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
  • 想要学习一些专业知识

    化为鲲鹏,我有话说现在正在开始这方面的学习,而且想做项目测试一下 有大神吗 请教一下 写一个打印机驱动 需要创建内核扩展程序 还是咯开通driver就可以呢?

    作者: 崔云剑
    2949
    1
  • 深度学习模型介绍

    深度神经网络:深度学习模型有很多,目前开发者最常用深度学习模型与架构包括卷积神经网络 (CNN)、深度置信网络 (DBN)、受限玻尔兹曼机 (RBM)、递归神经网络 (RNN & LSTM & GRU)、递归张量神经网络 (RNTN)、自动编码器 (AutoEncoder)、生成对抗网络

    作者: 极客潇
    1759
    2
  • 学习人工智能AI需要哪些最基础知识?

    机器学习是人工智能的另一重要课题。机器学习是指在一定知识表示意义下获取新知识过程,按照学习机制不同,主要有归纳学习、分析学习、连接机制学习遗传学习等。       知识处理系统主要由知识推理机组成。知识库存储系统所需要知识,当知识量较大而又有多种表示方法时,知识合理组织与管理是重要。推理机在

    作者: ypr189
    1038
    2
  • 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
  • 深度学习必备数学知识之线性代数篇(附代码实现)

    深入了解底层算法机制开发新算法。从较低层级来看,深度学习背后一切都是以数学为基础。因此,理解基础线性代数对于探索深度学习上手与深度学习相关编程来说是必要深度学习核心数据结构由标量、向量、矩阵张量组成。从编程角度来说,我们只需运用这些知识就能解决所有基

    作者: 技术火炬手
    发表时间: 2018-09-17 15:09:46
    3889
    0
  • 浅谈深度学习

    动从数据中学习模式,并根据这些模式进行预测分类。由于其高效性准确性,深度学习技术正在成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计算资源,而且通常需要大量时间人力来完成。此外,深度学习模型精度稳定性也需要

    作者: 运气男孩
    23
    3
  • 深度学习修炼(一)——从机器学习转向深度学习

    什么有这样效果,我们是不知道。 在深度学习中就不一样了,我们必须掌握好数学这个画笔,用它规划出我们想要神经网络。而对于颜料来说,各种深度学习框架已经提供了我们所需各种颜料。我们要做,就是利用不同颜料,在空白纸上,一笔一划画出我们所需网络。 深度学习改变了传统互

    作者: ArimaMisaki
    发表时间: 2022-08-08 16:45:09
    244
    0
  • 深度学习概念

    Intelligence)。深度学习学习样本数据内在规律表示层次,这些学习过程中获得信息对诸如文字、图像和声音等数据解释有很大帮助。它最终目标是让机器能够像人一样具有分析学习能力,能够识别文字、图像和声音等数据。 深度学习是一个复杂机器学习算法,在语言和图像识别方面取得效果,远远超过先前

    作者: QGS
    973
    3
  • 走近深度学习 认识MoXing

    深度学习服务是基于华为云强大高性能计算提供一站式深度学习平台服务、DLS视频教程,可帮助您快速了解DLS。

  • 深度学习初体验

    通过对课程学习,从对EI初体验到对深度学习基本理解,收获了很多,做出如下总结:深度学习是用于建立、模拟人脑进行分析学习神经网络,并模仿人脑机制来解释数据一种机器学习技术。它基本特点是试图模仿大脑神经元之间传递,处理信息模式。最显著应用是计算机视觉自然语言处理

    作者: ad123445
    8088
    33
  • 浅谈深度学习

    首先要明白什么是深度学习深度学习是用于建立、模拟人脑进行分析学习神经网络,并模仿人脑机制来解释数据一种机器学习技术。它基本特点是试图模仿大脑神经元之间传递,处理信息模式。最显著应用是计算机视觉自然语言处理(NLP)领域。显然,“深度学习”是与机器学习“神经网络”

    作者: 运气男孩
    1268
    3
  • 深度学习前景

    为众所周知深度学习’’。这个领域已经更换了很多名称,它反映了不同研究人员不同观点影响。全面地讲述深度学习历史超出了本书范围。然而,一些基本背景对理解深度学习是有用。一般来说,目前为止深度学习已经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

    作者: G-washington
    1664
    1
  • 深度学习:主流框架编程实战》——1.1.2 传统机器学习深度学习对比

    2 传统机器学习深度学习对比传统机器学习深度学习在理论与应用上都存在差异,下面将分别从数据依赖、硬件支持、特征工程、问题解决方案、执行时间以及可解释性这六个方面对传统机器学习深度学习差别进行比较。数据依赖:深度学习传统机器学习最重要区别是前者性能随着数据量增加而增强

    作者: 华章计算机
    发表时间: 2019-06-04 19:00:16
    3678
    0
  • 深度学习现实应用

    重要成果就是词向量学习。词向量可以看作是一种运用深度神经网络将词转换成隐含空间中一个向量化位置表示方法。将词向量作为循环神经网络输入,能有效利用合成式向量语法对句子短语进行解析。合成式向量语法可以被认为是由循环神经网络实施上下文无关概率语法。另一方面,以长短期

    作者: 角动量
    2054
    4
  • 深度学习特点

    深度学习区别于传统浅层学习深度学习不同在于: (1)强调了模型结构深度,通常有5层、6层,甚至10多层隐层节点;(2)明确了特征学习重要性。也就是说,通过逐层特征变换,将样本在原空间特征表示变换到一个新特征空间,从而使分类或预测更容易。与人工规则构造特征方法相比,

    作者: QGS
    586
    2
  • 深度学习之流形学习

    中大部分区域都是无效输入,感兴趣输入只分布在包含少量点子集构成一组流形中,而学习函数中感兴趣输出变动只位于流形中方向,或者感兴趣变动只发生在我们从一个流形移动到另一个流形时候。流形学习是在连续数值数据无监督学习设定下被引入,尽管这个概率集中想法也能够泛化到离

    作者: 小强鼓掌
    1676
    3
  • 深度学习之方差标准误差

          估计量方差或标准误差告诉我们,当独立地从潜在数据生成过程中重采样数据集时,如何期望估计变化。正如我们希望估计偏差较小,我们也希望其方差较小。        当我们使用有限样本计算任何统计量时,真实参数估计都是不确定,在这个意义下,从相同分布得到其他样本时

    作者: 小强鼓掌
    944
    0
  • 分享深度学习算法

    种架构所有方法之间异同。其分析角度包括训练数据集、网络结构设计、它们在重建性能、训练策略泛化能力上效果。对于一些关键方法,作者还使用了公开数据集私有数据进行总结比较,采用私有数据目的是测试各类方法在全新场景下泛化性能。这篇论文能够为研究深度立体匹配研究人

    作者: 初学者7000
    951
    3
  • 深度学习导论

    Network)的扩展和应用为基础,这次浪潮出现标志着深度学习时代来临。这一阶段研究主要集中在如何提高深度神经网络性能泛化能力上。SVM作为一种经典机器学习算法,在分类问题上表现出了良好性能。随着深度学习不断发展,其应用领域也在不断扩大。深度学习已经成为了许多领域重要工具,例如自然语言处理、计算机视

    作者: 林欣
    41
    1
  • 机器学习深度学习

    有趣是,二十一世纪初,连接主义学习又卷上重来,掀起了以 “深度学习”为名热潮.所谓深度学习,狭义地说就是 “很多层 " 神经网络.在若干测试竞赛上,尤其是涉及语音、 图像等复杂对象应用中,深度学习技术取得了优越性能以往机器学习技术在应用中要取得好性能,对使用者要求较高

    作者: ypr189
    730
    1