已找到以下 10000 条记录
  • 机器学习中的数学意义

    度: 机器学习中的数学意义 换句话说,为了保证上述报告中例子52.34%的准确率,你的测试集的大小至少应该在30M样本的数量级上!这种粗略的分析很容易转化为除了准确率以外的任何可计算的数量,尽管不能转化为像似然率或困惑度这样的连续数字。 下面是一些常见的机器学习数据集的说明。

    作者: tea_year
    发表时间: 2021-12-22 15:32:28
    580
    0
  • 关系管理 - 自动驾驶云服务 Octopus

    选择“关系管理”页签,单击“创建”,填写创建信息。 名称:自定义关系名称。名称只能包含数字、英文、中文、下划线、中划线,输入长度不能超过64个字符。 颜色:选择关系的颜色。 单击“确认”,添加关系。 父主题: 批次任务

  • 基于ModelArts零代码实现美食分类模型开发

    本案例将详细介绍怎样用ModelArts自动学习基于美食数据集快速构建美食识别应用。 ModelArts是一站式的AI开发平台。ModelArts自动学习具有零代码、零AI背景、泛化能力强的特点,用户无需编码,无需AI背景,就可以使用自动学习快速构建自己的AI应用。 准备工作 参考此

    作者: HWCloudAI
    发表时间: 2022-11-30 03:33:18
    252
    0
  • 目标检测 | Anchor free之CenterNet深度解析

    文章来源于AI算法修炼营 ,作者周威网络结构 顾名思义,CornerNet以检测框的两个角点为基础进行物体的检测,而CenterNet以检测框的中心为基础进行物体位置的检测.CenterNet和CornerNet的网络结构类似,如下为CornerNet的网络结构。由于Corne

    作者: @Wu
    259
    1
  • 深度神经网络--反向传播》今天你读书了吗?

    我们的目的是得到每一个神经元的q和w。这个参数的获取一般是通过梯度下降算法得到的。因此我们需要设置损失函数,使损失函数到达最小。这个过程就是反向传播算法。求得损失函数最小那么就需要对一个经过前向传播得到的q,w进行在损失函数中的求导得到梯度,然后根据得到的梯度对q,w进行更新一个

    作者: QGS
    2160
    2
  • 深度数据包检测 (DPI) 构建用户画像 

    在当今这个信息爆炸的时代,品牌了解自己的用户变得越来越重要。用户画像中包含了用户的年龄、性别、地域、社交关系、兴趣偏好、触媒习惯、行为特征、消费习惯等信息,可以帮助品牌深入了解目标用户群体,洞察用户真正的动机和行为。 构建用户画像的原理和机制主要基于对用户行为数据的收集、分析和建

    作者: dataget
    68
    6
  • 《数字图像处理》学习笔记

    r_iri​操作来产生sis_isi​的一组变换或颜色映射函数。 6.5.4,色调和彩色校正 只有校正了图像的色调范围,才能解决图像中颜色的不规则问题,如过饱和颜色和欠饱和颜色问题。图像中的色调范围(也称主特性),是指图像中颜色亮度的一般分布。高主特性图像中的大部分信息集中在高

    作者: 嵌入式视觉
    发表时间: 2023-01-14 05:22:09
    146
    0
  • 机器学习之sklearn基础教程

    TSNE(n_components=2) X_tsne = tsne.fit_transform(X) 6. 集成学习 集成学习通过组合多个弱学习器来构建一个强学习器,以提高预测性能。sklearn提供了多种集成方法,如Bagging(装袋)、Boosting(提升)和Stacking(堆叠)。

    作者: 超梦
    发表时间: 2024-05-09 20:13:34
    35
    0
  • MindSpore端侧应用实战:实现迁移学习的垃圾分类应用

    PC侧迁移学习步骤在深度学习中,大部分任务的数据和网络模型规模较大,训练网络模型时,如果不使用预训练模型,从头开始训练,需要消耗大量的时间。因此,大部分任务都会选择预训练模型,在其上做微调。本端侧垃圾分类应用是基于MobileNetV2预训练模型,在其上进行迁移学习。环境安装安装MindSpore框

    作者: 小呆瓶
    3320
    2
  • 区块链赋能数字经济与实体经济深度融合

    经济日报/2019 年/11 月/22 日/第 012 版 中经智库  区块链赋能数字经济与实体经济深度融合  于佳宁 毛晓君    近年来,区块链技术与越来越多的实体行业深度融合,在促进跨地区的制造业协同发展、工 业互联、智能制造、数据共享,以及金融赋能实体经济方面发挥着越来越关键的作用。

    作者: 煌萧束犀牛
    3184
    0
  • 深度剖析:凸优化与梯度下降的紧密关系》

    促进、相辅相成,共同推动了机器学习、数据科学等领域的进步。 总之,凸优化和梯度下降之间存在着不可分割的紧密关系。凸优化为梯度下降提供了理论支撑和应用场景,而梯度下降则是解决凸优化问题的重要工具和有效手段。理解和掌握它们之间的关系,对于深入学习机器学习、优化理论等知识,以及解决实际中的各种优化问题都具有重要的意义。

    作者: 程序员阿伟
    发表时间: 2025-02-14 17:14:22
    0
    0
  • 【MATLAB】进阶绘图 ( MATLAB 颜色值 | 条形图示例 | 查找对象属性方法 | 修改条形图属性 )

    将十六进制颜色值转为 RGB 颜色值 ; 金色 Gold 十六进制颜色值为 #FFD700 , RGB 代码 255 , 215 , 0 ; 银色 Silver 十六进制颜色值为 #C0C0C0 , RGB 代码 192 , 192, 192 ; 黄铜色 十六进制颜色值为 #FF8000

    作者: 韩曙亮
    发表时间: 2022-01-10 17:59:55
    1704
    0
  • 关于.net中MemberwiseClone()的学习

    =netframework-4.8#System_Object_MemberwiseClone从而引申出来了浅复制和深度复制,具体名词什么意思我就不解释了。在学习的过程中我产生了一个疑问,就是在进行浅复制的时候,它的作用和 “=”有什么区别,在查询了相关资料和经过自己的思考过后,

    作者: 王阿毛
    发表时间: 2019-09-14 17:21:47
    8496
    0
  • 通用人工智能,用强化学习吗?

    通用人工智能,用强化学习吗? 人们把具备与人类同等智慧、或超越人类的人工智能称为通用人工智能(AGI)。这种系统被认为可以执行人类能够执行的任何智能任务,它是人工智能领域主要研究目标之一。强化学习大佬 David Silver、Richard Sutton 等人提出将智能及其相关

    作者: QGS
    632
    0
  • 积分管理 - 教育

    积分管理 通过获得积分的形式对学员进行学习奖励,而从有效的刺激学员学习动力 积分管理 操作路径:运营-激励工具-积分管理-积分管理 支持查看学员积分详情并导出 图1 查看学员积分详情1 图2 查看学员积分详情2 积分调整(奖励/撤销):运营-积分管理-【调整】 图3 积分调整1 图4

  • AI在管理临床试验设计和执行中,人和机器还在学习曲线上?

    AI包含多种技术:机器学习(ML)、深度学习(DL)、自然语言处理(NLP)和光学字符识别(OCR)。ML广泛应用于医药行业,创建数据分析算法和数学模型,从样本数据中提取特征,目的是进行预测或决策。ML分为(1)应用于数据提取的无监督学习,(2)应用于预测建模的监督学习。DL是一类基于

    作者: DrugAI
    发表时间: 2021-07-14 16:02:49
    1881
    0
  • AI开发者社区

    华为全栈全场景AI战略 零代码开发第一个AI模型 AI 工程师 点击查看完整课程 机器学习 深度学习 自然语言处理 语音识别 AI 应用工程师 点击查看完整课程 图像分类实践 图像分割实践 人脸识别实践 NLP实践 热门大赛与活动 开发者活动 开发者大赛 2020/05/18 2020

  • 分享机器学习趋势论文—— 多关系Poincaré图嵌入

    pdf    论文在它们的多关系庞加莱模型(MuRP)的知识图嵌入中用上了双曲几何。直觉上,正确的三元组客体应该落在主体附近的某个超球面中,相关的这些决策边界是由学习到的参数描绘的。作者用来优化模型的是黎曼几何SGD(大量数学警告)。在两个标准的评测数据集 WN18RR 和 FB15k-237 上,MuRP

    作者: 初学者7000
    846
    1
  • 迁移学习与小数据集-提升机器学习模型性能的关键

    少领域之间的差异。 自监督学习:在目标任务上通过自监督学习方法(如数据预处理、特征学习等)来获取额外的无标签数据,从而提高迁移学习效果。 4. 元学习(Meta-learning) 元学习,也被称为“学习如何学习”,是迁移学习中的一个热门研究领域。元学习方法的核心思想是通过在多个

    作者: 柠檬味拥抱1
    发表时间: 2024-12-03 19:27:39
    417
    0
  • 疯狂Java学习笔记(50)-----------JDBC

    疯狂Java学习笔记(50)-----------JDBC 1、加载合适的JDBC驱动程序 Class.forName(Driver);    MySQL驱动程序:com.mysql.jdbc.Driver   

    作者: brucexiaogui
    发表时间: 2021-12-29 16:03:21
    818
    0