检测到您已登录华为云国际站账号，为了您更好的体验，建议您访问国际站服务网站 https://www.huaweicloud.com/intl/zh-cn
不再显示此消息
检测到您已登录华为云国际站账号，为了您更好的体验，建议您访问国际站服务网站 https://www.huaweicloud.com/intl/zh-cn
不再显示此消息
1998)。它是一种非参数的最近邻算法，其中使用的度量不是通用的欧几里德距离，而是根据邻近流形关于聚集概率的知识导出的。这个算法假设我们尝试分类的样本和同一流形上的样本具有相同的类别。由于分类器应该对局部因素（对应于流形上的移动）的变化保持不变，一种合理的度量是将点 x1 和 x2
11.008云数据中心安全评估方法研究黄维龙 王海燚中国电信股份有限公司广东摘 要：本文通过分析已有云安全评估标准及实践, 研究将云数据中心管理或技术风险与具体的安全控制要求相对应, 指出重点安全威胁和具体业务场景是云数据中心的安全评估着重考虑的因素, 最终形成以威胁[…]摘自：云数据中心安全评估方法研究
计算机科学的许多分支处理的大部分都是完全确定的实体。程序员通常可以安全地假定 CPU 将完美地执行每个机器指令。硬件错误确实会发生，但它们足够罕见，以至于大部分软件应用并不需要被设计为考虑这些因素的影响。鉴于很多计算机科学家和软件工程师在一个相对干净和确定的环境中工作，机器
与其他所有图片的相似度的平均作为该图片的代价函数权重。 然后所有图片的权重规范化到均值为1。最后，将图片的权重应用于分类的代价函数中。通过这样的方式，我们对标签错误样本的分类代价函数施加更低的权重。 当直接在新种类训练集上学习的时候，特征图结构，也就是图片特征之间的相似度，被噪声
作为一名大学生，我的最高目标是成为一名华为人。我所学习的专业是人工智能，所以我想知道华为现在主要研究领域中包不包含人工智能
ation learning） 深度学习是表示学习的经典代表： 表示学习的发展，释放了人工智能原来的束缚，提高了很多场景下的应用性能，同时其自适应性 是的人工智能系统可以很快的移植到 新任务上去。DL是RL的经典代表。 深度学习的过程： 深度学习以原始数据raw data作为输入，经过
所使用的接口是由什么样的数据结构实现的。例如，因为ArrayList和LinkedList都实现了List接口，所以无论选择哪一个，基本的List操作都是相同的。然而，ArrayList底层是由数组支持；而LinkedList是由双向链表实现的，其中的每个对象包含数据的同时还包
ϵ 范围内搜索可行的新 x 点，或者我们可以将线上的每个点投影到约束区域。如果可能的话，在梯度下降或线搜索前将梯度投影到可行域的切空间会更高效 (Rosen, 1960)。一个更复杂的方法是设计一个不同的、无约束的优化问题，其解可以转化成原始约束优化问题的解。例如，我们要在 x
迄今为止，我们讨论的许多问题都是关于损失函数在单个点的性质——若 J(θ)是当前点 θ 的病态条件，或者 θ 在悬崖中，或者 θ 是一个下降方向不明显的鞍点，那么会很难更新当前步。如果该方向在局部改进很大，但并没有指向代价低得多的遥远区域，那么我们有可能在单点处克服以上所有困难，
迄今为止，我们讨论的许多问题都是关于损失函数在单个点的性质——若 J(θ)是当前点 θ 的病态条件，或者 θ 在悬崖中，或者 θ 是一个下降方向不明显的鞍点，那么会很难更新当前步。如果该方向在局部改进很大，但并没有指向代价低得多的遥远区域，那么我们有可能在单点处克服以上所有困难，
本课程由台湾大学李宏毅教授2022年开发的课程，主要介绍机器学习基本概念简介、深度学习基本概念简介。
HCIA-AI V3.0系列课程。本课程主要讲述深度学习相关的基本知识，其中包括深度学习的发展历程、深度学习神经 网络的部件、深度学习神经网络不同的类型以及深度学习工程中常见的问题。
CN和FCIS中使用的较复杂的hard alignment在相同分辨率的条件下，减少了十倍的计算量；mask质量更高：BlendMask属于密集像素预测的方法，输出的分辨率不会受到 top-level 采样的限制。在Mask R-CNN中，如果要得到更准确的mask特征，就必须增
)。NLIDB是一种允许用户通过输入某种自然语言表示的请求来访问存储在数据库中的信息的系统。国外NLIDB的研究起始于20世纪60年代，80年代最为活跃，受制于有限的自然语言理解能力，90年代热度开始衰减。这段时间内出现了很多NLIDB系统：如微软的English Query，IBM的Language Acc
动微分技术实现自动求导，解决这个复杂、关键的过程。深度学习框架的自动微分技术根据实现原理的不同，分为以Google的TensorFlow为代表的图方法，以Facebook的PyTorch为代表的运算符重载，以及以MindSpore为代表的源码转换方法（Source to Source，S2S自动微分技术），如图1
指出了知识与数据协同驱动的群体智能决策中未来几个重要的研究方向. 值得说明的是, 由于知识与数据驱动的外延极其广泛, 学科交叉特点十分明显, 本文难以覆盖所有方法, 但致力于系统地为知识与数据协同驱动这类极具潜力的方法开启讨论, 并为当前群体智能以及机器学习两大热点领域各自及其交叉领域的研究提供必要借鉴
对于软件测试来说，怎么样才算测够了？如何评价测试的有效性？那么多测试用例，以后怎么删？在软件测试中会遇到非常多的问题，阿里研究员郑子颖分享了18个他总结出的难题以及相关看法，希望对同学们有所启发。原文链接
更确切的说，他们说明分段线性网络（可以通过整流非线性或 maxout 单元获得）可以表示区域的数量是网络深度的指数级的函数。图 6.5 解释了带有绝对值整流的网络是如何创建函数的镜像图像的，这些函数在某些隐藏单元的顶部计算，作用于隐藏单元的输入。每个隐藏单元指定在哪里折叠输入空
Pooling的取整做法损失了一些精度，而这对于分割任务来说较为致命。 Maks RCNN提出的RoI Align取消了取整操作，而是保留所有的浮点，然后通过双线性插值的方法获得多个采样点的值，再将多个采样点进行最大值的池化，即可得到该点最终的值。得到感兴趣区域的特征后，在原来分
摘要：随着云存储技术的发展,越来越多的用户选择将数据存储在云端。云存储技术节约了用户本地的存储空间,但使用户失去了对数据的绝对控制权,也就导致了一些云存储数据安全相关的问题。一方面,用户删除存储在云端的数据之后,云服务器只是删除指向文件存储位置的指针、链接或者解密密钥,完整的密文数据依旧保留在云端
长按/截图保存，微信识别二维码
或者关注公众号“华为云”
