内容选择
全部
内容选择
内容分类
  • 学堂
  • 博客
  • 论坛
  • 开发服务
  • 开发工具
  • 直播
  • 视频
  • 用户
时间
  • 一周
  • 一个月
  • 三个月
  • 简述深度学习几种算法

    平滑估计。2、基于实例算法基于实例算法常常用来对决策问题建立模型,这样模型常常先选取一批样本数据,然后根据某些近似性把新数据与样本数据进行比较。通过这种方式来寻找最佳匹配。因此,基于实例算法常常也被称为“赢家通吃”学习或者“基于记忆学习”。常见算法包括 k-Nearest

    作者: 运气男孩
    840
    3
  • 【实战营提问】当使用分段学习率设置时,准确率掉到0.09,是什么原因导致?

    测试第1章 图像分类作业2时,当使用分段学习率设置时,准确率掉到0.09,是什么原因导致?如下图所示。当分段学习率设置:5:0.1,15:0.01,20:0.001,40:0.0001时,为什么相对于分段学习率:20:0.001,准确率下降这么多,从0.869下降到0.0911?

    作者: LostArtemis
    1244
    4
  • 计算化学深度学习

    中取得了最高地位。在最近这些例子中,深度学习模型在预测活性和毒性方面的异常出色表现来源于独特特点,区别于传统机器学习算法深度学习。 对于那些不熟悉机器学习算法复杂性的人,我们将重点介绍一些主要差异-传统(浅层)机器学习深度学习之间。机器学习算法最简单例子就是无所不

    作者: DrugAI
    发表时间: 2021-07-14 21:06:17
    2200
    0
  • 【智能化测试专题】基于强化学习测试日志智能分析实践

    测试人员工作量,另外针对不同产品数据特征,可以适配合适模型方案,并提供了用户自助接入与分析功能。相比于基于规则分析方法,本文方法不需要维护复杂规则表以及规则冲突情况,另外相比于传统监督学习方法,本文方法更适用于有大量人工标记且数据稀疏情况,来提升预测结果准确性

    作者: DevAI
    发表时间: 2022-10-17 08:08:58
    1773
    0
  • 论文中准确率指标靠谱吗?5个机器学习悖论改变你对数据看法

    来说,研究中数学证明表明,AI问题受到哥德尔连续统假设影响,这意味着AI可能无法解决许多问题。虽然这个悖论在今天现实世界中AI问题影响不大,但对于AI在将来发展是至关重要。总结悖论在机器学习问题中无处不在。虽然算法没有常识概念,它们可能不受统计悖论影响。然而,大多

    作者: 孔皮皮
    发表时间: 2019-09-03 11:01:46
    7179
    0
  • 深度学习

    全面地讲述深度学习历史超出了本书范围。然而,一些基本背景理解深度学习是有用深度学习经历了三次发展浪潮:20世纪40年代到60年代深度学习雏形出现在控制论(cybernetics)中,20世纪80年代到90年代深度学习表现为联结主义(connectionism),直到

    作者: QGS
    964
    4
  • 深度学习识别滑动验证码

    像上一节介绍一样,要训练深度学习模型也需要准备训练数据,数据也是分为两部分,一部分是验证码图像,另一部分是数据标注,即缺口位置。但和上一节不一样是,这次标注不再是单纯验证码文本了,因为这次我们需要表示是缺口位置,缺口对应是一个矩形框,要表示一个矩形框,至少需要四个数据,如左上角点的横纵坐标

    作者: 崔庆才丨静觅
    发表时间: 2021-12-31 16:52:28
    945
    0
  • [软件测试][敏捷开发下测试][六][学习笔记]

    强调连续测试。极限测试主要由两种类型测试组成:单元测试和验收测试。极限测试和传统测试目标仍然相同:即确定程序中错误。 4.2.1.极限单元测试 单元测试是极限测试中采用主要测试方法,具有两条简单规则:所有代码模块在编码之前必须设计好单元测试用例,在产品发布之前必须通过单

    作者: John2021
    发表时间: 2022-05-16 15:05:17
    642
    0
  • 深度学习特征提取

    传统机器学习需要人工提取数据特征,而深度学习通过层次化表示来完成特征提取。层次化表示是指用简单表示逐步表达较复杂表示。1. 如何理解简单和复杂表示? 2. 这种所谓层次化表示理论依据是什么?

    作者: RabbitCloud
    1162
    3
  • 深度学习笔记》笔记(二)

    神经网络结构从普通全连接神经网络,发展到卷积神经网络、循环神经网络、自编码器、生成式对抗网络和图神经网络等各种结构, 但BP算法一直是神经网络一个经典和高效寻优工具。附神经网络早期一些发展历程1943年,WarrenMcCulloch和WalterPitts于《神经元与行

    作者: 黄生
    47
    3
  • 深度学习使用来自不同分布数据,进行训练和测试

    深度学习算法训练数据胃口很大,当你收集到足够多带标签数据构成训练时,算法效果最好,这导致很多团队用尽一切办法收集数据,然后把它们堆到训练里,让训练数据量更大,即使有些数据,甚至是大部分数据都来自和开发测试不同分布。在深度学习时代,越来越多团队都用来自和开发

    作者: 运气男孩
    1263
    2
  • 深度学习概念基础理解与认识

    深度学习:是一种特殊机器学习,具有强大能力和灵活性。它通过学习将世界表示为嵌套层次结构,每个表示都与更简单特征相关,而抽象表示则用于计算更抽象表示。 传统机器学习需要定义一些手工特征,从而有目的去提取目标信息, 非常依赖任务特异性以及设计特征专家经验。而深度

    作者: 二哈侠
    发表时间: 2024-09-06 22:26:30
    150
    0
  • 动手学深度学习:优化与深度学习关系

    出十分有效深度学习模型。小结由于优化算法目标函数通常是一个基于训练数据损失函数,优化目标在于降低训练误差。由于深度学习模型参数通常都是高维,目标函数鞍点通常比局部最小值更常见。练习对于深度学习优化问题,你还能想到哪些其他挑战?本文摘自《动手学深度学习》动手学深度学习作者:阿斯顿·张(Aston

    作者: 且听风吟
    发表时间: 2019-09-04 09:40:07
    6962
    0
  • 【问答官】深度学习代码如何进行单元测试

    深度学习代码如何进行单元测试

    作者: 芳菲菲兮满堂
    1141
    2
  • 适合新手深度学习综述(6)--深度生成模型

    Models),在这些模型中,他们扩展了具有辅助变量深层生成模型。辅助变量利用随机层和跳过连接生成变分分布。Rezende 等人 (2016) 开发了一种深度生成模型单次泛化。6.1 玻尔兹曼机玻尔兹曼机是学习任意概率分布连接主义方法,使用最大似然原则进行学习。6.2 受限玻尔兹曼机受限玻尔兹曼机

    作者: @Wu
    155
    1
  • 深度学习发展历程

    第三个阶段就是深度学习(Deep Learning) 深度学习是机器学习一种,而机器学习是实现人工智能必经路径。深度学习概念源于人工神经网络研究,含多个隐藏层多层感知器就是一种深度学习结构。深度学习通过组合低层特征形成更加抽象高层表示属性类别或特征,以发现数据分布式特征

    作者: 星恒
    发表时间: 2022-01-02 12:45:42
    1605
    0
  • 浅谈深度学习

    为越来越多领域主流技术。然而,深度学习技术也存在一些挑战和问题。例如,深度学习模型训练需要大量数据和计算资源,而且通常需要大量时间和人力来完成。此外,深度学习模型精度和稳定性也需要更多研究和改进。总结总之,深度学习技术是一种非常重要和有影响机器学习技术。它已经在多

    作者: 运气男孩
    23
    3
  • 深度学习计算复杂度

    习,这被称为深度神经网络。顾名思义,深度神经网络受到了人类大脑中真实神经网络启发,它们节点模拟真实神经元。或者至少根据 1950 年代神经科学家神经元了解,当时一个被称作「感知器」影响神经元模型已经诞生了。自那时起,我们单个神经元计算复杂度理解急剧增加,也清

    作者: 运气男孩
    21
    1
  • 深度学习笔记之度量模型深度方式(二)

     由于并不总是清楚计算图深度或概率模型图深度哪一个是最有意义,并且由于不同的人选择不同最小元素来构建相应图,因此就像计算机程序长度不存在单一正确值一样,架构深度也不存在单一正确值。另外,也不存在模型多么深才能被修饰为 “深”共识。但相比传统机器学习深度学习研究模型涉及更

    作者: 小强鼓掌
    628
    2
  • 分享深度学习1.0 局限性

    管消耗比人类多几个数量级训练数据和时长,我们还没有训练出可以完全自动驾驶汽车。而且对于很多任务,模型还需要从人类标记数据中学习概念。    2、DL 1.0 模型会犯人类通常不会犯错误。 例如,更改图像少量像素(我们眼睛甚至不会注意到)可能导致模型分类错误。例如人站

    作者: 初学者7000
    833
    4