariallyLearnedInference），还有加州大学伯克利分校的双向GANs（BidirectionalGANs），有从图像到代码的编码层（EncodeLayer）。你可以用编码层生成简单代码，对于经过解码的图像的区别，再使用硬编码的压缩算法将之压缩。如果你运气好，这些区别足够小，可以被压缩，最终结果会比原始图像使用更少的比特。

简单来说，CNN是神经网络的一种架构，它们未必是为了学习如何生成一组图像而设计。它们可以被用来创造很多的东西，包括GANs和DBN。

在饮食习惯方面，各个地区存在着极大的差异。比如，北方人牛羊肉吃的比较多，南方肉类主要以鸡鸭和猪肉为主。再比如，广东地区，龙眼荔枝等是最常见的水果，消费者打开商品页面，最希望在前排就能看到这类型的水果。

本文来自电脑杂谈，转载请注明本文网址：
http://www.pc-fly.com/a/jisuanjixue/article-54725-4.html