已找到以下 10000 条记录
  • Transformers in Vision 系列(一):自监督学习

    的数据集上超越了有监督预训练模型迁移的结果,证明了BYOL自监督学习方法的有效性。 好,我们对自监督学习来做一个简单的总结。自监督学习分两个阶段:无监督学习阶段和有监督学习阶段,核心在于第一阶段。为了实现无监督学习,我们可以使用基于还原的方法,也可以使用基于对比的方法,基于还原的

    作者: 山海之光
    发表时间: 2021-05-23 15:07:06
    3353
    0
  • 14 个开源人工智能工具

    创造的, 是一个基于表达体系结构和可扩展代码的深度学习框架。使它声名鹊起的是速度,这使它非常受到研究人员和企业用户的欢迎。4、Deeplearning4jDeeplearning4j 是一个 java 虚拟机(JVM)的开源深度学习库。它运行在分布式环境并且集成在Apache S

    作者: QGS
    1395
    6
  • 【Python机器学习】01_机器学习概述

    可以发现,机器学习通常要找的函数是非常复杂的,这些函数很难描述,也正因为人难以描述,所以需要机器学习。 三、监督学习和非监督学习 3.1、学习方式 我们需要大量的历史数据来驱动寻找函数的过程。根据数据的的不同,我们通常有两种不同的学习方式。分别是监督学习和非监督学习。 对于监

    作者: 新建文件夹
    发表时间: 2022-01-27 15:44:02
    499
    0
  • Java学习笔记

    针对private修饰的变量,如果需要被其他类使用,提供相应的操作 提供get变量名()方法,用于获取成员变量的值,方法用public修饰 提供set变量名(参数)方法用于设置成员变量的值,方法用public使用 this关键字 1.形参如果与成员变量同名,不带this修饰的变量是形参,方法

    作者: 御麟
    发表时间: 2023-03-13 06:34:18
    1083
    0
  • 【RL】基于迁移学习的强化学习(RL-TL)算法

            这些论文展示了**基于强化学习的迁移学习(RL-TL)**在传统强化学习深度学习场景中的各种方法,涵盖了任务间策略迁移、值函数迁移和多任务学习等内容。它们是理解 RL-TL 最新技术的宝贵资源。 6.总结         基于迁移学习的强化学习(RL-TL)是一种高效的学习方法,通过从源任

    作者: 不去幼儿园
    发表时间: 2024-12-02 20:22:12
    42
    0
  • 强化学习的落地实践

    强化学习被认为是实现通用人工智能的重要技术途径,本议题将围绕强化学习的发展历史,介绍强化学习背景,强化学习的最新研究进展,以及强化学习在业界的落地实践,并介绍该领域面临的挑战性问题和未来发展方向。

    主讲人:诺亚方舟实验室决策推理实验室主任 郝建业
    直播时间:2020/03/13 周五 16:20 - 17:20
  • Python 内存管理学习

    64池上分配了256kB的内存块。如果对象被销毁,则内存管理器将用相同大小的新对象填充此空间。方法和变量在堆栈存储器中创建。每当创建方法和变量时,都会创建一个堆栈框架。只要返回方法,这些框架就会自动销毁。在堆内存中创建对象和实例变量。一旦返回变量和函数,将对垃圾对象进行垃圾回收。请务必注意,Python内存管理器

    作者: yoshine
    4021
    0
  • 《Spark Streaming实时流式大数据处理实战》 ——3.7.2 广播变量(Broadcast Variables)

    变量允许程序员在每台机器上缓存一个只读的变量,而不是每个任务保存一份拷贝。例如,利用广播变量,我们能够以一种更有效的方式将一个大数据量输入集合的副本分配给每个节点。Spark也尝试着利用有效的广播算法去分配广播变量,以减少通信的成本。  一个广播变量可以通过调用SparkContext

    作者: 华章计算机
    发表时间: 2020-02-22 18:35:48
    3414
    0
  • 时间长度、节点数

    任务书中的时间长度为8928、客户节点数35、边缘节点数135,这三个数值是指的在线提交时数据集吗?

    作者: yd_291921548
    420
    3
  • 业务大屏可以设置刷新时间吗?

    业务大屏移动端的页面访问链接,打开之后一直展示着不进行手动操作,可以在应用本身里面设置页面刷新时间吗?例如五分钟自动刷新一次这种?

    作者: yd_287635175
    42
    2
  • 人工智能在能源领域中的机遇与挑战

    见解。 ▲预测分析 世界面临着巨大的能源问题。现代机器需要越来越多的能源来维持,全球人口也是如此。人工智能在能源领域的主要任务是预测分析。 能源公司迫切需要改进其预测分析方法,以降低成本、节约电力、为不断变化的环境做好准备,并提供更好的客户服务。借助机器学习深度学习,可以将能源

    作者: andyleung
    1053
    3
  • 初级教程中独立部署DDK里最后的环境变量在哪获取

    如题求助!!!

    作者: 啥也不会的小学生
    926
    2
  • 基于知识锚点进化的AutoML

    886困局深度学习让机器可以从大量的数据中学习经验并加以应用,已经在图像分类、序列标注等多个任务上取得了惊人的成果。但是,这一过程需要大量的人工干预:特征提取、模型选择、参数调节等,既费时又费力。所以专家们自然而然想到了引入自动化让机器自己“学习如何学习”。然而机器学习的自动化离

    作者: 可爱又积极
    729
    3
  • MyBatisPlus学习(一)

    MyBatis ! 1.概述 需要的基础:把我的MyBatis、Spring、SpringMVC就可以学习这个了! 为什么要学习它呢?MyBatisPlus可以节省我们大量工作时间,所有的CRUD代码它都可以自动化完成! 本质:MyBatis 本来就是简化 JDBC 操作的! 特性

    作者: Studying-swz
    发表时间: 2022-10-18 12:52:31
    180
    0
  • 一种节省空间的交换变量的基本算法

    一种节省空间的交换变量的基本算法,一个很简单的算法 因为其中没有引入temp变量,所以可以节省空间 代码如下: #include void main() { int m = 1; int n = 2; m += n; n = m - n; m -= n; printf("%d\t%d"

    作者: 远航 | FIBOS
    发表时间: 2020-11-30 22:34:52
    7017
    0
  • 深度解读中金国盛金融行业数据库测评

    型分布式数据库基本功能包括SQL标准测试、事物特性测试、数据类型测试、操作符测试、函数测试等20余个测试项,覆盖函数索引、视图、存储过程、序列、字符集、模式管理、主键约束、触发器、分区表、JAVA/C UDF、死锁、故障诊断、灾难恢复、闪回数据、数据安全、加密、用户权限管理等金融

    作者: 社会主义的一块砖
    3151
    0
  • 学习心得

    随着信息技术的高速发展并迅速渗透到社会生活的各个方面,计算机日益成为人们学习、工作、生活不可缺少的基本工具,再过不了几年,不会使用计算机,就会象不识字一样使人举步维艰,计算机学习心得体会。进入大学,计算机无时无刻在伴随着我们,给我们在学习的生活增添了乐趣。然而这个学期将是展现自我能力的一个好时机

    作者: yd_292853975
    143
    0
  • 【入驻式求助】ASR轮交互

      【问题简要】 ASR轮交互在客户呼入后,第一次调用ASR后,可以放音,识别,收号,但是当识别结果有问题时,返回ASR继续进行识别,就会只是放音,不收号,识别。【问题类别】      【可选问题类别:IVR【IPCC解决方案版本】        【期望解决时间】 9月16【问题现

    作者: 骑着蜗牛去吹牛
    4597
    3
  • 《Spark机器学习进阶实战》——1.3.2 无监督学习

    割、天文数据分析等。无监督学习与监督学习相比,样本集中没有预先标注好的分类标签,即没有预先给定的标准答案。它没有告诉计算机怎么做,而是让计算机自己去学习如何对数据进行分类,然后对那些正确分类行为采取某种形式的激励。在无监督学习中,数据并不被特别标识,学习模型是为了推断出数据的一些

    作者: 华章计算机
    发表时间: 2019-05-30 23:59:58
    5445
    0
  • 分享优秀 AI 论文

    大吹捧之嫌。  这篇论文也有积极的一面。以深度学习为代表的机器学习手段确实在各种端到端的学习预测任务中得到了越来越多的运用,但其实深度学习的能力也不仅如此,它还可以在许多领域的更多任务中发挥作用,正如三体运动这样的复杂问题中我们缺少可以快速计算近似解的工具。  这篇论文成功验证了

    作者: 初学者7000
    533
    1