人工智慧，倒底有多智慧？

反向傳播算法（ Backpropagation Algorithm ）

藉由微積分中的鏈鎖律（Chain rule）使神經網路能更有效率地收斂

Epoch, Batch size, Iteration, Learning Rate

這幾個字眼在訓練 AI model 或閱讀 Paper 時都很常出現，這篇文章會以簡單的舉例來說明它們之間的關係。

Decision tree 決策樹 — 單純、快速、解釋性高的決策術

這天老師在剛上課時，就先描述了一個情境：假設你已經在工作了，老闆或上司不太懂AI卻又要求你在很短的時間內給出一個可解釋、好懂的AI模型和預測成果，那你要怎麼辦？

Entropy (熵)是甚麼？在資訊領域的用途是？

「熵」是一種對物理系統之無秩序或亂度的量度；資訊與熵是互補的，資訊就是負熵。

Entropy 中文翻作「熵」，西元1854年由一位德國物理學家 Rodolph Clausius 提出，是一種對物理系統之無秩序或亂度的量度，早先應用於熱力學中，用來量度無法轉換成「功」的熱能。Claude Elwood Shannon在1948年將這概念引用到資訊領域來衡量接收到的資訊。

論文閱讀 CVPR 2021 — SelfSAGCN: Self-Supervised Semantic Alignment for Graph Convolution Network

論文閱讀 CVPR 2020 — RetinaFace: Single-shot Multi-level Face Localisation in the Wild

論文閱讀 CVPR 2021 — Decoupled Dynamic Filter Networks

該論文巧妙地善用了不同維度上的 Attention 技巧，提出可依據影像內容動態地生成 Filter…

論文閱讀 WACV 2021 — Attentional Feature Fusion

論文連結： 《 Attentional Feature Fusion 》

論文閱讀 CVPR 2020 — ECA-Net: Efficient Channel Attention for Deep Convolutional Neural Networks