已找到以下 10000 条记录
  • 学习笔记|似然函数与极大似然估计

    3. 案例中的似然函数推导 在学习笔记|logistic回归 中,假设P(Y=1|x)=π(x),P(Y=0|x)=1-π(x),任意一次采样,得到: 那么,随机进行N次采样,其似然函数就可以表示为 参考文献 1.统计学习方法(第2版),李航著,清华大学出版社2

    作者: darkpard
    发表时间: 2021-11-04 12:45:40
    795
    0
  • 增强学习(四) ----- 蒙特卡罗方法(Monte Carlo Methods)

    形之中有多少颗豆子,再根据图形内外豆子的比例来计算面积。当你的豆子越小,撒的越多的时候,结果就越精确。 2. 增强学习中的蒙特卡罗方法 现在我们开始讲解增强学习中的蒙特卡罗方法,与上篇的DP不同的是,这里不需要对环境的完整知识。蒙特卡罗方法仅仅需要经验就可以求解最优策略,这些

    作者: 格图洛书
    发表时间: 2021-12-29 16:55:31
    449
    0
  • DNAscope白皮书: 基于机器学习的高精度胚系变异检测流程

    本分别进行降采样得到的5个不同测序深度的数据集来评估两个分析流程变异检测精确度随测序深度的变化波动情况。测试结果符合预期,两个流程在低深度的精确度相较于高深度都有一定程度的下降。而DNAscope由于对算法架构进行了整体优化,同时引入了机器学习模型,以至于DNAscope下降的幅

    作者: INSVAST
    发表时间: 2023-08-22 17:24:23
    21
    0
  • 【大厂内参】第9期:掌握IoT开发,从操作系统LiteOS内核源码学习开始

    本专题将介绍Huawei LiteOS的体系结构,系统解读LiteOS各模块开发及其实现原理。

  • 华为图像搜索 - 开天集成工作台 MSSI

    华为图像搜索 华为图像搜索连接器基于华为云图像搜索ImageSearch集成开发,即以图搜图,华为云图像搜索基于深度学习与图像识别技术,利用特征向量化与搜索能力,帮助客户从指定图库中搜索相同及相似的图片。包含“实例管理”和“图片管理”等执行动作。 连接参数 华为图像搜索连接器使用IAM认证,连接参数说明如表1所示。

  • 高校训练营学习路径:从入门、实战到落地,华为“端边云”IoT全栈开发指引!

      参与线下培训(2天)→  深度学习&构思作品(2周)→  开发、完善作品(2周)深度学习打卡路线·  Huawei LiteOS设备开发实战(免费课程)本课程主要内容包括Huawei LiteOS简介、华为云物联网平台介绍、内核开发实战、LiteOS移植、设备调测。通过深入分

    作者: 华为IoT云服务
    5893
    2
  • 业界主流AI开发框架

    0系列课程。本课程将主要讲述为什么是深度学习框架、深度学习框架的优势并介绍二种深度学习 框架,包括Pytorch和TensorFlow。接下来会结合代码详细讲解TensorFlow 2的基 础操作与常用模块的使用。最后将通过基于TensorFlow的MNIST手写体数字的实 验,加深地对深度学习建模流程的理解与熟悉度。

  • 四、从Excel开始,学习Excel的快捷键

    化工热力学挂了,我需要重拾自己的自信。 对于一个大学三年,每天往死里干的人,竟然挂了两科。 虽然,我化工专业已经陷入了绝境,大学我主要学习日语,Python,Java和一系列数据分析软件。 所以本专栏数据分析将使用Excel,Powerbi,Python,R,Sql,SPS

    作者: 毛利
    发表时间: 2021-07-14 21:27:01
    1202
    0
  • 《Python大规模机器学习》 —3.3正则化特征选择

    选择变量并剔除嘈杂或冗余的特征。正则化对在线算法效果良好,因为当在线机器学习算法正在工作并从示例中拟合其系数时,它与之同时工作,而无须为了选择特征再运行其他数据流。事实上,正则化只是一个惩罚值,它被加入到学习过程的优化中。它依赖于特征的系数和用于设置正则化影响的参数alpha。正

    作者: 华章计算机
    发表时间: 2020-02-14 22:27:04
    2545
    0
  • 【云享新鲜】社区周刊·Vol.186-解读GaussDB Ustore存储引擎;Sermant正式成为CNCF官方项目

        【开源】DeepSpeed 适配Ascend NPU、Kunpeng CPU 以及 OpenEuler 操作系统开源开发任务 摘要:DeepSpeed 是由微软开发的深度学习训练优化库,专注于大规模分布式训练和推理加速。    【活动】繁荣数智人才生态

    作者: 华为云社区精选
    发表时间: 2024-11-04 14:12:53
    202
    0
  • 分组卷积与深度卷积

    你可能会注意到分组卷积与深度可分卷积中使用的深度卷积之间存在一些联系和差异。如果过滤器分组的数量与输入层通道的数量相同,则每个过滤器的深度都为 Din/Din=1。这样的过滤器深度就与深度卷积中的一样了。 另一方面,现在每个过滤器分组都包含 Dout/Din 个过滤器。整体而言,输出层的深度为 D

    作者: @Wu
    623
    2
  • 目标引导的人类注意力估计提升零样本学习

    零样本学习(Zero-shot learning, ZSL)作为学习无标注类别的一种方法,是当前计算机视觉领域重要的前沿分支之一。大部分零样本学习的方法通过构建视觉特征和语义特征之间的映射关系或是通过生成模型(GAN、VAE等)生成不可见类样本的方式来解决零样本学习任务。根据经验

    作者: 可爱又积极
    1313
    1
  • Android开发学习笔记(一)按钮的点击相应

    因为一个小项目需要进行安卓APP的开发,特此进行Android的学习,同时我也没接触过JAVA,所以暂时对各种语法的理解并不深刻,仅做一个使用方法的记录,方便复制粘贴。 参考学习视频:Android安卓开发30小时从零搞定百度地图(2020安卓开发全套教程)

    作者: zstar
    发表时间: 2022-08-05 16:08:42
    107
    0
  • 聊一聊如何Get 正确的学习方法

    哪?因此,我又想把自己的学习方法分享出来,看看到底是不是适合?纠结了好久,我终于下笔了......。我的方法 重视基础不管学习何种系统,基础是关键中的关键,因此,各位小伙伴们,打好基础,你才会走的更远、飞的更高。至于基础怎么去学呢?那就是多在实践中去学习、去理解、去记忆,多去总结

    作者: 技术火炬手
    发表时间: 2018-07-13 11:24:53
    6092
    0
  • 数据库进阶学习

    华为云计算 云知识 数据库进阶学习 数据库进阶学习 时间:2020-12-16 09:52:25 云计算是未来的方向,云数据库是解决方案的核心,学习本课程掌握华为云数据库的运维管理,数据库迁移和根据业务场景出具解决方案的能力。 课程简介 课程覆盖了华为云对各行业解决方案、数据库迁

  • Python OpenCV Sobel 算子、Scharr 算子、laplacian 算子 复盘学习

    Python OpenCV 365 天学习计划,与橡皮擦一起进入图像领域吧。本篇博客是这个系列的第 46 篇。 基础知识铺垫 关于 Sobel 算子、Scharr 算子、laplacian 算子在 这篇博客 中已经学习过了,第二次学习,可以针对算子卷积核进行一下稍微深入一点的理解。

    作者: 梦想橡皮擦
    发表时间: 2021-09-23 05:32:52
    1535
    0
  • SpringBootWebProject学习5、常用注解说明

     SpringBootWebProject学习1、环境搭建-CSDN博客 通过以上链接即可查看idea免费社区版本的安装完整流程。 基础maven配置(外部独立maven) SpringBootWebProject学习2、maven配置-CSDN博客 通过以上链接即可

    作者: 红目香薰
    发表时间: 2024-06-30 21:52:14
    0
    0
  • 基于标记和未标记数据的统一语音表示学习

    的方法,能够同时利用监督数据和无监督数据来学习统一的上下文表示。图9:UniSpeech 方法示意图如图9所示,研究员们的模型包含了基于卷积神经网络(Convolution Neural Network,CNN)的特征提取网络,基于 Transformer 的上下文网络和一个特征量化模块用于学习离散的向量。对

    作者: 可爱又积极
    1137
    4
  • SpringBootWebProject学习3、各类包层级说明

     SpringBootWebProject学习1、环境搭建-CSDN博客 通过以上链接即可查看idea免费社区版本的安装完整流程。 基础maven配置(外部独立maven) SpringBootWebProject学习2、maven配置-CSDN博客 通过以上链接即可

    作者: 红目香薰
    发表时间: 2024-06-30 21:50:01
    0
    0
  • 实际应用中的强化学习策略优化模型:挑战与解决方案

    II. 解决方案:通过调整学习率、采用适当的正则化技术、增加探索经验等方法提高模型的稳定性和泛化能力。 II. 解决方案探讨 A. 深度强化学习模型 I. 优势:深度强化学习模型能够处理高维度、复杂的输入数据,并学习到更复杂的策略。 II. 挑战:训练深度模型需要大量的数据和计算资源,并且容易受到过拟合等问题的影响。

    作者: Y-StarryDreamer
    发表时间: 2024-05-20 14:39:27
    4
    0