完善資料讓更多小伙伴認(rèn)識(shí)你,還能領(lǐng)取20積分哦,立即完善>
標(biāo)簽 > 機(jī)器學(xué)習(xí)
機(jī)器學(xué)習(xí)(Machine Learning, ML)是一門(mén)多領(lǐng)域交叉學(xué)科,涉及概率論、統(tǒng)計(jì)學(xué)、逼近論、凸分析、算法復(fù)雜度理論等多門(mén)學(xué)科。
文章:7725個(gè) 瀏覽:134656次 帖子:303個(gè)
一文讀懂人工智能、機(jī)器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)及深度學(xué)習(xí)關(guān)系
接觸人工智能的內(nèi)容時(shí),經(jīng)常性的會(huì)看到人工智能,機(jī)器學(xué)習(xí),深度學(xué)習(xí)還有神經(jīng)網(wǎng)絡(luò)的不同的術(shù)語(yǔ),一個(gè)個(gè)都很高冷,以致于傻傻分不清到底它們之間是什么樣的關(guān)系,很...
2018-05-07 標(biāo)簽:神經(jīng)網(wǎng)絡(luò)人工智能機(jī)器學(xué)習(xí) 4.2萬(wàn) 0
深度解析機(jī)器學(xué)習(xí)三類(lèi)學(xué)習(xí)方法
在機(jī)器學(xué)習(xí)(Machine learning)領(lǐng)域。主要有三類(lèi)不同的學(xué)習(xí)方法:監(jiān)督學(xué)習(xí)(Supervised learning)、非監(jiān)督學(xué)習(xí)(Unsup...
2018-05-07 標(biāo)簽:機(jī)器學(xué)習(xí) 1.5萬(wàn) 0
天賜予人類(lèi)驚人的學(xué)習(xí)能力。我們從出生開(kāi)始就學(xué)習(xí)復(fù)雜的任務(wù),如語(yǔ)言和圖像識(shí)別,之后在一生中以這種第一學(xué)習(xí)體驗(yàn)為基礎(chǔ)不斷進(jìn)行修正。之后,似乎自然而言的是,我...
2018-05-11 標(biāo)簽:人工智能機(jī)器學(xué)習(xí)深度學(xué)習(xí) 1772 0
盤(pán)點(diǎn)BAT及學(xué)界四大開(kāi)源項(xiàng)目
但在大陸這邊,無(wú)論是BAT還是學(xué)界,在開(kāi)源機(jī)器學(xué)習(xí)項(xiàng)目上始終慢了一拍,令人十分遺憾。這與我國(guó)世界最大AI研究者社區(qū)、占據(jù)AI科研領(lǐng)域半壁江山的江湖地位*...
2018-05-04 標(biāo)簽:人工智能BAT機(jī)器學(xué)習(xí) 2254 0
梯度下降算法及其變種:批量梯度下降,小批量梯度下降和隨機(jī)梯度下降
現(xiàn)在我們來(lái)討論梯度下降算法的三個(gè)變種,它們之間的主要區(qū)別在于每個(gè)學(xué)習(xí)步驟中計(jì)算梯度時(shí)使用的數(shù)據(jù)量,是對(duì)每個(gè)參數(shù)更新(學(xué)習(xí)步驟)時(shí)的梯度準(zhǔn)確性與時(shí)間復(fù)雜度...
2018-05-03 標(biāo)簽:機(jī)器學(xué)習(xí)深度學(xué)習(xí) 2.3萬(wàn) 0
基于馬爾科夫的隨機(jī)場(chǎng)的圖像分割是一種基于統(tǒng)計(jì)的圖像分割算法
現(xiàn)在要計(jì)算中心的像素點(diǎn)在下一次迭代中是屬于第幾類(lèi)(這一代是第3類(lèi)),ok采用一階勢(shì)能,這里需要說(shuō)明一點(diǎn),這個(gè)像素點(diǎn)無(wú)非是1-4之間的一類(lèi),那么我們需要分...
2018-05-02 標(biāo)簽:圖像分割機(jī)器學(xué)習(xí) 1.7萬(wàn) 0
深度學(xué)習(xí)進(jìn)行語(yǔ)音識(shí)別的方法 如何建立自己的語(yǔ)音識(shí)別系統(tǒng)
其實(shí)語(yǔ)音識(shí)別已經(jīng)存在很多年了,那為什么現(xiàn)在才成為主流呢?因?yàn)樯疃茸R(shí)別終于將語(yǔ)音識(shí)別在非受控環(huán)境下的準(zhǔn)確度提高到了一個(gè)足以投入實(shí)用的高度。吳恩達(dá)教授曾經(jīng)預(yù)...
2018-05-02 標(biāo)簽:語(yǔ)音識(shí)別機(jī)器學(xué)習(xí)深度學(xué)習(xí) 1.1萬(wàn) 0
機(jī)器學(xué)習(xí)算法的設(shè)計(jì)和實(shí)現(xiàn) 算法優(yōu)化分發(fā)鏈路的使用
分發(fā)過(guò)程走的是互聯(lián)網(wǎng)線(xiàn)路(專(zhuān)線(xiàn)太貴),互聯(lián)網(wǎng)線(xiàn)路的穩(wěn)定性不可預(yù)期,有時(shí)網(wǎng)絡(luò)抖動(dòng),會(huì)造成分發(fā)失敗,甚至挖斷光纜導(dǎo)致某條干網(wǎng)不可用的事故也經(jīng)常出現(xiàn),某條線(xiàn)路...
2018-05-02 標(biāo)簽:神經(jīng)網(wǎng)絡(luò)機(jī)器學(xué)習(xí)深度學(xué)習(xí) 1781 0
了解機(jī)器學(xué)習(xí)算法的類(lèi)別,把握對(duì)問(wèn)題的認(rèn)識(shí)層次
在學(xué)習(xí)過(guò)程中,要特別注意的不光是深入研究算法的精髓,還要知道該算法的應(yīng)用場(chǎng)合、適用條件和局限性。如果只是去探究原理,而不懂實(shí)際應(yīng)用,只能是書(shū)呆子,只會(huì)紙...
2018-05-11 標(biāo)簽:人工智能機(jī)器學(xué)習(xí)深度學(xué)習(xí) 814 0
討論在調(diào)整以長(zhǎng)期社會(huì)福利為目標(biāo)的機(jī)器學(xué)習(xí)所得決策方面的近期成果
由于機(jī)器學(xué)習(xí)系統(tǒng)容易受到歷史數(shù)據(jù)引入的偏見(jiàn)而導(dǎo)致歧視性行為,人們認(rèn)為有必要在某些應(yīng)用場(chǎng)景中用公平性準(zhǔn)則約束系統(tǒng)的行為,并期待其能保護(hù)弱勢(shì)群體和帶來(lái)長(zhǎng)期收...
2018-06-04 標(biāo)簽:人工智能機(jī)器學(xué)習(xí) 741 0
高明!OpenAI提出HER算法,人工智能可像人類(lèi)一樣認(rèn)識(shí)錯(cuò)誤汲取教訓(xùn)
OpenAI的研究人員集中精力于構(gòu)建具有更強(qiáng)的學(xué)習(xí)能力的人工智能。得益于他們的增強(qiáng)學(xué)習(xí)系統(tǒng)OpenAI baselines,機(jī)器學(xué)習(xí)算法可以進(jìn)行自主學(xué)習(xí)...
2018-05-01 標(biāo)簽:人工智能機(jī)器學(xué)習(xí) 4405 0
對(duì)于機(jī)器學(xué)習(xí)/數(shù)據(jù)科學(xué)初學(xué)者 應(yīng)該掌握的七種回歸分析方法
對(duì)于機(jī)器學(xué)習(xí)/數(shù)據(jù)科學(xué)的初學(xué)者來(lái)說(shuō),線(xiàn)性回歸,或者Logistic回歸是許多人在建立預(yù)測(cè)模型時(shí)接觸的第一/第二種方法。由于這兩種算法適用性極廣,有些人甚...
2018-04-27 標(biāo)簽:機(jī)器學(xué)習(xí)數(shù)據(jù)科學(xué) 4721 0
一個(gè)從數(shù)據(jù)中估計(jì)參數(shù)的基礎(chǔ)機(jī)器學(xué)習(xí)問(wèn)題
如何將這種直覺(jué)數(shù)學(xué)化地表述出來(lái)呢?我們可以定義一個(gè)觀測(cè)數(shù)據(jù)和參數(shù)的聯(lián)合概率:p(D, h) = p(D|h)p(h)。我們定義一個(gè)先驗(yàn)分布 p(h) 來(lái)...
2018-04-27 標(biāo)簽:機(jī)器學(xué)習(xí)貝葉斯公式 3284 0
如何利用機(jī)器學(xué)習(xí)破解驗(yàn)證碼的源代碼教程
驗(yàn)證碼的設(shè)計(jì)是為了防止計(jì)算機(jī)自動(dòng)填寫(xiě)表格,驗(yàn)證你是一個(gè)真實(shí)的“人”。但隨著深度學(xué)習(xí)和計(jì)算機(jī)視覺(jué)的興起,現(xiàn)在他們往往容易被擊敗。
2018-04-30 標(biāo)簽:源代碼機(jī)器學(xué)習(xí)驗(yàn)證碼 6102 0
AI技術(shù)與對(duì)應(yīng)的任務(wù)類(lèi)型,分析三類(lèi)神經(jīng)網(wǎng)絡(luò)的應(yīng)用和價(jià)值
機(jī)器學(xué)習(xí)擁有檢測(cè)異常的能力。深度學(xué)習(xí)用來(lái)分析大量高維數(shù)據(jù),可以把現(xiàn)有預(yù)防性維護(hù)系統(tǒng)的性能提升到一個(gè)新的高度。把許多傳感器的數(shù)據(jù)層層疊起,神經(jīng)網(wǎng)絡(luò)能夠增強(qiáng)...
2018-04-26 標(biāo)簽:神經(jīng)網(wǎng)絡(luò)機(jī)器學(xué)習(xí)深度學(xué)習(xí) 4433 0
人工智能發(fā)展前景無(wú)限,政策助力人工智能發(fā)展
一般而言,人工智能產(chǎn)業(yè)鏈可以分為基礎(chǔ)層、技術(shù)層和應(yīng)用層。當(dāng)前中國(guó)還處于行業(yè)應(yīng)用層起步到快速發(fā)展的階段,應(yīng)用層的投資機(jī)會(huì)和投入回報(bào)率遠(yuǎn)高于技術(shù)層和基礎(chǔ)設(shè)施...
2018-04-26 標(biāo)簽:人工智能機(jī)器學(xué)習(xí) 9373 0
一起來(lái)揭穿人工智能與機(jī)器學(xué)習(xí)的一些神話(huà)!
人們正朝著一個(gè)正確的方向前進(jìn),其市場(chǎng)營(yíng)銷(xiāo)和闡述也越來(lái)越好。如今的技術(shù)距離科幻小說(shuō)的“人工智能替代人類(lèi)工作”還有很遠(yuǎn)的距離。只有通過(guò)仔細(xì)的研究和正確的信息...
2018-04-30 標(biāo)簽:人工智能機(jī)器學(xué)習(xí) 4021 0
深度學(xué)習(xí)和機(jī)器學(xué)習(xí)深度的不同之處 淺談深度學(xué)習(xí)的訓(xùn)練和調(diào)參
近年來(lái),深度學(xué)習(xí)作為機(jī)器學(xué)習(xí)中比較火的一種方法出現(xiàn)在我們面前,但是和非深度學(xué)習(xí)的機(jī)器學(xué)習(xí)相比(我將深度學(xué)習(xí)歸于機(jī)器學(xué)習(xí)的領(lǐng)域內(nèi)),還存在著幾點(diǎn)很大的不同...
2018-05-02 標(biāo)簽:機(jī)器學(xué)習(xí)深度學(xué)習(xí) 4534 0
機(jī)器學(xué)習(xí)中梯度下降法的過(guò)程
梯度下降法是一個(gè)用于尋找最小化成本函數(shù)的參數(shù)值的最優(yōu)化算法。當(dāng)我們無(wú)法通過(guò)分析計(jì)算(比如線(xiàn)性代數(shù)運(yùn)算)求得函數(shù)的最優(yōu)解時(shí),我們可以利用梯度下降法來(lái)求解該問(wèn)題。
2018-04-26 標(biāo)簽:機(jī)器學(xué)習(xí) 3567 0
當(dāng)神經(jīng)網(wǎng)絡(luò)在20世紀(jì)80年代首次出現(xiàn)時(shí),神經(jīng)科學(xué)家們希望這種系統(tǒng)可以用來(lái)模擬人腦。然而,來(lái)自那個(gè)時(shí)代的計(jì)算機(jī)不夠強(qiáng)大,無(wú)法建立足夠大的模型來(lái)進(jìn)行一些實(shí)際...
2018-04-30 標(biāo)簽:神經(jīng)網(wǎng)絡(luò)語(yǔ)音識(shí)別機(jī)器學(xué)習(xí) 4417 0
編輯推薦廠商產(chǎn)品技術(shù)軟件/工具OS/語(yǔ)言教程專(zhuān)題
電機(jī)控制 | DSP | 氮化鎵 | 功率放大器 | ChatGPT | 自動(dòng)駕駛 | TI | 瑞薩電子 |
BLDC | PLC | 碳化硅 | 二極管 | OpenAI | 元宇宙 | 安森美 | ADI |
無(wú)刷電機(jī) | FOC | IGBT | 逆變器 | 文心一言 | 5G | 英飛凌 | 羅姆 |
直流電機(jī) | PID | MOSFET | 傳感器 | 人工智能 | 物聯(lián)網(wǎng) | NXP | 賽靈思 |
步進(jìn)電機(jī) | SPWM | 充電樁 | IPM | 機(jī)器視覺(jué) | 無(wú)人機(jī) | 三菱電機(jī) | ST |
伺服電機(jī) | SVPWM | 光伏發(fā)電 | UPS | AR | 智能電網(wǎng) | 國(guó)民技術(shù) | Microchip |
Arduino | BeagleBone | 樹(shù)莓派 | STM32 | MSP430 | EFM32 | ARM mbed | EDA |
示波器 | LPC | imx8 | PSoC | Altium Designer | Allegro | Mentor | Pads |
OrCAD | Cadence | AutoCAD | 華秋DFM | Keil | MATLAB | MPLAB | Quartus |
C++ | Java | Python | JavaScript | node.js | RISC-V | verilog | Tensorflow |
Android | iOS | linux | RTOS | FreeRTOS | LiteOS | RT-THread | uCOS |
DuerOS | Brillo | Windows11 | HarmonyOS |