《机器学习》学习笔记

资讯｜WebGPU必将成为Web生态的新未来！

它可以为沉浸式虚拟世界、交互式数据可视化、高级功能的图像和视频编辑、物理仿真、机器学习等提供支持，所有这些都可以在浏览器中运行。同时，WebGP
·2024-02-20 21:40

Datawhale用免费GPU线上跑AI项目实践课程任务一学习笔记。部署ChatGLM3-6B模型

前言本篇文章为学习笔记，流程参照Datawhale用免费GPU线上跑AI项目实践课程任务，个人写此文章为记录学习历程和补充概念，并希望为后续的学习者开辟道路，没有侵权的意思。
Hoogte-oile·2024-02-20 21:04

C++学习笔记之 Big Three & OOP

本篇笔记主要分为三个部分，第一部分是以String类为例的基于对象的编程，重点在于构造与析构、拷贝构造函数、拷贝赋值函数三个重要函数。这一部分与笔记（1）中的内容结合起来就是基于对象编程的主要内容。第二部分是在掌握了基于对象编程的基础上的面向对象编程（OOP）学习，讲解了类之间的组合、继承、委托关系。最后一部分则是一些关于面向对象编程的一点补充，包括内存空间、生命周期、new和delete等，以及
鸿通楼祭司·2024-02-20 21:31

Big Three

前言提示：这里可以添加本文要记录的大概内容：例如：随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习，本文就介绍了机器学习的基础内容。
大傻羊·2024-02-20 20:26

openGauss学习笔记-08 openGauss 数据类型

openGauss学习笔记-08openGauss数据类型8.1数值类型8.2布尔类型8.3字符类型8.4二进制类型8.5日期/时间类型8.6几何类型8.7网络地址类型8.8位串类型8.9文本搜索类型8.10UUID
superman超哥·2024-02-20 20:40

分享两个版本的数字孪生技术栈，都是AI回答的，较为精准

数据分析：数字孪生需要对采集到的数据进行处理和分析，以便制定相应的模型和预测，因此需要使用数据分析技术如机器学习、人工智
贝格前端工场·2024-02-20 20:40

【机器学习案例5】语言建模 - 最常见的预训练任务一览表

自监督学习(SSL)是基于Transformer的预训练语言模型的支柱，该范例涉及解决有助于建模自然语言的预训练任务(PT)。本文将所有流行的预训练任务放在一起，以便我们一目了然地评估它们。SSL中的损失函数这里的损失函数只是模型训练的各个预训练任务损失的加权和。以BERT为例，损失将是MLM（MaskedLanguageModelling）和NSP（NextSentencePrediction）
suoge223·2024-02-20 20:05

【机器学习案例6】使用机器学习从图像中提取突出的颜色（含源码）

专栏导读作者介绍：工学博士，高级工程师，专注于工业软件算法研究本文已收录于专栏：《机器学习实用指南》本专栏旨在提供1.机器学习经典案例及源码；2.开源机器学习训练数据集；3.机器学习前沿专业博文。
suoge223·2024-02-20 20:05

【机器学习案例7】计算机视觉中的小物体检测：基于补丁的方法

专栏导读作者简介：工学博士，高级工程师，专注于工业软件算法研究本文已收录于专栏：《机器学习实用指南》本专栏旨在提供1.机器学习经典案例及源码；2.开源机器学习训练数据集；3.机器学习前沿专业博文。
suoge223·2024-02-20 20:05

评估与改进机器学习模型

Mlstrategy文章目录MlstrategySingleNumbleEvaluationMetricoptimizingandsatisficingmetricImprovingmodelperformanceTwofundamentalReducebiasandvarianceAvoidablebiasvarianceerroranalysiswaysIncorrectlylabledexa
stoAir·2024-02-20 20:31

Tensorflow基础代码报错学习笔记11——classification分类学习

原教程地址原代码更换了tensorflow1.0版本之后代码跟着up主的教程敲就可以了，这里面没什么需要改动的importtensorflowastffromtensorflow.examples.tutorials.mnistimportinput_data#如果电脑中没有数据集，会自动下载mnist=input_data.read_data_sets('MNIST_data',one_hot=
7STARX·2024-02-20 20:00

基于3种机器学习法的黄土高原农业干旱监测比较研究_王晓燕_2022

基于3种机器学习法的黄土高原农业干旱监测比较研究_王晓燕_2022摘要关键词1引言2研究区与数据6结论#pic_center=x260)摘要  本文集成MODIS、TRMM、GLDAS和再分析等多源数据
清木!·2024-02-20 20:00

【机器学习案例4】为机器学习算法编码分类数据【含源码】

目录编码分类数据序数编码标签编码一次性编码目标编码目标编码的优点目标编码的缺点在现实生活中，收集的原始数据很少采用我们可以直接用于机器学习模型的格式，即数值型数据。
suoge223·2024-02-20 20:28

网站常见的反爬手段及反反爬思路

user-agent2、ip访问频率的限制（1）代理的基本原理（2）代理的作用（3）爬虫代理（4）代理分类（5）常见代理设置3、必须账号登录4、动态网页，JavaScript压缩、混淆和加密，加大分析难度5、机器学习
在猴站学算法·2024-02-20 20:58

四章-46-使用KML文件渲染要素

本文基于腾讯课堂老胡的课《跟我学Openlayers--基础实例详解》做的学习笔记，使用的openlayers5.3.xapi。
彩云飘过·2024-02-20 20:08

通俗的讲解什么是机器学习之损失函数

在机器学习中，这个过程是这样的：训练数据：你有大量的数据，这些数据包括了输入（特征）和输出（标签，即真实值）。模型：你有一个模型，它可以根据输入数据做出预测。
华农DrLai·2024-02-20 19:18

机器学习之梯度下降法直观理解

形象化举例，由上图所示，假如最开始，我们在一座大山上的某处位置，因为到处都是陌生的不知道下山的路，所以只能摸索着根据直觉，走一步算一步。在此过程中，每走到一个位置的时候，都会求解当前位置的梯度，沿着梯度的负方向，也就是当前最陡峭的位置向下走一步，然后继续求解当前位置梯度，向这一步所在位置沿着最陡峭最易下山的位置走一步。不断循环求梯度，就这样一步步地走下去，一直走到我们觉得已经到了山脚。当然这样走下
华农DrLai·2024-02-20 19:47

SpringBoot学习笔记总结——动力节点

最近跟着动力节点王鹤老师的视频学到了springboot，看过最细的springboot讲解，初学入门最佳，自己做了笔记分享给大家视频资源：https://www.bilibili.com/video/BV1XQ4y1m7ex1.外部资源properties的几种导入方式1.1使用注解直接在实体类上赋值imageimage.gif1.2通过yaml赋值，在实体类中引用@ConfigurationP
动力节点铁杆粉丝·2024-02-20 19:35

Golang变量-学习笔记

1.为什么需要变量1）一个程序就是一个世界2）变量是程序的基本组成单位不论是使用哪种高级程序语言编写程序，变量都是其程序的基本组成单位。举个栗子：funcgetVal(num1,int,num2,int)(int,int){sum:=num1+num2sub:=num2-num2returnsum,sub}funcmain(){sum,sub:=getVal(30,30)fmt.Println("
超长待机。·2024-02-20 18:50

MATLAB进行特征选择

特征选择是机器学习和统计建模中的重要步骤，它涉及选择最相关、最有信息价值的特征，以提高模型性能、降低过拟合风险，并加速训练过程。
AI Dog·2024-02-20 18:17

HTML学习笔记——08：表单＜form＞

HTML元素表示文档中的一个区域，此区域包含交互控件，用于向Web服务器提交信息。例如：登录页面。作用：搜集不同类型的用户输入，并向服务器传送数据。注意：表单本身并不可见！！！示例：firstname:lastname:多数情况下被用到的表单标签是输入标签（）。一、表单的属性1、action属性action=”要提交到的页面(xxx.html)”表单提交的地址，可以是网站也可以是一个请求处理地址。
ruleslol·2024-02-20 18:39

【江湖说️学习日记89决策理论】

【江湖说️学习日记89决策理论】[打卡宝宝]：嘿黑~[打卡日期]：2019/02/28[累计坚持]：这是我坚持学习的第89天️[学习内容]：决策理论：如何做出好的决策[学习笔记]：️一、概念：研究人员曾经做过一次调查
栗小蒙·2024-02-20 18:41

人工智能专业python论文毕设方向推荐

1.3难度把控1.4题目名称1.5最后2选题推荐2.1数据分析可视化选题推荐2.2算法类选题推荐(深度学习机器学习)最后0前言Hi，大家好，大四的同学马上要开始毕业设计啦，大家做好准备了没！
DanCheng-studio·2024-02-20 18:40

IP地址+子网掩码+CIDR学习笔记

目录一、IP地址1、表示方法：2、特殊IP地址二、子网掩码1、判断网络位和主机位2、子网划分三、无分类编址CIDR1、CIDR路由汇聚汇聚规则：汇聚ID：2、最佳路由匹配原则一、IP地址1、表示方法：机器中存放的IP地址是32位二进制代码，为了提高可读性：每8位加入一个空格，提高可读性每8位的二进制数转换为十进制，用点分十进制记法例：10000000000010110000001100011111
Jizhi_Zhang·2024-02-20 17:35

RabbitMQ学习笔记

1消息队列基础1.1同步异步同步调用时效性强拓展性差性能下降级联失败异步调用业务解耦，拓展性强无需等待，性能好故障隔离缓存信息，流量削峰填谷时效性差不确定执行是否成功1.2MQ技术选型2安装2.1安装步骤linux环境，用docker安装下载rabbitmq镜像dockerpullrabbitmq:3.7.15创建容器dockerrun-eRABBITMQ_DEFAULT_USER=admin-e
hhf的博客·2024-02-20 17:53

Spring AOP 笔记

精通Spring4.x企业级应用》学习笔记Aop适合具有横切逻辑的应用场合：性能监测、访问控制、事务管理、日志记录；Aop通过横向抽取机制为这类无法通过纵向继承体系进行抽象的重复性代码提供了解决方案。
里昂_79ce·2024-02-20 17:06

Redis学习笔记

1基础1.1NoSQL特点：非结构化、无关联、非SQL、没有事务或事务不满足ACID特性、内存存储、支持水平扩展1.2Redis概括redis官网：https://redis.io/一个基于内存的键值型NoSQL数据库key-value型单线程，每个命令具备原子性低延迟，速度快（基于内存、IO多路复用、c语言编写）支持数据持久化支持主从/分片集群支持多语言客户端1.3linux系统安装下载redi
hhf的博客·2024-02-20 17:19

文本分类算法能够应用于哪些领域？真实项目场景介绍

通过机器学习算法，我们训练了一个模型，它能够理解公文的内容和格式，从而实现快速且准确的分类。这不仅减少了人工分类的时间，
思通数科x·2024-02-20 17:48

Elasticsearch：什么是 kNN?

kNN-K-nearestneighbor定义kNN（即k最近邻算法）是一种机器学习算法，它使用邻近度将一个数据点与其训练并记忆的一组数据进行比较以进行预测。
Elastic 中国社区官方博客·2024-02-20 17:41

深度学习与机器学习的关系

深度学习和机器学习的关系深度学习是机器学习的一个子领域，专注于使用神经网络，特别是深度神经网络（DNN）来解决各种问题。可以说，深度学习是机器学习的一种方法或技术。
数字化信息化智能化解决方案·2024-02-20 16:19

用机器学习方法重构期货商品板块

用机器学习方法重构期货商品板块阿岛格参考专栏：低门槛搭建个人量化平台https://www.zhihu.com/column/c_1441014235068944386摘要金融市场商品期货的板块分类，通常根据不同交易所
阿岛格·2024-02-20 16:48

人工智能|机器学习——基于机器学习的舌苔检测

代码下载：基于深度学习的舌苔检测毕设留档.zip资源-CSDN文库1研究背景1.1.研究背景与意义目前随着人们生活水平的不断提高，对于中医主张的理念越来越认可，对中医的需求也越来越多。在诊断中，中医通过观察人的舌头的舌质、苔质等舌象特征，了解人体内的体质信息从而对症下药。传统中医的舌诊主要依赖于医生的肉眼观察，仅仅通过这种人工诊断不但需要消耗大量人力，而且诊断的结果往往受医生经验和主观判断影响，甚
博士僧小星·2024-02-20 16:35

JDK1.6API学习笔记(0001)---开篇

准备开始了，你准备好了吗！野马之路！本来想一切都做成最新的呢，后来一想，没什么意义，用现在机器上装的1.6.0版本算了。再一想，不对，开始的时候就妥协，怕这个系列不会超过个位数的文章了，还是努力一下吧。可怜我这老黄牛的网速啊。系统：WindowsXPSP2番茄花园版CPU：古老滴AMD1700+，新来的不要笑哦！内存：一根266的512DDR，一根400的512DDR，加起来是266的1GDDR。
langzitianya·2024-02-20 16:28

Neo4j学习笔记(三) Spring Data Neo4j中可以按方法名自动生成查询逻辑的查询方法

目录一.概述二.方法名元素三.属性表达式四.分页和排序五.TopN的取得一.概述SpringData的Repository接口提供了通过方法名称自动生成查询逻辑的能力。在SpringDataNeo4j中，继承Neo4jRepository接口同样可以获得这种按方法名自动生成查询逻辑的功能。查询的默认深度为1，即查询本节点以及和本节点有直接关系的节点，查询的关系类型为节点实体类(使用@NodeEnt
langzitianya·2024-02-20 16:58

Neo4j学习笔记(四.3) Spring Data Neo4j中连接Neo4j因果集群

一.配置文件Neo4j4.0之前，instance0~instance2都是因果集群里的核心服务器URI=bolt+routing://instance0:7687URIS=bolt+routing://instance1:7687,bolt+routing://instance2:7687Neo4j4.0之后，instance0~instance2都是因果集群里的核心服务器URI=neo4j:/
langzitianya·2024-02-20 16:58

机器学习---强化学习

1.什么是强化学习在连接主义学习中，在学习的方式有三种：非监督学习(unsupervisedlearning)、监督学习(supervisedleaning)和强化学习。监督学习也称为有导师的学习，需要外界存在一个“教师”对给定输入提供应有的输出结果，学习的目的是减少系统产生的实际输出和预期输出之间的误差，所产生的误差反馈给系统来指导学习。非监督学习也称为无导师的学习。它是指系统不存在外部教师指导
三月七꧁ ꧂·2024-02-20 16:26

清翔零基础教你学51单片机_个人学习笔记(5)_数码管静态和动态显示

说明本人使用的是清翔的51单片机开发板，如果型号相同最方便，但是如果型号不同也可以参考，因为芯片都是一样的，只是外设不同而已，使用时只需要对照自己的开发板原理图稍微修改下引脚即可。本次笔记对应清翔视频教程的第16、17、18集数码管静态显示和动态显示（理论+编程）一、什么是数码管1.1数码管的构成1位数码管多位数码管数码管内部由8个LED组层，排列成8字形，点亮对应的LED，熄灭其他的LED，即可
BO_S__·2024-02-20 16:47

陈绍斌：与智慧同路，正视未来||心和塾企业家山西研学分享

每次课程陈绍斌都是第一时间把他的学习笔记分享出来，近三万字的学习资料内容，我们会惊讶结构分明的笔记在短短十几分钟就整理出来，对于基础不是十分厚实
孙键_心和塾·2024-02-20 15:56

SQL学习笔记----第二天（学生信息表自增字段的使用）

学生信息表自增字段的使用--目录前言一、MySQL中使用自增字段二、SqlServer中使用自增字段三、Oracle中使用自增字段总结前言我们在设计数据表时，使用自动增长字段可以简化子弹数据的生成，在开发实践中，经常将主键设置为自动增长字段，不同的数据库自动增长字段实现是不同的，下面我们来一起详细了解下一、MySQL中使用自增字段首先了解下怎么在MySQL中创建自增字段，在MySQL中创建自增字段
春眠不觉晓♞·2024-02-20 15:54

【plt.hist绘制直方图】：从入门到精通，只需一篇文章！【Matplotlib可视化】

进行数据可视化示例文章目录一、引言二、plt.hist()函数基础三、plt.hist()进阶技巧1.自定义直方图外观2.多组数据在同一张直方图上展示四、参考文档|相关链接五、结尾一、引言  数据可视化是数据分析和机器学习领域不可或缺的一部分
高斯小哥·2024-02-20 15:21

HarmonyOS移动应用学习笔记——1.初识HarmonyOS

文章目录1.1HarmonyOS简介1.2HarmonyOS架构和安全HarmonyOS架构内核层系统服务层框架层应用层HarmonyOS应用服务智能分发HarmonyOS系统安全正确的人正确的设备正确地使用数据1.3HarmonyOS关键特性硬件互助，资源共享分布式软总线分布式设备虚拟化分布式数据管理分布式任务调度一次开发，多次部署统一OS，弹性部署
WMX_0121·2024-02-20 15:10

算法工程师（机器学习）面试题目4---深度学习算法

基础问题CNN1.卷积神经网络和全连接网络的根本不同之处在哪里两者之间的唯一区别是神经网络相邻两层的连接方式。在全连接神经网络中，每相邻两层之间的节点都有边相连，而对于卷积神经网络，相邻两层之间只有部分节点相连；全连接网络缺点：参数太多，计算速度变慢，容易过拟合卷积神经网络：局部链接；权值共享；参数更少，降低过拟合的可能卷积神经网络一般是由卷积层、汇聚层和全连接层交叉堆叠而成的前馈神经网络。RNN
小葵向前冲·2024-02-20 15:34

计算机视觉与图像处理面试题,深度学习图像处理算法工程师面试题

AI开发平台ModelArtsModelArts是面向开发者的一站式AI开发平台，为机器学习与深度学习提供海量数据预处理及半自动化标注、大规模分布式Training、自动化模型生成，及端-边-云模型按需部署能力
ZW9·2024-02-20 15:32

深度学习+计算机语言,深度学习 计算机语言

AI开发平台ModelArtsModelArts是面向开发者的一站式AI开发平台，为机器学习与深度学习提供海量数据预处理及半自动化标注、大规模分布式Training、自动化模型生成，及端-边-云模型按需部署能力
中国计算机学会·2024-02-20 15:32

机器学习-特征提取-字典特征提取-文本特征提取-TF-IDF

一、特征提取概要：1、定义：将任意数据(如文本或图像)转换为可用于机器学习的数字特征。注：特征值化是为了计算机更好的去理解数据。
涓涓自然卷·2024-02-20 15:19

【静夜思学习笔记】我们是否都生存在某个角色里？

简介：认清人的本性，理解角色化生存，这是了解人性和如何做产品的重要一课，一起了解一下角色化对我们的影响。集体人格什么是集体？集体其实就是一堆角色。为什么会有角色这么一说，其实是管理的需求。比如说你在家里的角色，可能是爸爸，妈妈，儿子。他有了这些角色。就像是赋予了你一个说明书。相当于给你定义了你要做些什么？为人子，方少时，亲师友，习礼仪。所以我们从小就被驯化成某一种角色。当我们被角色训练好，收敛自我
静夜思007·2024-02-20 14:42

学习笔记—独立的损益表

【优胜行动派️❤学习日记】[打卡宝宝]：张雪[打卡日期]：2019/2/21[累计坚持]：这是我坚持学习的第125天[学习内容]：5分钟商学院·独立的损益表[学习笔记]：讲了很久从员工到经理，其最核心的转变
凡小姐_ba36·2024-02-20 14:52

威尔金森功分器基本原理学习笔记

威尔金森功分器基本原理威尔金森功率分配器的功能是将输入信号等分或不等分的分配到各个输出端口，并保持相同输出相位。环形器虽然有类似功能，但威尔金森功率分配器在应用上具有更宽的带宽。微带形功分器的电路结构如图所示，其中，输入端口特性阻抗为Z0Z_0Z0，两段分支微带线电长度为λ/4\lambda/4λ/4，特性阻抗分别为Z02Z_{02}Z02和Z03Z_{03}Z03，终端分别接负载R2R_2R2和
儒雅永缘·2024-02-20 14:13

体验文心一言AI大模型生成一篇关于OpenAI、Notepad++、WPS、pycharm、git、svn、Webstorm、Chrome、Edge和向日葵客户端的报告

OpenAI是一家非营利性人工智能研究公司，致力于研究人工智能和其他机器学习技术1。
「已注销」·2024-02-20 14:36

GPT在机器学习，深度学习等领域应用

详情点击公众号：技术科研吧链接：GPT在机器学习，深度学习等领域应用第一：2024年AI领域最新技术1.OpenAI新模型-GPT-52.谷歌新模型-GeminiUltra3.Meta新模型-LLama34
夏日恋雨·2024-02-20 14:02
上一页 27 28 29 30 31 32 33 34 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他