已找到以下 10000 条记录
  • 探索自动化机器学习在测井解释中的潜力

    方面。例如,我们可以尝试使用更复杂的机器学习算法,或者利用深度学习方法来处理更大规模的测井数据。此外,结合领域知识和专业经验,可以进一步提升自动化机器学习模型的性能。 总结起来,自动化机器学习在测井解释中具有巨大的潜力。它可以提高解释的效率和准确性,并为石油工程带来更多的机会和挑

    作者: 皮牙子抓饭
    发表时间: 2023-06-13 10:07:43
    18
    0
  • 跨域迁移泛化性能分析在联邦学习中的应用

    通信成本。 3. 隐私保护安全性 联邦学习需要在保护数据隐私的前提下进行模型训练。因此,如何在不泄露数据隐私的情况下进行跨域迁移和性能评估是一个重要的技术挑战。 V. 解决方案实际应用 1. 联邦迁移学习 联邦迁移学习结合了联邦学习和迁移学习的优点,通过跨域迁移技术提高模型的泛化性能。具体方法包括:

    作者: Y-StarryDreamer
    发表时间: 2024-06-17 23:54:35
    2
    0
  • 五、开始学习Excel函数,效率快速提高

    @Author : By Runsen @Date : 2020/5/12 作者介绍:Runsen目前大三下学期,专业化学工程工艺,大学沉迷日语,Python, Java和一系列数据分析软件。导致翘课严重,专业排名中下。.在大学60%的时间,都在CSDN。 本专栏数

    作者: 毛利
    发表时间: 2021-07-14 21:58:33
    1123
    0
  • 六十一、深入学习位运算

    编程的本质来源于算法,而算法的本质来源于数学,编程只不过将数学题进行代码化。 ---- Runsen 总结下之前基础的内容 & 按位 将两个操作数对应的每一位进行逻辑操作,满足:1&1=1,1&0=0,0&1=0,0&0=0, | 按位或是将两个操作

    作者: 毛利
    发表时间: 2021-07-14 19:41:57
    421
    0
  • 联邦学习中的模型加密保护技术的演进前沿探索

    II. 联邦学习的基础概念 A. 联邦学习的定义工作原理 联邦学习是由Google提出的一种新型的分布式学习框架,旨在保护用户数据隐私。它通过将模型训练任务分散到用户设备上,避免了数据在网络中的传输,从而降低了数据泄露的风险。 B. 联邦学习的优势挑战 联邦学习的主要优势包括:

    作者: Y-StarryDreamer
    发表时间: 2024-06-27 23:00:04
    6
    0
  • linux之学习linux系统相关的书籍

    1.《鸟哥的Linux私房菜-基础学习篇》     2.《Linux Shell 脚本攻略》       3.《Unix环境高级编程》   4.《Linux系统编程》

    作者: chenyu
    发表时间: 2021-07-26 15:38:43
    757
    0
  • 华为云开发者日无锡站

    院所的开发人员。致力于打造开发者专属的技术盛宴,全方位服务赋能开发者围绕华为云生态“知、学、用、创、商”的成长路径。通过前沿的技术分享、场景化的动手体验、优秀的应用创新推介,为开发者提供沉浸式学习交流平台。开放创新,开发者共创、共享、共赢未来。 活动亮点 “热”观点 畅聊时下热点技术话题,激发开发者创新活力!

  • 《强化学习:原理Python实现 》 —1.3 智能体/环境接口

    3 智能体/环境接口强化学习问题常用智能体/环境接口(Agent-Environment Interface)来研究(见图1-5)。智能体/环境接口将系统划分为智能体和环境两个部分。智能体(agent)是强化学习系统中的决策者和学习者,它可以做出决策和接受奖励信号。一个强化学习系统里可以有一

    作者: 华章计算机
    发表时间: 2019-11-12 20:17:02
    7697
    0
  • 5G入门学习笔记-SDN初探

    5G入门学习笔记-SDN初探 内容也是挺多的 我们先来看下整体的框架 下面是各个章节内容 想看更多5G视频内容, 或者了解更多关于通信的知识可以加个好友

    作者: e企学
    发表时间: 2019-03-13 20:53:16
    2940
    2
  • Pandas数据应用:机器学习预处理

    在当今的数据驱动世界中,机器学习(ML)已经成为各个行业中不可或缺的一部分。然而,要使机器学习模型发挥最佳性能,数据的预处理是至关重要的一步。Pandas是一个强大的Python库,专门用于数据操作和分析,它为机器学习提供了许多便捷的功能。本文将由浅入深地介绍使用Pandas进行机器学习预处理时常

    作者: 超梦
    发表时间: 2025-01-13 08:39:58
    94
    0
  • FineReport 11学习笔记:入门实操3

    点击确定。 点击智能添加字段: 选择除了中止之外的其他字段,点击确定。 点击智能添加单元格: 并跟随光标,点击单元格的对应位置,列一一对应: 点击确定。 5)设置填报属性的主键为产品ID,并设置成未修改不更新 按以下方法设置主键和未修改不更新: 点击确定。

    作者: 张辉
    发表时间: 2022-11-20 16:50:32
    432
    1
  • 【MLS产品大片】华为云机器学习服务产品大片来袭!

    华为云机器学习服务(Machine Learning Service)产品大片尊敬的华为云客户:       华为云机器学习服务(Machine Learning Service,简称MLS)的产品介绍视频上线啦!更多视觉体验请您点击以下图片了解详情。感谢您对华为云的支持!

    作者: 云小器
    7809
    4
  • 总结Python机器学习中的回归算法

    下面我带大家整理下机器学习的回归算法 基本回归方法(线性、决策树、SVM、KNN)和集成方法(随机森林,Adaboost和GBRT) 下面是源码 import numpy as np import matplotlib.pyplot as plt def get_data():

    作者: 毛利
    发表时间: 2021-07-14 22:14:05
    901
    0
  • 2020成长计划学习小结I

    好了,看看美女专家美不美? 人工智能的能与不能 这个比较专业,还在消化中。。。 第三周 学习了modelarts的基本概念,以及学习了如何进行图像的分类 这个之前其实是有学习过的,本次作为复习,温故而知新 另外重温一下基础知识 自动学习:概念是普惠AI的概念,就是说没有AI的背景和技术知识,也可以用m

    作者: 黄生
    发表时间: 2021-03-20 02:24:46
    2011
    0
  • 机器学习的练功方式(九)——线性回归

    下降变得尤为重要。 好了,坑填上了,下面进入我们这一讲学习的部分。 9.1 再遇 9.1.1 概述 线性回归并不是我们初中学习的那个一次函数了,实际上在机器学习中的线性回归更加地广义。我们初中熟知的一次函数在机器学习中被称为单变量回归。而自变量大于一个的我们叫做多元回归。在第二讲中我们谈到房价预测的模型

    作者: ArimaMisaki
    发表时间: 2022-08-08 15:33:22
    242
    0
  • 组合逻辑和时序逻辑学习笔记

    二、一个八位三态数据通路控制器 数字逻辑电路的种类 组合逻辑 输出只是当前输入逻辑电平的函数(有延时),电路的原始状态无关的逻辑电路。也就是说,当输入信号中的任何一个发生变化时,输出都有可能会根据其变化而变化,但电路目前所处的状态没有任何关系。 时序逻辑 输出不只是当前输入的逻辑电平的函数,还与电路目前所处的状态有关的逻辑电路。

    作者: 李锐博恩
    发表时间: 2021-07-15 00:13:38
    1054
    0
  • 【ML】机器学习中常见的25个数学公式

    未来展望: 由于其解释性强,将继续在医学、生物领域得到广泛应用,同时深度学习结合使其适用范围进一步扩大。 以上只涵盖了两个基本的机器学习数学公式,由于篇幅所限,无法涵盖所有25个公式的详细信息。不过,许多经典的机器学习书籍和在线课程提供了更全面的数学基础讲解,比如《Pattern Recognition

    作者: 红尘灯塔
    发表时间: 2024-12-27 09:20:25
    140
    0
  • 关于java25个学习要点

    1.你需要精通面向对象分析设计(OOA/OOD)、涉及模式(GOF,J2EEDP)以及综合模式。你应该了解UML,尤其是class、object、interaction以及statediagrams。 2. 你需要学习Java语言的基础知识以及它的核心类库(colle

    作者: 孙叫兽
    发表时间: 2021-03-27 15:35:44
    1200
    0
  • 机器学习(一)——K-近邻(KNN)算法

    html 机器学习(一)——K-近邻(KNN)算法      最近在看《机器学习实战》这本书,因为自己本身很想深入的了解机器学习算法,加之想学python,就在朋友的推荐之下选择了这本书进行学习。  一 .

    作者: 风吹稻花香
    发表时间: 2021-06-04 16:37:09
    1169
    0
  • 基于机器学习的临床决策支持-ANN

    的项目,一切权利归其所有,此处仅是自己学习分享。 实现了基于机器学习的乳腺癌的恶性和良性预测,比较了不同机器学习算法之间的性能。主要目的是评估在每种算法的准确性和效率方面对数据进行分类的正确性。 loss # 损失值:预估值实际值之间的均方差 optimizer

    作者: DrugAI
    发表时间: 2021-07-14 22:10:59
    892
    0