已找到以下 10000 条记录
  • MAT之PSO:利用PSO+ω参数实现对一元函数y = sin(10*pi*x) ./ x进行求解优化,找到最优个体适应度

    GA算法)+ω参数实现找到最优个体适应度—Jason niu','fontsize',12);xlabel('进化代数','fontsize',12);ylabel('适应度','fontsize',12);   相关文章PSO:利用PSO+ω参数实现对一元函数y

    作者: 一个处女座的程序猿
    发表时间: 2021-03-29 18:30:01
    558
    0
  • 迁移学习与联邦学习的最新进展

    本课程由杨强老师(加拿大工程院院士、香港科技大学讲席教授)介绍迁移学习和联邦学习的最新进展,包括横向联邦、纵向联邦、联邦标准、异构联邦学习、迁移学习以及联邦学习的应用案例。

  • 学习之道

    从后端到前端、从C+到Java、从应用系统到机器学习,从大数据到云计算,吾生有涯而知无涯,欣赏,开放、包容。 大卫谈学习link

    作者: 西魏陶渊明
    发表时间: 2022-09-24 21:29:53
    96
    0
  • 目的端为OBS - 数据治理中心 DataArts Studio

    ], "name": "toJobConfig" } ] } 参数说明 参数 是否必选 类型 说明 toJobConfig.bucketName 是 String OBS的桶名,例如“cdm”。 toJobConfig

  • 目的端为DDS - 数据治理中心 DataArts Studio

    ], "name": "toJobConfig" } ] } 参数说明 参数 是否必选 类型 说明 toJobConfig.database 是 String MongoDB/DDS的数据库名称 toJobConfig

  • 如何学习编程?

    在多年编程工作和学习中,我陆陆续续也接触过不少编程语言:C、C++、Java、C#、Javascript、shell 等等。每次学习一门新的编程语言,掌握程度或深或浅,但是学习的曲线却大抵相似。 下面,我按照个人的学习经验总结一下,学习编程语言的基本步骤。 学习编程语言的步骤 基本语法

    作者: Python爱好者
    发表时间: 2020-12-28 22:57:28
    2943
    0
  • 【获奖信息公布】【学习情况问卷抽奖】RPA训练营学习情况问卷

    获奖信息公布:本次抽奖获奖用户如下:xxfssgh83017106iloveyouwangdiglz7519zhangweikai以上为华为云账号,请仔细核对,获奖礼品为帆布折叠包。请中奖用户在8月18日前点击下方链接填写获奖信息,我们会在截至日期结束之后尽快给您邮礼品,如您逾期

    作者: 云集而动
    3747
    0
  • MicroNet实战:使用MicroNet实现图像分类(二)

    MicroNet实战:使用MicroNet实现图像分类(一)_AI浩的博客-CSDN博客 这篇主要是讲解如何训练和测试 配置参数 本次训练采用的参数是M3的配置参数,详细的配置参数在utils/defaults.py文件,参数如下: _C = CN() _C.MODEL = CN() _C.MODEL.DEVICE

    作者: AI浩
    发表时间: 2022-11-06 22:47:45
    291
    0
  • 目的端为DLI - 数据治理中心 DataArts Studio

    "toJobConfig" } ] } 参数说明 参数 是否必选 类型 说明 toJobConfig.queue 是 String 写入数据的资源队列。 toJobConfig.database

  • 深度学习和目标检测系列教程 8-300:目标检测常见的标注工具LabelImg和将xml文件提取图像信息

    python labelImg.py 1 具体使用 修改默认的XML文件保存位置,使用快捷键“Ctrl+R”,更改为自定义位置,这里的路径一不能包含中文,否则不会保存。 使用notepad++打开源文件夹中的data/predefined_classes.txt,修改默认分类,

    作者: 毛利
    发表时间: 2021-07-14 16:32:20
    1625
    0
  • 【干货分享】强化学习入门之旅

    的。每一种都和我们熟知的机器学习问题有很大的不同。</align><align=left>强化学习与预测分析</align><align=left> 人们一般认为机器学习拥有三根重要的柱石:非监督学习、监督学习、强化学习,这三个部分基本上包含了机器学习研究与应用的方方面面。</align><align=left>

    作者: 小圆子
    13983
    3
  • 神经网络学习 | 鸢尾花分类的实现

    向。梯度下降法即沿着损失函数梯度下降的方向,寻找损失函数的最小值,从而得到最优的参数。其中,lr表示学习率,是一个超参数,表征梯度下降的速度。如学习率设置过小,参数更新会很慢,如果学习率设置过大,参数更新可能会跳过最小值。提供了 150 组鸢尾花数据,每组包括鸢尾花的花萼长、花萼宽、花瓣长、花瓣宽

    作者: yyy7124
    678
    1
  • 使用utf8mb4字符集存储emoji表情到GaussDB(for MySQL)实例 - 云数据库 TaurusDB

    MySQL)”。 在“实例管理”页面,选择指定的实例,单击实例名称,进入实例概览页面。 在左侧导航栏中选择“参数修改”,在“参数”页签选择“character_set_server”,参数值修改为“utf8mb4”。 单击“保存”,在弹出框中单击“是”,保存修改。 选择数据库的字符集为utf8mb4

  • BERT深度双向的特点,双向体现在哪儿?

    BERT使用Transformer-encoder来编码输入,encoder中的Self-attention机制在编码一个token的时候同时利用了其上下文的token,其中‘同时利用上下文’即为双向的体现,而并非想Bi-LSTM那样把句子倒序输入一遍。你有什么看法,可以一起讨论~

    作者: emilyleungbaby
    1804
    1
  • 深度解读中金国盛金融行业数据库测评

    近日,经中金国盛认证中心检测, 根据金融行业标准《分布式数据库技术金融应用规范(草案稿)》、中金国盛企业标准《分布式数据库技术金融应用检测规范(试行)》,基于华为鲲鹏处理器和通用CPU的华为GaussDB数据库均通过本次检测,82个检测项全部为“符合”。测试主要覆盖了环境搭建、环

    作者: 社会主义的一块砖
    3151
    0
  • 《 无人驾驶原理与实践》一第一章第1.3.7小结

    任务规划和控制运动。近年来由于深度学习的突破,使得基于图像的深度学习的感知技术在环境感知中也发挥了越来越重要的作用,借助人工智能,我们已经不再局限于感知障碍物,而逐渐变成理解障碍物是什么,以及理解场景甚至预测场景和目标的行为,关于机器学习深度学习的内容将在第5章和第6章详细介绍。

    作者: 华章计算机
    发表时间: 2019-05-30 19:42:28
    10711
    0
  • AI学习入门之初识自然语言处理

    1、文本预处理 文本预处理思想是这样的:机器不需要语料库中的无关部分。它只需要执行手头任务所需的重要单词和短语。因此,文本预处理技术涉及为机器学习模型和深度学习模型以及适当的分析准备语料库。文本预处理基本上是告诉机器什么需要考虑、哪些可以忽略。 每个语料库根据需要来执行任务的不同文本预处理技

    作者: lwq1228
    发表时间: 2021-07-28 00:31:41
    3233
    0
  • 几何视角下深度神经网络的对抗攻击与可解释性研究进展

    随着深度神经网络在机器学习的各个领域获得广泛成功, 其自身所存在的问题也日益尖锐和突出, 例如可解释性差、鲁棒性弱和模型训练难度大等. 这些问题严重影响了神经网络模型的安全性和易用性. 因此, 神经网络的可解释性受到了大量的关注, 而利用模型可解释性改进和优化模型的性能也成为研究热点之一

    作者: 可爱又积极
    941
    2
  • 资料学习 - 视频剪辑的智能标题

    Learning》在给图像智能加注释/标题的技术基础上,探讨了对视频剪辑片段的智能描述,进一步探索了相关技术内容,其阐述如下:在过去的十年里,深度学习在许多应用程序中的应用所产生的结果与人类专家的表现相当,在某些情况下甚至超过了人类专家的表现。应用领域包括疾病诊断、金融、农业、搜索引擎

    作者: RabbitCloud
    830
    1
  • 【转载】MindSpore大V博文之创新算法系列(二)——深度概率推断算法与概率模型

    上篇文章对MindSpore深度概率学习进行了背景和总体特性上的介绍,链接戳这里。于璠:一文带你初识MindSpore深度概率学习本篇文章会介绍深度概率学习的第二部分:深度概率推断算法与概率模型,并在MindSpore上进行代码的实践。1. 深度概率特性2. 深度概率推断算法与概率模型3. 深度神经网络与贝叶斯神经网络4

    作者: chengxiaoli
    1578
    0