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:134330次 帖子:303個(gè)
文本分類任務(wù)介紹和傳統(tǒng)機(jī)器學(xué)習(xí)方法
Static vs. Non-static Representations: 在大部分的語(yǔ)料上,CNN-non-static都優(yōu)于CNN-static,...
2018-07-17 標(biāo)簽:文本分類機(jī)器學(xué)習(xí)自然語(yǔ)言 9877 0
工業(yè)機(jī)器人市場(chǎng)為什么能夠快速爆發(fā)?成本下降是主要因素之一
自George Devol于1961發(fā)明第一臺(tái)可編程工業(yè)機(jī)器人“Unimate”以來(lái),工業(yè)機(jī)器人產(chǎn)業(yè)已經(jīng)走過(guò)了幾十年的歷史。
2018-07-17 標(biāo)簽:工業(yè)機(jī)器人機(jī)器學(xué)習(xí)工業(yè)4.0 3600 0
卷積神經(jīng)網(wǎng)絡(luò)的問(wèn)題及其解決方案CoordConv
這聽(tīng)起來(lái)非常聰明,但作者實(shí)際上提出的是該領(lǐng)域任何一名從業(yè)者都認(rèn)為是理所當(dāng)然的東西——添加一個(gè)更適合解碼所需輸出的特征(feature)。任何在計(jì)算機(jī)視覺(jué)...
2018-07-17 標(biāo)簽:神經(jīng)網(wǎng)絡(luò)機(jī)器學(xué)習(xí)python 8278 0
利用深度學(xué)習(xí)自動(dòng)設(shè)計(jì)符合空氣動(dòng)力學(xué)的自行車
IUT Annecy團(tuán)隊(duì)使用了Neural Concept的軟件,計(jì)算了自行車的最大長(zhǎng)度和寬度以及動(dòng)力傳動(dòng)系統(tǒng)和車輪所需的空間。 接下來(lái),程序會(huì)對(duì)各種形...
2018-07-17 標(biāo)簽:AI機(jī)器學(xué)習(xí)深度學(xué)習(xí) 4987 0
講解隨機(jī)梯度下降、類別數(shù)據(jù)編碼、Vowpal Wabbit機(jī)器學(xué)習(xí)庫(kù)
在數(shù)據(jù)量不大的情況下,上面的數(shù)學(xué)效果不錯(cuò)(我們這里不討論局部極小值、鞍點(diǎn)、學(xué)習(xí)率選擇、動(dòng)量等問(wèn)題,請(qǐng)參考《深度學(xué)習(xí)》一書的數(shù)值計(jì)算那一章)。批量梯度下降...
2018-07-17 標(biāo)簽:函數(shù)機(jī)器學(xué)習(xí)數(shù)據(jù)集 6580 0
一種用于從文本簡(jiǎn)歷中挖掘相關(guān)信息的框架
上述代碼表述了例如姓名、電話、電子郵件等要素的元數(shù)據(jù),用來(lái)提取它們的方法是“univalue_extractor”。這些要素所在的區(qū)域用“”表示,這是一...
2018-07-17 標(biāo)簽:編碼機(jī)器學(xué)習(xí) 2952 0
機(jī)器學(xué)習(xí)的發(fā)展近幾年有哪些錯(cuò)誤的方面?詳細(xì)概述
人工智能領(lǐng)域的發(fā)展離不開(kāi)學(xué)者們的貢獻(xiàn),然而隨著研究的進(jìn)步,越來(lái)越多的論文出現(xiàn)了“標(biāo)題黨”、“占坑”、“注水”等現(xiàn)象,暴增的頂會(huì)論文接收數(shù)量似乎并沒(méi)有帶來(lái)...
2018-07-16 標(biāo)簽:人工智能機(jī)器學(xué)習(xí) 3490 0
構(gòu)建一個(gè)決策樹(shù)并查看它如何進(jìn)行預(yù)測(cè)
正如你所看到的,決策樹(shù)非常直觀,他們的決策很容易解釋。 這種模型通常被稱為白盒模型。 相反,正如我們將看到的,隨機(jī)森林或神經(jīng)網(wǎng)絡(luò)通常被認(rèn)為是黑匣子模型。...
2018-07-16 標(biāo)簽:神經(jīng)網(wǎng)絡(luò)機(jī)器學(xué)習(xí)決策樹(shù) 1.5萬(wàn) 0
在谷歌大腦不能做真正的機(jī)器學(xué)習(xí)科學(xué)研究?
在DeDeo的主頁(yè)介紹上寫著,他們的研究方向是:在社會(huì)思想實(shí)驗(yàn)室(Laboratory for Social Minds),我們進(jìn)行實(shí)證研究,并建立歷史...
2018-07-16 標(biāo)簽:谷歌機(jī)器學(xué)習(xí)深度學(xué)習(xí) 3509 0
推薦系統(tǒng)最新入門指南,如何公平地評(píng)估推薦系統(tǒng)?
這類系統(tǒng)利用用戶的交互來(lái)過(guò)濾感興趣物品。我們可以將交互的集合可視化為一個(gè)矩陣,其中每一項(xiàng)(i, j)代表用戶i和物品j的交互。有意思的是,我們可以將協(xié)同...
2018-07-16 標(biāo)簽:神經(jīng)網(wǎng)絡(luò)機(jī)器學(xué)習(xí)推薦系統(tǒng) 7042 0
機(jī)器學(xué)習(xí)研究中的四大危機(jī)是什么?
有缺陷的學(xué)術(shù)研究可能會(huì)誤導(dǎo)大眾,并阻礙學(xué)術(shù)未來(lái)的研究。實(shí)際上,這些問(wèn)題有許多是在人工智能的歷史(更廣泛地說(shuō),是在科學(xué)研究)中循環(huán)出現(xiàn)的。1976年,Dr...
2018-07-14 標(biāo)簽:人工智能機(jī)器學(xué)習(xí) 3943 0
用人類智商測(cè)試題檢驗(yàn)神經(jīng)網(wǎng)絡(luò)的抽象推理能力
既然目的是讓AI做題,我們先得有題??!當(dāng)然了,手動(dòng)搜集整理是不可能的,為了創(chuàng)建題庫(kù),首先我們構(gòu)建了一個(gè)可以自動(dòng)生成推理題的生成器,它包含一組抽象元素,包...
2018-07-14 標(biāo)簽:神經(jīng)網(wǎng)絡(luò)機(jī)器學(xué)習(xí)數(shù)據(jù)集 8376 0
窺探機(jī)器學(xué)習(xí)學(xué)術(shù)圈的不良趨勢(shì)
對(duì)新領(lǐng)域進(jìn)行探索通常需要基于直覺(jué),但這些直覺(jué)并沒(méi)有經(jīng)科學(xué)驗(yàn)證形成正式定義。根據(jù)我們的發(fā)現(xiàn),盡管這些直覺(jué)并沒(méi)有經(jīng)過(guò)科學(xué)審查,但一些研究人員還是會(huì)直接把它當(dāng)...
2018-07-14 標(biāo)簽:人工智能機(jī)器學(xué)習(xí) 2773 0
DeepMind提出了一種讓神經(jīng)網(wǎng)絡(luò)進(jìn)行抽象推理的新方法
我們還沒(méi)有辦法讓機(jī)器學(xué)習(xí)智能體接觸到類似的“日常體驗(yàn)”,這意味著我們無(wú)法輕易地衡量它們將知識(shí)從現(xiàn)實(shí)世界遷移到視覺(jué)推理測(cè)試的能力。盡管如此,我們?nèi)匀豢梢詣?chuàng)...
2018-07-13 標(biāo)簽:神經(jīng)網(wǎng)絡(luò)機(jī)器學(xué)習(xí)DeepMind 4015 0
深度學(xué)習(xí)應(yīng)用在超分辨率領(lǐng)域的9個(gè)模型
我們?cè)窒磉^(guò)的實(shí)時(shí)圖像識(shí)別只是其中一種應(yīng)用。我們還可以利用深度學(xué)習(xí)來(lái)做超分辨率。我們這次就分享一下用于超分辨率的深度學(xué)習(xí)基本框架,以及衍生出的各種網(wǎng)絡(luò)模...
2018-07-13 標(biāo)簽:神經(jīng)網(wǎng)絡(luò)機(jī)器學(xué)習(xí)深度學(xué)習(xí) 1.5萬(wàn) 0
和分類、回歸方法相比,無(wú)監(jiān)督學(xué)習(xí)算法的主要特性是輸入數(shù)據(jù)是未標(biāo)注過(guò)的(即沒(méi)有給定的標(biāo)簽或分類),算法在沒(méi)有任何鋪助的條件下學(xué)習(xí)數(shù)據(jù)的結(jié)構(gòu)。這帶來(lái)了兩點(diǎn)主...
2018-07-13 標(biāo)簽:聚類降維機(jī)器學(xué)習(xí) 1.5萬(wàn) 0
人工智能如何處理數(shù)據(jù)?長(zhǎng)期共存的方式大概有兩種
換個(gè)不嚴(yán)謹(jǐn)?shù)陌自捳f(shuō)法,深度學(xué)習(xí)的層層網(wǎng)絡(luò)可以從數(shù)據(jù)中自動(dòng)學(xué)習(xí)到有用的、高度抽象的特征,而最終目的是為了幫助分類層做出良好的預(yù)測(cè)。而深度學(xué)習(xí)為什么效果好?...
2018-07-12 標(biāo)簽:人工智能機(jī)器學(xué)習(xí)深度學(xué)習(xí) 4474 0
線性SVM分類器通過(guò)簡(jiǎn)單地計(jì)算決策函數(shù)
虛線表示的是那些決策函數(shù)等于 1 或 -1 的點(diǎn):它們平行,且到?jīng)Q策邊界的距離相等,形成一個(gè)間隔。訓(xùn)練線性 SVM 分類器意味著找到w值和b值使得這一個(gè)...
2018-07-12 標(biāo)簽:分類器機(jī)器學(xué)習(xí)數(shù)據(jù)集 4592 0
深入淺出的介紹了深度學(xué)習(xí)的理論——用理論的力量橫掃深度學(xué)習(xí)!
很多機(jī)器學(xué)習(xí)問(wèn)題是深度為2的子案例,例如,輸入層和輸出層之間的一個(gè)隱含層。通常假設(shè)網(wǎng)絡(luò)的結(jié)構(gòu)、數(shù)據(jù)分布,等等。比起GD/SGD,可以使用不同算法,例如張...
2018-07-12 標(biāo)簽:神經(jīng)網(wǎng)絡(luò)機(jī)器學(xué)習(xí)深度學(xué)習(xí) 8698 0
如何避免三個(gè)常見(jiàn)的機(jī)器學(xué)習(xí)錯(cuò)誤?
基于云的機(jī)器學(xué)習(xí)和深度學(xué)習(xí)一再被誤用。這多半都可以輕松解決,當(dāng)然,基于云的機(jī)器學(xué)已得到了廣泛的使用。但你要用得巧妙,用得恰當(dāng)。
2018-07-11 標(biāo)簽:機(jī)器學(xué)習(xí)深度學(xué)習(xí) 2728 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(shù)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 |