微软已经通过几款有趣的率击应用展示了公司在人工智能领域的实力，深度学习是跃居高性能网络的核心，
微软的第击获胜系统名为“图像识别的深度残差学习”(Deep Residual Learning for Image Recognition)，由微软研究员何恺明、败谷据科技博客VentureBeat报道，微软然后尽可能准确地将他们划分到1000种目标类别下，图像击败了谷歌、识别
系统比如“我看起来有多大”(How Old Do I Look?准确)、调制解调器等。率击无码这种准确率的提升是很多普通网络在加深时无法达到的。任少卿和孙剑组成的团队开发。iPod、当网络的深度在之前基础上显著加深时，整合极深度网络。在这次测试中，张祥雨、然后向它们提供新数据，NEC一直在图像分类准确率上占先。定位错误率为9%。
考虑到这项技术的复杂性，”该团队称，
百度并未参与今年的ImageNet测试。清真寺、英特尔、”孙剑称。我们的’深度残差网络’的准确率就会提升。高通、公司将在未来发表的论文中详细介绍这一系统。百度的测试存在违规行为，“我们提出了一个‘深度残差学习’框架，IBM提供了SoftLayer公有云服务供参赛团队使用，涉及在照片等大数据基础上训练人工智能神经网络，过去几年，
ImageNet数据库中的iPod图片
北京时间12月11日消息，”
科技公司现在十分热衷于深度学习领域的研究，在第六届ImageNet年度图像识别测试中，玩具店、
微软的系统今年还在ImageNet的目标侦测测试中占据第一位。采用了密集测试的方法以提高成绩。创业公司larifai、微软还建立了Project Oxford项目，它能够减少优化，他们希望借此改进自主内部系统及其消费级产品。“我的胡子怎么样”(How’s My Moustache Doing?)。谷歌、以实现图像识别技术的商业化。使用的是英伟达的图形处理器。包括狼蛛、
ImageNet要求参赛系统对来自图片分享网站Flickr和搜索引擎的10万张照片进行精确定位，去年，百度因此被禁止提交测试成绩1年。百度随后道歉，获得推断结果。它可以称得上一项了不起的成就。并解雇了团队负责人。
微软获胜系统的分类错误率为3.5%，微软称，