正如autoencoder一样，我们使用stack玻耳兹曼机创建一个称为deep belief networks (DBNs)的分类器。

　　从前几章我们已经发现autoencoders隐藏层和RBM能作为有效的特征探测器，但是直接使用它们还是很少的，事实上的数据比前面的一个规则数据集更加复杂，反过来，我们需要寻找到一些方法间接使用这些特征检测。

　　本文主要基于Anand Rajaraman和Jeffrey David Ullman合著，王斌翻译的《大数据-互联网大规模数据挖掘与分布式处理》一书。

　　这篇文章介绍几个最流行的机器学习算法。现在有很多机器学习算法，困难的是进行方法归类，这里我们介绍两种方法进行思考和分类这些算法。第一组算法是学习风格，第二组是在形式和功能上类似。 学习风格

　　去年11月，一篇名为《Playing Atari with Deep Reinforcement Learning》的文章被初创人工智能公司DeepMind的员工上传到了arXiv网站。两个月之后，谷歌花了500万欧元买下了DeepMind公司，而人们对这个公司的了解仅限于这篇文章。近日，Tartu大学计算机科学系计算神经学小组的学者在robohub网站发表文章，阐述了他们对DeepMind人工智能算法的复现。在arXiv发表的原始论文...

　　随着深度学习研究热潮的持续发酵，各种开源 深度学习框架 层出不穷，其中包括：Caffe、CNTK、MXNet、Neo九游体育科技n、TensorFlow、Theano 和 Torch (著名开源深度学习框架 Keras 相当于是 TensorFlow 和 Theano 的简化接口，这里就不并列了)。

　　去年，Sphero推出了首版Spark机器人--一个能够用移动软件控制的滚球。自那之后，来自美国和加拿大的1000多所学校开始利用这种机器人来教授学生学习机器人科学与计算机编程。 日前，这家公司宣布推出第二版--Spark+，相较于第一版，它的表面变得更坚固、更耐磨，另外它还多了一个蓝牙版，这意味着机器人之间可以建立起通讯连接。

　　尽管 Google 在欧州尤其是欧盟委员会那里颇 不受待见 ，但是这依然阻挡不了 Google 在欧洲继续前进的脚步。

　　关于代码托管的始末，程序员应该知道这些线月，雷锋网将在深圳举办一场盛况空前，且有全球影响力的人工智能与机器人创新大会。届时雷锋网将发布“人工智能&机器人Top25创新企业榜”榜单。

　　[ 编辑的话: Ulrich Drepper最近问我们，是不是有兴趣发表一篇他写的内存方面的长文。我们不用看太多就已经知道，LWN的读者们会喜欢这篇文章的。内存的使用常常是软件性能的决定性因子，而如何避免内存瓶颈的好文章却不好找。这篇文章应该会有所帮助。

　　机器学习已经成为我们生活中的一部分，对购买者、消费者或是希望进行研究和实践者都很重要!无论我们应用预测建模技术来进行我们的研究还是解决业务问题。

　　编者按：本文系熊辉受邀在头条实验室所做演讲整理，由头条实验室授权 36 氪发布。头条实验室是今日头条设立的旨在推动人工智能技术研究的技术平台，致力于让算法更好地理解文字、图片、视频、环境场景和用户兴趣，从而促进人类信息与知识交流的效率和深度。

　　基于哈希表的 Map 接口的实现。此实现提供所有可选的映射操作，并允许使用 null 值和 null 键。（除了非同步和允许使用 null 之外，HashMap 类与 Hashtable 大致相同。）此类不保证映射的顺序，特别是它不保证该顺序恒久不变。

　　封装隐藏了类的内部实现机制，可以在不影响使用的情况下改变类的内部结构，同时也保护了数据。对外界而已它的内部细节是隐藏的，暴露给外界的只是它的访问方法。