辨识颜色是件容易的事情：只要光的波长为510纳米，大多数人就会说它是绿色。然而，要想根据一个特定的分子特征辨识出对应的味道，那是非常困难的。现在这个难题有新的解决方案了。
22个计算机科学家团队通过收集超过100万个数据点，构建关于这些气味分子的海量数据库。，然后进行训练和验证，目前该团队已经公布了一套算法，能够根据不同分子的化学结构来辨识不同气味，让计算机也拥有嗅觉。
尽管NVIDIA下一代全新显卡Volta早已曝光，但NVIDIA在Volta架构新特性上一直守口如瓶，但近日AIDA64就在官方 FaceBook 上宣布他们已经在驱动中发现了Volta显卡的踪迹，显示其PCI设备ID是1D81 = Graphics Device [GV100]，这意味着GV100大核心已经开始测试了。
从命名上来看，GV100跟现在的GP100一样很相似，意味着它也可能是Volta家族中的大核心产品，主打高性能计算市场——不过这些信息还有待官方最终确认。而根据NVIDIA官方的路线图，Volta显卡将2018年与我们见面。
详情：http://www.tuicool.com/articles/3AfIbaj?winzoom=1
作为对抗生成网络学术界的网红，LeCun在最新的论文中将GAN和自编码器两类无监督学习方法结合在一起，并从替代能源的角度重新审视GAN的框架，展示了这种形式的EBGAN在训练期间可以表现出比常规GAN更稳定的行为。
详情：http://www.kejitianxia.com/237901.html
论文英文详情：https://arxiv.org/abs/1609.03126v3
今日（2月22日），谷歌开发者社区（GDG）正式公布GPU现在可用于Google Compute Engine和云计算机学习；
目前为止，最多支持8个GPU（4 K80板）连接到Google Compute Engine自定义虚拟机，从而优化应用程序的性能，目前已支持流行的机器学习和深度学习框架，如TensorFlow，Theano，Torch，MXNet和Caffe等。
详情：http://chinagdg.org/2017/02/gpus-are-now-available-for-google-compute-engine-and-cloud-machine-learning/
本文是数据科学公司（Silicon Valley Data Science）的数据工程师 Matt Rubashkin 的一篇实战派文章，将重点介绍将深度学习与物联网结合起来解决加州火车到达时间预测实际问题的思路和过程。
详情：http://www.tuicool.com/articles/YNz22qi
强化学习（Re-inforcement Learning）是一种基于与环境互动的目标导向的学习。强化学习被认为是真正的人工智能的希望。我们认为这是正确的说法，因为强化学习拥有巨大的潜力。
强化学习正在迅速发展。它已经为不同的应用构建了相应的机器学习算法。因此，熟悉强化学习的技术会对深入学习和使用机器学习非常有帮助。
本文作者：AI研习社 本文转自雷锋网禁止二次转载， 原文链接