机器学习初阶

机器学习入门--LSTM原理与实践

LSTM模型长短期记忆网络（LongShort-TermMemory，LSTM）是一种常用的循环神经网络（RNN）变体，特别擅长处理长序列数据和捕捉长期依赖关系。本文将介绍LSTM模型的数学原理、代码实现和实验结果，并使用pytorch和sklearn的数据集进行验证。数学原理遗忘门（ForgetGate）遗忘门的作用是决定前一时间步的细胞状态中哪些信息需要被遗忘。具体计算公式为：ft=σ(Wf⋅
Dr.Cup·2024-02-20 05:14

机器学习入门--双向长短期记忆神经网络（BiLSTM）原理与实践

双向长短记忆网络（BiLSTM）BiLSTM（双向长短时记忆网络）是一种特殊的循环神经网络（RNN），它能够处理序列数据并保持长期记忆。与传统的RNN模型不同的是，BiLSTM同时考虑了过去和未来的信息，使得模型能够更好地捕捉序列数据中的上下文关系。在本文中，我们将详细介绍BiLSTM的数学原理、代码实现以及应用场景。数学原理LSTM（长短期记忆网络）是一种递归神经网络（RNN），通过引入门控机制
Dr.Cup·2024-02-20 05:14

机器学习入门--循环神经网络原理与实践

循环神经网络循环神经网络（RNN）是一种在序列数据上表现出色的人工神经网络。相比于传统前馈神经网络，RNN更加适合处理时间序列数据，如音频信号、自然语言和股票价格等。本文将介绍RNN的基本数学原理、使用PyTorch和Scikit-Learn数据集实现的代码。数学原理RNN是一种带有循环结构的神经网络，其在处理序列数据时将前一次的输出作为当前输入的一部分。这使得RNN能够记住先前的状态和信息，并且
Dr.Cup·2024-02-20 05:44

机器学习入门--门控循环单元(GRU)原理与实践

GRU模型随着深度学习领域的快速发展，循环神经网络（RNN）已成为自然语言处理（NLP）等领域中常用的模型之一。但是，在RNN中，如果时间步数较大，会导致梯度消失或爆炸的问题，这影响了模型的训练效果。为了解决这个问题，研究人员提出了新的模型，其中GRU是其中的一种。本文将介绍GRU的数学原理、代码实现，并通过pytorch和sklearn的数据集进行试验，最后对该模型进行总结。数学原理GRU是一种
Dr.Cup·2024-02-20 05:43

机器学习第30天

简单的最大似然法根本无法求出所有的参数，这样PM也就没法计算。**这里就要召唤出之前的EM大法，首先对高斯分布的参数及混合系数进行随机初始化，计算出各个PM（即γji，第i个样本属于j类），再最大化似然函数（即LL（D）分别对α、u和∑求偏导），对参数进行迭代更新**。高斯混合聚类的算法流程如下图所示：密度聚类则是基于密度的聚类，它从样本分布的角度来考察样本之间的可连接性，并基于可连接性（密度可达
熊猫学猿·2024-02-20 05:49

Java和人工智能哪个好？

而在人工智能领域，像机器学习工程师、深度学习工程师、自然语言处理工程师、数据科学家等方向的
华清远见成都中心·2024-02-20 04:50

深度学习疆界：探索基本原理与算法，揭秘应用力量，展望未来发展与智能交互的新纪元

目录什么是深度学习深度学习的基本原理和算法深度学习的应用实例深度学习的挑战和未来发展方向挑战未来发展方向深度学习与机器学习的关系深度学习与人类的智能交互什么是深度学习深度学习是一种基于神经网络的机器学习方法
Srlua·2024-02-20 04:54

机器学习实战2--蒙特卡洛方法与Q-Q图(2022/10/12)

蒙特卡洛方法与Q-Q图文章目录蒙特卡洛方法与Q-Q图蒙特卡洛方法蒙特卡洛的定义和基本步骤一些常用的概率论相关函数使用蒙特卡洛验证大数定理Q-Q图Q-Q图的定义及用途importnumpyasnpfromnumpy.linalgimportinv,eigimportmatplotlib.pyplotaspltimportpandasaspdfromscipy.statsimportnorm蒙特卡洛方
点灯的棉羊·2024-02-20 03:13

机器学习实战1-基础运用（2022/10/11）

机器学习实战1-基础运用文章目录机器学习实战1-基础运用numpy的简单运用生成矩阵和矩阵的简单操作用pandas库读取、保存csv数据文件read_csv()函数及读入的数据处理to_csv()保存数据
点灯的棉羊·2024-02-20 03:12

机器学习实战Jupyter笔记专栏汇总

机器学习实战Jupter笔记开始博客学校开始的一门机器学习的课程，于是使用jupyter写这门课的作业，顺便将其完善为笔记发表为这个专栏的博客，并将专栏博客链接汇总到这里。
点灯的棉羊·2024-02-20 03:12

BN介绍：卷积神经网络中的BatchNorm

一、BN介绍1.原理在机器学习中让输入的数据之间相关性越少越好，最好输入的每个样本都是均值为0方差为1。
是Dream呀·2024-02-20 03:03

杂记(九) 本文(4000字) | 推荐免费使用GPT-4的四种工具 |

点击进入专栏：《人工智能专栏》Python与Python|机器学习|深度学习|目标检测|YOLOv5及其改进|YOLOv8及其改进|关键知识点|各种工具教程不可否认，由OpenAI带来的GPT-4已是全球最受欢迎的
小酒馆燃着灯·2024-02-20 03:01

Python近似最近邻搜索库之annoy使用详解

概要在大数据时代，处理高维数据集的需求越来越迫切，尤其是在机器学习、推荐系统和自然语言处理等领域。高维数据集中的一个常见问题是最近邻搜索，即找到与给定数据点最接近的数据点。
Rocky006·2024-02-20 02:58

Michael Bronstein 最新几何深度学习综述：超越 WL 和原始消息传递的 GNN

在这些场景下，图结构数据的重要性日渐凸显，相关方法取得了一系列初步成功，而一系列工业应用使得图深度学习成为机器学习方向的热门
人工智能与算法学习·2024-02-20 02:26

Michael Brostein 最新几何深度学习综述：超越 WL 和原始消息传递的 GNN

在这些场景下，图结构数据的重要性日渐凸显，相关方法取得了一系列初步成功，而一系列工业应用使得图深度学习成为机器学习
人工智能学家·2024-02-20 02:55

数据挖掘十大经典算法之KNN

一、knn介绍1.K最近邻(k-NearestNeighbor，KNN)分类算法，属于有监督学习中的分类算法，是一个理论上比较成熟的方法，也是最简单的机器学习算法之一。
我姓许啊·2024-02-20 01:41

深度学习之pytorch实现逻辑斯蒂回归

实现逻辑斯蒂回归解决的问题数学公式logiatic函数损失值代码与线性回归代码的区别数据损失值构造回归的函数结果分析解决的问题logistic适用于分类问题，这里案例(y为0和1，0和1分别代表一类）于解决二分类（0or1）问题的机器学习方法
温柔了岁月.c·2024-02-20 01:58

深度学习中的鲁棒性和泛化性有什么区别

鲁棒性（Robustness）和泛化性（Generalization）是评估模型性能时常用的两个术语，尤其在机器学习和统计建模领域。虽然这两个概念相关，但它们关注的方面有所不同。
智能建造小硕·2024-02-20 01:24

Java EE初阶---计算机工作原理

1、冯诺依曼体系（VonNeumannArchitecture）现代的计算机,大多遵守冯诺依曼体系结构CPU中央处理器:进行算术运算和逻辑判断.存储器:分为外存和内存,用于存储数据(使用二进制方式存储)输入设备:用户给计算机发号施令的设备.输出设备:计算机个用户汇报结果的设备.针对存储空间：硬盘>内存>>CPU针对数据访问速度：CPU>>内存>硬盘认识计算机的祖师爷--冯诺依曼冯·诺依曼（John
茶虹·2024-02-20 00:10

Java EE初阶---网络原理之初识

1、网络发展史1.1独立模式独立模式：计算机之间相互独立；1.2网络互连随着时代的发展，越来越需要计算机之间互相通信，共享软件和数据，即以多个计算机协同工作来完成业务，就有了网络互连。网络互连：将多台计算机连接在一起，完成数据共享。数据共享本质是网络数据传输，即计算机之间通过网络来传输数据，也称为网络通信。根据网络互连的规模不同，可以划分为局域网和广域网。1.3局域网LAN局域网，即LocalAr
茶虹·2024-02-20 00:39

【JavaEE初阶】第八节.网络原理网络层和数据链路层，应用层

作者简介：大家好，我是未央；博客首页：未央.303系列专栏：JavaEE初阶每日一句：人的一生，可以有所作为的时机只有一次，那就是现在！！！!
未央.303·2024-02-20 00:37

【Java成王之路】EE初阶第十五篇:(网络原理) 5

接上一节继续网络协议是分层的前面已经写了应用层传输层今天就来写网络层了网络层的核心协议就叫做:IP协议主要有两个版本:IPv4(主要介绍)IPv6关于IP地址涉及到一个很重要的问题这样地址不够用的问题该如何处理?1.动态分配IP2.NAT机制,网络地址替换3.IPv6机制知识补充
K稳重·2024-02-20 00:36

【Java成王之路】EE初阶第十四篇:(网络原理) 4

上节回顾TCP的核心就是可靠性!!1.确认应答.保证可靠性的核心机制.针对传输数据以字节为单位进行编号.2.超时重传:①.传输的数据丢了②.ack应答报文丢了都要重传超时时间是动态变化的.500ms为单位3.连接管理(最爱考)三次握手状态转换LISTENESTABLISHED四次挥手CLOSE_WAITTIME_WAIT4.滑动窗口在可靠性的基础上,提升通信效率把数据进行批量发送,批量等待ACK窗
K稳重·2024-02-20 00:35

【Java成王之路】EE初阶第十六篇:(网络原理) 6

上节回顾网络原理,网络层协议.IP协议.IP协议主要做的事情两方面:地址管理(通过IP地址来管理)路由选择路由选择:"路由"(路由这个词在计算机中也是有很多含义的)此处的"路由"指的是IP协议中的"路径规划功能"好比用地图.从A到达B如果经常开车或者坐车,就会有体会,地图会规划出好多路径,就可以根据不同的情况选择路径.这个过程就是一个路由选择的过程.IP协议中路由选择具体的过程,和地图这里的路径规
K稳重·2024-02-20 00:05

【Java成王之路】EE初阶第十一篇:(网络原理) 1

上节回顾TCPsocket(核心:要掌握的两个类,Serversocket,socket)回显服务器(无法支持多个客户端并发执行)多线程回显服务器(针对每个连接(每个客户端)创建一个线程)线程池回显服务器(避免频繁创建/销毁线程)接着上一篇五层协议继续写.服务器代码实现importjava.io.IOException;importjava.net.DatagramPacket;importjav
K稳重·2024-02-20 00:35

【Java成王之路】EE初阶第十二篇:(网络原理) 2

上节回顾网络原理,应用层传输层:端口号UDP校验和接上篇校验和继续实际使用的校验和算法有很多,其中比较常见的,crc,md5.crc:循环冗余校验md5,也是一种算法.md5应用场景非常多,用来作为校验,只是其中一个场景而已.本质上是一个"非对称的哈希算法"要了解校验和,是如何校验的TCP协议TCP协议段格式关于TCP的特性1.可靠性2.超时重传3.连接管理图中A表示的是客户端,B表示的服务器.服
K稳重·2024-02-20 00:35

【Java成王之路】EE初阶第十三篇:(网络原理) 3

上节回顾TCP1.有连接2.可靠传输(可靠传输!=安全传输,可靠是指我发一个消息之后对方收没收到我心里有数)3.面向字节流4.全双工TCP可靠传输的机制特性:1.确认应答2.超时重传3.连接管理:如何建立连接:三次握手如果断开连接:四次挥手接上一篇继续:如何断开连接:四次挥手四次挥手的状态转换四次挥手一定是四次吗?是否可能是三次?有可能的!!后面会写到:延时应答和捎带应答.虽然ACK和FIN是不同
K稳重·2024-02-20 00:35

【Java EE初阶二十】关于http（一）

1.初识httpHTTP最新的版本应该是HTTP/3.0，目前大规模使用的版本HTTP/1.1；下面来简单说明一下使用HTTP协议的场景:1、浏览器打开网站(基本上)2、手机APP访问对应的服务器(大概率)前面的TCP与UDP和http不同，HTTP的报文格式，主要分两个部分来看待：请求与响应，因为HTTP协议，是一种"一问一答"结构模型的协议，同时请求和响应的协议格式，是有所差异的1.1抓包工具
委婉待续·2024-02-20 00:34

java EE初阶 — 计算机工作原理

文章目录1.操作系统2.操作系统的定位3.进程3.1进程的基本了解3.2操作系统内核是如何管理软件资源的3.3PCB里描述了进程的哪些特征3.3.1三个较为简单的特征3.3.2进程的调度属性4.内存管理1.操作系统操作系统是一个搞管理的软件。对上要给软件提供稳定的运行环境。对下要管理硬件设备。计算机操作系统：Windows（最熟悉的）Linux（程序猿必会的），特别适合进行开发和部署Mac（苹果电
与大师约会·2024-02-20 00:34

【Java EE初阶十九】网络原理（四）

4.数据链路层数据链路层也有很多种协议，其中一个比较常见常用的,就是“以太网协议”（通过网线/光纤,来通信所使用的协议叫做以太网协议，以太网是横跨数据链路层+物理层）；4.1以太网数据帧格式帧头+载荷(IP数据报)+帧尾，以太网数据帧格式如下图所示：如上图所示：目的地址：6字节源地址：6字节这里的6个字节，不是IP地址，而是网络中的另一套地址体系，mac地址(物理地址)由于最开始搞网络的时候,网络
委婉待续·2024-02-20 00:04

【Java EE初阶十七】网络原理（二）

2.传输层2.2TCP协议2.2.2关于可靠传输4.滑动窗口前面的三个机制，都是在保证tcp的可靠性；TCP的可靠传输,是会影响传输的效率的.(多出了一些等待ack的时间,单位时间内能传输的数据就少了)；滑动窗口,就让可靠传输对性能的影响,更少一些.TCP只要引入了可靠性,传输效率是不可能超过没有可靠性的UDP的，TCP这里的"效率机制"都是为了让可靠传输对传输效率的影响更小,尽可能的缩短和UDP
委婉待续·2024-02-20 00:02

如何学习和规划类似ChatGPT这种人工智能（AI）相关技术

掌握机器学习和深度学习：了解机器学习和深度学习的基本概念，例如神经网络、卷积神经网络（CNN）和递归神经网络（RNN）。学习
ABEL in China·2024-02-20 00:43

人工智能在现代科技中的应用和未来发展趋势

概述人工智能（ArtificialIntelligence,AI）是一种模拟人类智能的技术，通过机器学习、机器视觉、自然语言处理等技术实现智能行为。它在现代科技中的应用非常广泛，涵盖了许多领域。
御翮·2024-02-19 23:35

机器学习

在过去50年，机器学习的研究已经从几个计算机工程师探索计算机是否能学会玩游戏的影响下不断成长，统计领域（在很大程度上忽视计算的考虑）到广泛的学科（该学科产生了基本的学习过程的统计-计算理论）已经设计了许多学习算法
会敲键盘的猩猩·2024-02-19 23:23

tensorflow学习笔记（二）：机器学习必备API

因为我个人的最终目的还是在深度学习上，所以一些深度学习和机器学习模块是必须要了解的，这其中包括了tf.train、tf.contrib.learn、还有如训练神经网络必备的tf.nn等API。
我愛大泡泡·2024-02-19 23:23

机器学习中的特征工程

目录一、特征工程目标二、特征工程内容（一）异常处理（二）特征标准化/归一化（三）数据分桶（四）缺失值处理（五）特征构造（六）特征筛选（特征选择）（七）降维三、代码示例（一）导入数据（二）删除异常值（三）特征构造（四）特征筛选1.过滤式2.包裹式一、特征工程目标对于特征进行进一步分析，并对于数据进行处理。完成对于特征工程的分析，并对于数据进行一些图表或者文字总结。特征工程的主要目的还是在于将数据转换
qq_44980515·2024-02-19 23:52

协调尺度：特征缩放在机器学习中的重要作用

目录一、介绍二、背景知识三、了解功能缩放四、特征缩放方法五、特征缩放的重要性六、实际意义七、代码八、结论一、介绍特征缩放是机器学习和数据分析预处理阶段的关键步骤，在优化各种算法的性能和效率方面起着至关重要的作用
无水先生·2024-02-19 23:50

机器学习---HMM前向、后向和维特比算法的计算

1.HMMimportnumpyasnp#In[15]:classHiddenMarkov:defforward(self,Q,V,A,B,O,PI):#使用前向算法N=len(Q)#状态序列的大小M=len(O)#观测序列的大小alphas=np.zeros((N,M))#alpha值T=M#有几个时刻，有几个观测序列，就有几个时刻fortinrange(T):#遍历每一时刻，算出alpha值i
三月七꧁ ꧂·2024-02-19 23:23

【机器学习笔记】5 机器学习实践

数据集划分子集划分训练集（TrainingSet）：帮助我们训练模型，简单的说就是通过训练集的数据让我们确定拟合曲线的参数。验证集（ValidationSet）：也叫做开发集（DevSet），用来做模型选择（modelselection），即做模型的最终优化及确定的，用来辅助我们的模型的构建，即训练超参数，可选；测试集（TestSet）：为了测试已经训练好的模型的精确度。三者划分：训练集、验证集、
RIKI_1·2024-02-19 23:52

机器学习和统计学的区别？

1、本质区别：目标：机器学习的核心目标是建立一个可以自动学习和改进的模型，以预测未知数据。它更关注结果的准确性和模型的泛化能力，通常不关心模型是否可以解释。
小桥流水---人工智能·2024-02-19 23:21

GAN生成对抗性网络

一、GAN原理出发点：机器学习中生成模型的问题无监督学习是机器学习和未来人工智能的突破点，生成模型是无监督学习的关键部分特点：不需要MCMC或者变分贝叶斯等复杂的手段，只需要在G和D中对应的多层感知机中运行反向传播或者梯度下降算法模型通常使用神经网络
Dirschs·2024-02-19 23:19

【解决（几乎）任何机器学习问题】：超参数优化篇（超详细）

假设您的机器学习项⽬有⼀个简单的流程。有⼀个数据集，你直接应⽤⼀个模型，然后得到结果。模型在这⾥的参数被称为超参数，即控制模型训练/拟合过程的参数。
X.AI666·2024-02-19 23:48

机器学习网格搜索超参数优化实战(随机森林) ##4

文章目录基于Kaggle电信用户流失案例数据（可在官网进行下载）数据预处理模块时序特征衍生第一轮网格搜索第二轮搜索第三轮搜索第四轮搜索第五轮搜索基于Kaggle电信用户流失案例数据（可在官网进行下载）导入库#基础数据科学运算库importnumpyasnpimportpandasaspd#可视化库importseabornassnsimportmatplotlib.pyplotasplt#时间模块
恒c·2024-02-19 23:47

机器学习中为什么需要梯度下降

在机器学习中，梯度下降是一种常用的优化算法，用于寻找损失函数的最小值。我们可以用一个简单的爬山场景来类比梯度下降的过程。假设你被困在山上，需要找到一条通往山下的路。
华农DrLai·2024-02-19 23:16

创新设计与技术突破：嵌入式系统在人工智能和机器学习领域的应用前景

嵌入式系统在人工智能和机器学习领域的应用前景非常广阔，创新设计和技术突破将进一步推动这些领域的发展。
迷璃学妹·2024-02-19 23:45

【STM32 CubeMX】GPIO_HAL库源码分析

GPIO1.2HAL_GPIO_Init源码分析GPIO_InitTypeDef初始化结构体HAL_GPIO_Init函数总结前言提示：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
人才程序员·2024-02-19 20:23

OpenCV介绍和使用

目录一：简介二：安装三：使用一：简介OpenCV（OpenSourceComputerVisionLibrary）是一个开源的计算机视觉和机器学习软件库，广泛应用于图像处理、计算机视觉、机器学习等领域。
攻城狮的梦·2024-02-19 20:43

optuna，一个好用的Python机器学习自动化超参数优化库

️个人主页：鼠鼠我捏，要死了捏的主页️付费专栏：Python专栏️个人学习笔记，若有缺误，欢迎评论区指正前言超参数优化是机器学习中的重要问题，它涉及在训练模型时选择最优的超参数组合，以提高模型的性能和泛化能力
牵着猫散步的鼠鼠·2024-02-19 20:23

【机器学习笔记】11 支持向量机

支持向量机（SupportVectorMachine,SVM）支持向量机是一类按监督学习（supervisedlearning）方式对数据进行二元分类的广义线性分类器（generalizedlinearclassifier），其决策边界是对学习样本求解的最大边距超平面（maximum-marginhyperplane）。与逻辑回归和神经网络相比，支持向量机，在学习复杂的非线性方程时提供了一种更为清
RIKI_1·2024-02-19 19:38

【机器学习笔记】12 聚类

无监督学习概述监督学习在一个典型的监督学习中，训练集有标签，我们的目标是找到能够区分正样本和负样本的决策边界，需要据此拟合一个假设函数。无监督学习与此不同的是，在无监督学习中，我们的数据没有附带任何标签，无监督学习主要分为聚类、降维、关联规则、推荐系统等方面。主要的无监督学习方法聚类（Clustering）如何将教室里的学生按爱好、身高划分为5类？降维（DimensionalityReductio
RIKI_1·2024-02-19 19:38
上一页 10 11 12 13 14 15 16 17 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他