完善資料讓更多小伙伴認(rèn)識(shí)你,還能領(lǐng)取20積分哦,立即完善>
標(biāo)簽 > 機(jī)器學(xué)習(xí)
機(jī)器學(xué)習(xí)(Machine Learning, ML)是一門多領(lǐng)域交叉學(xué)科,涉及概率論、統(tǒng)計(jì)學(xué)、逼近論、凸分析、算法復(fù)雜度理論等多門學(xué)科。
文章:7721個(gè) 瀏覽:134374次 帖子:303個(gè)
人類終于找到了如何處理“抽象概念”這個(gè)亙古難題的方法
開(kāi)始的通過(guò)傳感器(例如CMOS)來(lái)獲得數(shù)據(jù)。然后經(jīng)過(guò)預(yù)處理、特征提取、特征選擇,再到推理、預(yù)測(cè)或者識(shí)別。最后一個(gè)部分,也就是機(jī)器學(xué)習(xí)的部分,絕大部分的工...
2019-04-26 標(biāo)簽:傳感器機(jī)器學(xué)習(xí)深度學(xué)習(xí) 5297 0
如何使用Python機(jī)器學(xué)習(xí)解決驗(yàn)證碼的資料說(shuō)明
寫爬蟲有一個(gè)繞不過(guò)去的問(wèn)題就是驗(yàn)證碼,現(xiàn)在驗(yàn)證碼分類大概有4種: 圖像類 滑動(dòng)類 點(diǎn)擊類 語(yǔ)音類
2019-05-03 標(biāo)簽:機(jī)器學(xué)習(xí)Python 2512 0
網(wǎng)友們拿《毀滅戰(zhàn)士》、《半條命2》、《銀河戰(zhàn)士2》,甚至是2010年才推出的《質(zhì)量效應(yīng)2》等游戲做實(shí)驗(yàn)。結(jié)果發(fā)現(xiàn),需要額外的輔助技術(shù)來(lái)呈現(xiàn)新的視覺(jué)效果。...
2019-04-26 標(biāo)簽:人工智能機(jī)器學(xué)習(xí)AI算法 2857 0
如何幫你的回歸問(wèn)題選擇最合適的機(jī)器學(xué)習(xí)算法
回歸分析在機(jī)器學(xué)習(xí)領(lǐng)域應(yīng)用非常廣泛,例如,商品的銷量預(yù)測(cè)問(wèn)題,交通流量預(yù)測(cè)問(wèn)題。那么,如何為這些回歸問(wèn)題選擇最合適的機(jī)器學(xué)習(xí)算法呢?
2019-05-03 標(biāo)簽:算法機(jī)器學(xué)習(xí) 3074 0
谷歌MorphNet:它是如何工作的?為什么是MorphNet?
在縮減階段之后,人們可以停止 MorphNet,只需縮減網(wǎng)絡(luò)以滿足更嚴(yán)格的資源預(yù)算。這會(huì)導(dǎo)致在給定目標(biāo)成本的時(shí)候網(wǎng)絡(luò)效率更高,但有時(shí)也會(huì)導(dǎo)致精度下降。另...
2019-04-27 標(biāo)簽:谷歌神經(jīng)網(wǎng)絡(luò)機(jī)器學(xué)習(xí) 2218 0
利用進(jìn)化后的反向傳播算法實(shí)現(xiàn)快速、高效的訓(xùn)練
研究人員提出了一種離線型端到端訓(xùn)練的鑒別目標(biāo)跟蹤方法。在Python中可以使用PyTorch實(shí)現(xiàn),新方法是通過(guò)迭代優(yōu)化從具有辨別性的學(xué)習(xí)損失中衍生得出的...
2019-04-24 標(biāo)簽:谷歌神經(jīng)網(wǎng)絡(luò)機(jī)器學(xué)習(xí) 3002 0
幾個(gè)常用算法的適應(yīng)場(chǎng)景及其優(yōu)缺點(diǎn)!
通常情況下,如果是小訓(xùn)練集,高偏差/低方差的分類器(例如,樸素貝葉斯NB)要比低偏差/高方差大分類的優(yōu)勢(shì)大(例如,KNN),因?yàn)楹笳邥?huì)發(fā)生過(guò)擬合(ove...
2019-04-24 標(biāo)簽:算法分類器機(jī)器學(xué)習(xí) 1.3萬(wàn) 0
實(shí)戰(zhàn):CNN+BLSTM+CTC的驗(yàn)證碼識(shí)別從訓(xùn)練到部署
如果希望使用上面對(duì)應(yīng)之外的搭配的CUDA和cuDNN,可以自行編譯TensorFlow,或者去Github上搜索TensorFlow Wheel找到第三...
2019-05-01 標(biāo)簽:代碼機(jī)器學(xué)習(xí)cnn 4937 0
將文本轉(zhuǎn)換為動(dòng)畫并不是一項(xiàng)簡(jiǎn)單的任務(wù),大多數(shù)將文本轉(zhuǎn)換為視頻的工具不能處理復(fù)雜句子,因?yàn)檩斎氲木渥雍洼敵龅膭?dòng)畫都沒(méi)有固定的結(jié)構(gòu)。為了克服這種問(wèn)題,兩位論...
2019-04-23 標(biāo)簽:AI機(jī)器學(xué)習(xí)自然語(yǔ)言處理 4475 0
機(jī)器學(xué)習(xí)和統(tǒng)計(jì)的主要區(qū)別在于它們的目的
首先,我們必須明白,統(tǒng)計(jì)和統(tǒng)計(jì)建模是不一樣的。統(tǒng)計(jì)是對(duì)數(shù)據(jù)的數(shù)學(xué)研究。除非有數(shù)據(jù),否則無(wú)法進(jìn)行統(tǒng)計(jì)。統(tǒng)計(jì)模型是數(shù)據(jù)的模型,主要用于推斷數(shù)據(jù)中不同內(nèi)容的關(guān)...
2019-04-22 標(biāo)簽:人工智能機(jī)器學(xué)習(xí)線性回歸 3879 0
機(jī)器學(xué)習(xí)應(yīng)用及數(shù)據(jù)集
本文介紹了包括圖像分類、交易預(yù)測(cè)、情感分類、推薦系統(tǒng)、股票預(yù)測(cè)等在內(nèi)的若干個(gè)機(jī)器學(xué)習(xí)應(yīng)用及數(shù)據(jù)集。
2019-04-21 標(biāo)簽:圖像分類股票預(yù)測(cè)機(jī)器學(xué)習(xí) 4387 0
深度學(xué)習(xí)到底是什么卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)你了解嗎
在很多人眼里,深度學(xué)習(xí)是一個(gè)非常神奇的技術(shù),是人工智能的未來(lái),是機(jī)器學(xué)習(xí)的圣杯。今天大恒圖像帶您一起揭開(kāi)他神秘的面紗,了解什么才是深度學(xué)習(xí)。
2019-04-20 標(biāo)簽:神經(jīng)網(wǎng)絡(luò)機(jī)器學(xué)習(xí)深度學(xué)習(xí) 3666 0
以線性回歸算法來(lái)對(duì)三種梯度下降法進(jìn)行比較
從上面公式可以注意到,它得到的是一個(gè)全局最優(yōu)解,但是每迭代一步,都要用到訓(xùn)練集所有的數(shù)據(jù),如果樣本數(shù)目 m 很大,那么可想而知這種方法的迭代速度!所以,...
2019-04-19 標(biāo)簽:函數(shù)梯度機(jī)器學(xué)習(xí) 4375 0
機(jī)器學(xué)習(xí)的特征工程是將原始的輸入數(shù)據(jù)轉(zhuǎn)換成特征
對(duì)于類別數(shù)量很多的分類變量可以采用特征哈希(Hashing Trick),特征哈希的目標(biāo)就是將一個(gè)數(shù)據(jù)點(diǎn)轉(zhuǎn)換成一個(gè)向量。利用的是哈希函數(shù)將原始數(shù)據(jù)轉(zhuǎn)換成...
2019-04-19 標(biāo)簽:神經(jīng)網(wǎng)絡(luò)機(jī)器學(xué)習(xí)數(shù)據(jù)預(yù)處理 4727 0
我們知道決策樹容易過(guò)擬合。換句話說(shuō),單個(gè)決策樹可以很好地找到特定問(wèn)題的解決方案,但如果應(yīng)用于以前從未見(jiàn)過(guò)的問(wèn)題則非常糟糕。俗話說(shuō)三個(gè)臭皮匠賽過(guò)諸葛亮,隨...
2019-04-19 標(biāo)簽:機(jī)器學(xué)習(xí)數(shù)據(jù)集決策樹 8359 0
神經(jīng)網(wǎng)絡(luò)的技術(shù)為什么偉大, 又是什么讓它們這么多年才姍姍走來(lái)?
我們把生物神經(jīng)元進(jìn)行數(shù)學(xué)抽象, 就得到人工神經(jīng)元。如何抽取它的靈魂? 簡(jiǎn)單的說(shuō), 每一個(gè)神經(jīng)元扮演的角色就是一個(gè)收集+傳話者。樹突不停的收集外部的信號(hào),...
2019-04-17 標(biāo)簽:神經(jīng)網(wǎng)絡(luò)人工智能機(jī)器學(xué)習(xí) 5071 0
自然語(yǔ)言基礎(chǔ)技術(shù)之命名實(shí)體識(shí)別相對(duì)全面的介紹
早期的命名實(shí)體識(shí)別方法基本都是基于規(guī)則的。之后由于基于大規(guī)模的語(yǔ)料庫(kù)的統(tǒng)計(jì)方法在自然語(yǔ)言處理各個(gè)方面取得不錯(cuò)的效果之后,一大批機(jī)器學(xué)習(xí)的方法也出現(xiàn)在命名...
2019-04-17 標(biāo)簽:機(jī)器學(xué)習(xí)數(shù)據(jù)集自然語(yǔ)言處理 5193 0
基于條件概率分類的兩種模型算法:logistic回歸模型與最大熵模型。
由第一節(jié)我們知道,熵是描述事物不確定性的指標(biāo)。我們將熵的這一性質(zhì)應(yīng)用在信號(hào)檢測(cè)領(lǐng)域,當(dāng)信號(hào)包含了較強(qiáng)的隨機(jī)噪聲時(shí)或被噪聲完全掩蓋時(shí),信號(hào)的隨機(jī)性大大的增...
2019-04-13 標(biāo)簽:模型機(jī)器學(xué)習(xí)Logistic 7496 0
工作機(jī)制:這個(gè)算法由一個(gè)目標(biāo)變量或結(jié)果變量(或因變量)組成。這些變量由已知的一系列預(yù)示變量(自變量)預(yù)測(cè)而來(lái)。利用這一系列變量,我們生成一個(gè)將輸入值映射...
2019-04-13 標(biāo)簽:機(jī)器學(xué)習(xí)無(wú)人駕駛深度學(xué)習(xí) 2910 0
討論嵌入的概念,以及使用word2vec生成嵌入的機(jī)制
這下空白處改填的內(nèi)容完全變了。這時(shí)’red’這個(gè)詞最有可能適合這個(gè)位置。從這個(gè)例子中我們能學(xué)到,一個(gè)單詞的前后詞語(yǔ)都帶信息價(jià)值。事實(shí)證明,我們需要考慮兩...
2019-04-10 標(biāo)簽:可視化機(jī)器學(xué)習(xí)自然語(yǔ)言處理 3524 0
編輯推薦廠商產(chǎn)品技術(shù)軟件/工具OS/語(yǔ)言教程專題
電機(jī)控制 | DSP | 氮化鎵 | 功率放大器 | ChatGPT | 自動(dòng)駕駛 | TI | 瑞薩電子 |
BLDC | PLC | 碳化硅 | 二極管 | OpenAI | 元宇宙 | 安森美 | ADI |
無(wú)刷電機(jī) | FOC | IGBT | 逆變器 | 文心一言 | 5G | 英飛凌 | 羅姆 |
直流電機(jī) | PID | MOSFET | 傳感器 | 人工智能 | 物聯(lián)網(wǎng) | NXP | 賽靈思 |
步進(jìn)電機(jī) | SPWM | 充電樁 | IPM | 機(jī)器視覺(jué) | 無(wú)人機(jī) | 三菱電機(jī) | ST |
伺服電機(jī) | SVPWM | 光伏發(fā)電 | UPS | AR | 智能電網(wǎng) | 國(guó)民技術(shù) | Microchip |
Arduino | BeagleBone | 樹莓派 | STM32 | MSP430 | EFM32 | ARM mbed | EDA |
示波器 | LPC | imx8 | PSoC | Altium Designer | Allegro | Mentor | Pads |
OrCAD | Cadence | AutoCAD | 華秋DFM | Keil | MATLAB | MPLAB | Quartus |
C++ | Java | Python | JavaScript | node.js | RISC-V | verilog | Tensorflow |
Android | iOS | linux | RTOS | FreeRTOS | LiteOS | RT-THread | uCOS |
DuerOS | Brillo | Windows11 | HarmonyOS |