学习理论第15页

基于Python机器学习及深度学习在空间模拟与时间预测应用

机器学习理论知识1.1总体框架与课时安排1.2机器学习方法1.3机器学习方法的分类1.4模型评估与选择1

WangYan2022·2022-11-26 01:23

【时序预测-SVM】基于鲸鱼算法优化支持向量机SVM实现时序数据预测附matlab代码

matlab科研助手·2022-11-24 14:35

Python深度学习：机器学习理论知识，包含信息熵的计算（读书笔记）

今天这一篇，我们正式接触深度学习的理论基础—机器学习第二篇一、机器学习分类二、机器学习的基本算法三、算法的理论基础1、机器学习的基础理论-----函数逼近2、回归算法3、其他算法----决策树一、机器学习分类1、基于学科分类统计学、人工智能、信息论、控制理论2、基于学习模式分类归纳学习、解释学习、反馈学习3、基于应用领域的分类专家系统、数据挖掘、图像识别、人工智能、自然语言处理二、机器学习的基本算

芝士工具猿·2022-11-24 05:01

分类预测 | Matlab实现CNN-SVM卷积支持向量机多特征分类预测

基于深度学习理论，提出将卷积神经网络算法结合SVM分类器搭建适于深度卷积神经网络模型。从原始数据特征出发，模型逐层学习实现特征提取与类型识别，引入批量归一化、

机器学习之心·2022-11-24 01:14

清华、中科院、百度、阿里等大佬共论人工智学术生态与产业创新--中国科技峰会系列活动青年科学家沙龙（AI TIME承办）...

尤其是进入新千年后，随着计算能力的提升与深度学习理论的逐渐成熟，人工智能技术在各个研究领域大放异彩，并在巨大商业价值的驱动下，走进了千家万户。然而，随着人工智能研究走进深水区，传统的基

AITIME论道·2022-11-23 18:02

深度学习与智能故障诊断学习笔记（一）——故障诊断体系介绍

1.引言智能故障诊断（IFD）是指将机器学习理论，如人工神经网络（ANN）、支持向量机（SVM）和深度神经网络（DNN）应用于机器故障诊断。

Vanderbiol·2022-11-23 12:16

十年前的AlexNet，今天的NeurIPS 2022时间检验奖

大会讨论的内容包含深度学习、计算机视觉、大规模机器学习、学习理论、优化、稀疏理论等众多细分领域。今年NeurIPS已是第36届，将于11月28日至12月9日举行，为期两周。

旅途中的宽~·2022-11-23 09:35

人工智能书单（机器学习实践篇）

人工智能书单（机器学习理论篇）HZBOOK1长按二维码了解及购买《Python机器学习（原书第2版）》ISBN：978-7-111--55880-4作者：[美

hzbooks·2022-11-23 09:25

pyTorch 快速入门

如果足够自律，就能够充分利用时间；如果足够自律，就能不断地补充自己的不足；如果足够自律，就能扎实深度学习理论基础；如果足够自律，就能进一步提升代码能力。

_missTu_·2022-11-23 03:40

【CNN】初识卷积

对卷积神经网络的研究始于二十世纪80至90年代，时间延迟网络和LeNet-5是最早出现的卷积神经网络；在二十一世纪后，随着深度学习理论的提出和数值计算设备的改进，

lingchen1906·2022-11-23 03:59

【代码解读】Transformer（一）——Encoder

transformer代码学习理论介绍代码部分主函数代码1：Transformer整体架构层代码代码2：Encoder部分代码3：位置编码代码4：get_attn_pad_mask代码5：EncoderLayer

陌上骑驴Yiping_Chen·2022-11-23 01:55

机器学习 - 机器学习理论基础

目录1.机器学习的经验效用和理论理解2.机器学习的效用-理论矩阵2.1.右上象限：高理解、高效用2.2.右下象限：低理解，高效用2.3.左上象限：高理解，低效用2.4.左下象限：低理解，低效用2.5.效用-理论矩阵的特点3.效用-理论矩阵的三种理解机制4.参考1.机器学习的经验效用和理论理解机器学习的一些领域的经验效用已经迅速超过了我们对基础理论的理解，其中的模型非常有效，但我们并不能完全确定其原

Encarta1993·2022-11-23 00:00

机器学习理论基础到底有多可靠？

Datawhale干货作者：AidanCooper，编译：机器之心本文约4600字，建议阅读5分钟本文介绍了机器学习理论的重要性。知其然，知其所以然。

Datawhale·2022-11-23 00:50

高数基础：ch0. 概述以及预备知识

一元微分、一元积分，多元微分）线性代数（线性方程组、矩阵运算、矩阵分解、二次型）最优化（使用导数的最优化方法、对偶理论、二次规划）课程目的：提供机器学习课程中的基本数学和优化理论基础，为零基础的同学学习机器学习理论做准备参考资料

呜哇呜·2022-11-22 18:09

没有免费午餐定理No Free Lunch Theorem

然而，只要和机器学习理论挂钩，似乎都讲得不清不楚，大家都是各自地抄，抄书籍，抄论文，抄别人的博客或者直接翻译，或者讲故事一样描述，几乎没什么太深入的理解，给人的感觉是“哎？

飞机火车巴雷特·2022-11-22 07:10

【深度学习实战】一、Numpy手撸神经网络实现线性回归

目录一、引言二、代码实战1、Tensor和初始化类2、全连接层3、模型组网4、SGD优化器5、均方差损失函数6、Dataset三、线性回归实战四、实验结果五、总结一、引言深度学习理论相对简单，但是深度学习框架

嘟嘟太菜了·2022-11-22 03:12

机器学习初步1

1.4、典型的机器学习过程1.5、计算学习理论最重要的理论模型：PACP(|f(x)-y|≤ϵ)≥1-δ1.6、基本术语数据集；训练，测试；示例i

MsSt_·2022-11-22 00:25

2022五月组队学习——吃瓜教程:task01

调参与最终模型2.3性能度量2.3.1错误率与精度2.3.2查准率、查全率与Fl2.3.3ROC与AUC第一章绪论西瓜书的开源自取（大家可以在这个里面自己看喔这也是我喜欢dw的理由之一喔）1.1引言机器学习理论主要是

不含运费·2022-11-21 23:19

【2022·深度强化学习课程】深度强化学习极简入门与Pytorch实战

课程名称：深度强化学习极简入门与Pytorch实战课程内容：强化学习基础理论，Python和深度学习编程基础、深度强化学习理论与编程实战课程地址：https://edu.csdn.net/course/

二向箔不会思考·2022-11-21 21:26

深度学习理论学习过程中的一些常见问题

0.需要去学习哪些基本内容1.样本归一化：预测时的样本数据同样也需要归一化，但使用训练样本的均值和极值计算，这是为什么？答：可以从三个角度理解：众所周知，我们的数据集分为训练集和测试集，对于测试集的均值方差归一化，不能用测试集的均值和方差，而要用训练集的均值和方差，因为真实数据中很难得到其均值和方差。另外，网络参数是从训练集学习到的，也就是说，网络的参数尺度是与训练集的特征尺度一致性相关的，所以应

jaycain·2022-11-21 20:24

《深度学习入门-基于Python的理论与实现》读书笔记

写在前面：1、该读书笔记将侧重总结深度学习理论而非Python实现。2、本书环境基于Python3.x+Numpy+Matplotlib。

Nicholson07·2022-11-21 14:30

机器学习面试知识点总结

文章目录计算学习理论过拟合与欠拟合过拟合欠拟合偏差与方差最大似然估计与贝叶斯估计极大似然估计贝叶斯决策论贝叶斯估计特征工程与特征选择特征工程逐层归一化特征选择模型融合融合策略评估方法与评价指标评估方法评价指标优化算法正则化深度模型中的优化采样聚类与降维聚类降维

siyan985·2022-11-21 11:25

Anaconda3+PyTorch：安装并配置深度学习环境

乔木cc·2022-11-21 11:50

【病害识别】随机森林苹果病害识别【含Matlab源码 2211期】

⛄一、随机森林理论随机森林(RF)是一种基于统计学习理论的组合分类智能算法,由Breiman在2001年提出,其原理是利用Bootstrap重抽样方法从原始数据中抽取多个样本,构建所有Bootstrap

Matlab领域·2022-11-21 08:06

西瓜书12-计算学习理论

chapter12计算学习理论计算学习理论研究的目的是分析学习任务的困难本质，为学习算法提供理论保证，并根据分析结果指导算法设计。

weixin_41872340·2022-11-21 02:02

集成学习理论梳理-bagging、boosting

文章目录集成学习1.bagging2.boosting3.bagging与boosting区别样本选择上：样例权重：预测函数：并行计算：集成学习集成学习归属于机器学习，他是一种「训练思路」，并不是某种具体的方法或者算法。集成学习的核心思路就是「人多力量大」，它并没有创造出新的算法，而是把已有的算法进行结合，从而得到更好的效果集成学习会挑选一些简单的基础模型进行组装，组装这些基础模型的思路主要有2种

Tialyg·2022-11-20 13:51

跨学科主题学习

所学：首先，我对跨学科主题学习理论有了更深的了解。跨学科主题学习是分科教学的重要补充。不同学科所用名称不同，但主张和追求的相同。跨学科主题学习是分科设置课程背景下，实现学科课程综合化

静等花开abc·2022-11-20 11:50

深度学习机器学习理论知识：范数、稀疏与过拟合合集（3）范数与稀疏化的原理、L0L1L2范数的比较以及数学分析

范数、稀疏与过拟合合集（1）范数的定义与常用范数介绍范数、稀疏与过拟合合集（2）有监督模型下的过拟合与正则化加入后缓解过拟合的原理范数、稀疏与过拟合合集（3）范数与稀疏化的原理、L0L1L2范数的比较以及数学分析范数、稀疏与过拟合合集（4）L2范数对conditionnumber较差情况的缓解范数、稀疏与过拟合合集（5）Dropout原理，操作实现，为什么可以缓解过拟合，使用中的技巧1、参数稀疏的

呆呆象呆呆·2022-11-20 10:48

集成学习01_介绍

集成学习理论中，我们将用这些弱学习器去设计更复杂模型，以期得到一个更好更全面的强监督模型。集成学习中的基学习器通常具有以下特点：在大多数情况下，这些基学习器本身的性能

雪龙无敌·2022-11-20 06:31

集成学习（1）--Matlab/Python

集成学习理论Matlab代码分析Python代码分析=================================================集成学习（ensemblelearning）也通过构建并结合多个学习器来完成学习任务

ifruoxi·2022-11-20 02:17

反正没几根头发·2022-11-19 15:45

支持向量机(Support Vector Machine,SVM)

支持向量机是一种基于统计学习理论的模式识别方法。SVM的目的是为了找到一个超平面，使得它能够尽可能多的将两类数据点正确的分开，同时使分开的两类数据点距离分类面最远。

少年心不定·2022-11-19 13:55

GraphSage -《Inductive Representation Learning on Large Graphs》论文详解

目录前言GraphSAGE算法Embedding生成算法聚合函数固定大小邻居采样GraphSAGE参数学习无监督学习理论分析（案例研究）附录（作者简介）前言之前在推荐排序上开发的一个算法，取得了不错的效果

November丶Chopin·2022-11-19 13:08

如何从小白成为一名合格的算法工程师

如何从小白成为一名合格的算法工程师写在开头能力要求编程能力计算机基础机器学习机器学习理论学习机器学习实战学习深度学习基础应用领域个人计划后续安排写在开头其实对于未来想要从事什么样的职业这个问题，我已经思考了比较长一段时间

Acwisher·2022-11-17 07:44

Human-level control through deep reinforcement learning

Abstract强化学习理论在动物行为上，深入到心理和神经科学的角度，关于在一个环境中如何使得智能体优化他们的控制，提供了一个正式的规范。

西西弗的小蚂蚁·2022-11-16 11:35

MindSpore前馈神经网络运用

具备一定的深度学习理论知识，

irrationality·2022-11-16 07:04

高斯过程回归（Gaussian Process Regression）

基本概念在高斯过程，连续的输入空间的任何点与正态分布的随机变量相关，而且任何随机变量的有限集合满足多重正态分布，例如变量间的任意线性组合是正态分布，高斯过程分布是所有随机变量在连续域中的联合分布在机器学习理论中

洌泉_就这样吧·2022-11-13 17:26

支撑向量机

SVM建立在统计学习理论的VC维理论和结构风险最小原理基础上，根据有限的样本信息在模型的复杂性和学习能力之间寻求最佳平衡，以求获得最好的推广能力。SVM可以用于数

周虽旧邦其命维新·2022-11-12 15:10

基于LS-SVM对偶问题的分类、回归、时间序列预测和无监督学习研究（Matlab代码实现）

SVM是在统计学习理论和结构风险最小化的背景下引入的在这些方法中，人们解决凸优化问题，通常是二次规划。最小

研学社·2022-11-11 08:12

深度学习理论知识二十问

1、Whatarerepresentationandrepresentationlearningmeaning?在深度学习领域内，表示是指通过模型的参数，采用何种形式、何种方式来表示模型的输入观测样本X。表示学习指学习对观测样本X有效的表示。表示学习是学习一个特征的技术的集合：将原始数据转换成为能够被机器学习来有效开发的一种形式。2、Whydoweneedtoperformrepresentati

Lil Wing·2022-11-10 13:17

reinforce learning、强化学习、增强学习、RL

这个种瓜的过程，可以看做一个马尔科夫决策过程，这个过程在强化学习理论中的关键概念包括：动作、状态、奖赏、状态转移函数、累积奖赏

干了这碗汤·2022-11-10 07:02

今天19:30 | NIPS 2022 预讲-基于随机素描的无监督泛化误差分析

从事机器学习研究，特别关注大规模机器学习、自动机器学习、统计机器学习理论、图表示学习、GraphTransformer等。在顶级期刊和会议上发表论文40余篇，其中以第一

AITIME论道·2022-11-09 15:52

深度学习试题_深度学习理论类常见面试题(二)

8.Attention对比RNN和CNN，分别有哪点你觉得的优势对比RNN的是，RNN是基于马尔可夫决策过程，决策链路太短，且单向对比CNN的是，CNN基于的是窗口式捕捉，没有受限于窗口大小，局部信息获取，且无序9.写出Attention的公式10.Attention机制，里面的q,k,v分别代表什么Q:指的是query，相当于decoder的内容K:指的是key，相当于encoder的内容V:指

weixin_39792747·2022-11-09 07:46

深度学习试题_深度学习理论类常见面试题(一)

CNN平移不变性是什么?如何实现的?平移不变性(translationinvariant)指的是CNN对于同一张图及其平移后的版本，都能输出同样的结果。这对于图像分类(imageclassification)问题来说肯定是最理想的，因为对于一个物体的平移并不应该改变它的类别。卷积+最大池化约等于平移不变性。卷积:简单地说，图像经过平移，相应的特征图上的表达方式也是表达方式也是移的。在神经网络中，卷

weixin_39899691·2022-11-09 07:46

景联文科技：车企如何解决自动驾驶数据标注难题？

“AI数据是人工智能行业的燃料，对自动驾驶领域头部企业来说，为了保持自身的竞争优势并加快自动驾驶应用安全落地进程，需要依靠大量的高质量标注数据做支撑，才能有效解决自动驾驶深度学习理论上遇到的问题。

景联文科技·2022-11-07 16:35

吴恩达教授机器学习课程笔记【六】- Part 6 学习理论

本节为吴恩达教授机器学习课程笔记第六部分，学习理论LearningTheory，主要包括：偏差的方差的含义与理解，联合界引理，霍夫丁不等式（切诺夫界），经验风险最小化，有限集和无限集假设类，VC维。

不会算命的赵半仙·2022-11-07 11:40

OpenCV基础使用教程

Opencv的使用教程,opencv比较全的基础教程置顶weeksooo于2021-02-2416:07:02发布6321已收藏185分类专栏：深度学习理论基础文章标签：opencv图像处理视频处理版权场景一

阿尔法羊·2022-11-04 22:32

机器学习理论与实战（十五）概率图模型03

03图模型推理算法这节了解一下概率图模型的推理算法（Inferencealgorithm），也就是如何求边缘概率（marginalizationprobability）。推理算法分两大类，第一类是准确推理（ExactInference）,第二类就是近似推理（ApproximateInference）。准确推理就是通过把分解的式子中的不相干的变量积分掉（离散的就是求和）；由于有向图和无向图都是靠积分

marvin521·2022-11-04 13:28

机器学习理论学习：感知机

文章目录一、感知机模型二、感知机的学习策略三、感知机学习算法3.1、感知机算法的原始形式3.2、感知机算法的对偶形式感知机(Perceptron)是二分类的线性分类模型，其输入为实例的特征向量，输出为实例的类别，取+1和-1。感知机对应于输入空间(特征空间)中将实例划为正负两类的分离超平面，属于判别模型。感知机预测是用学习得到的感知机模型对新的输入实例进行分类，是神经网络与支持向量机的基础。强烈推

wxplol·2022-11-01 14:25

自动控制原理 - 1 绪论内容

注意：1.学习目标是掌握基本理论理解扎实，抓主要内容主要方法牢记扎实2.学习理论的目的是为了应用，因此时刻结合应用角度与分享人角度去学习。3.打完扎实基础后如果以后有什么不明白知识点回来补充与学习。

dpq666dpq666·2022-11-01 12:09

推荐频道

学习理论