机器学习-Logistic

LOSS损失函数值是什么意思？

解决方案：在机器学习和深度学习中，损失函数（LossFunction）用来衡量模型预测值与实际值之间的差异或误差。
玩电脑的辣条哥·2024-01-21 08:19

OpenCV-Python(51):基于Haar特征分类器的面部检测

它是基于机器学习的,通过使用大量的正负样本图像训练得到一个cascade_function，最后再用它来做对象检测。现在我们来学习面部检测。开始时，算法需要大量的正样本图像(面部图像
图灵追慕者·2024-01-21 08:17

Mediapipe框架介绍及使用说明

它提供了一系列预训练的机器学习模型和工具，可以用于各种计算机视觉、音频处理和姿态估计等任务。
图灵追慕者·2024-01-21 08:46

基于机器学习的心电图诊断识别

人工智能导论心电数据预处理基于机器学习的心电图诊断识别基于集成学习的心电图诊断识别实验报告，实验截图，截图内容是自己程序执行后的输出人工智能领域主要包括计算机视觉（CV）、自然语言处理（NLP）、跨媒体分析推理
未晞~·2024-01-21 08:06

机器学习-决策树-异常检测-主成分分析

决策树（DecisionTree）一种对实例进行分类的树形结构，通过多层判断区分目标所属类别本质：通过多层判断，从训练数据集中归纳出一组分类规则优点：计算量小，运算速度快易于理解，可清晰查看个属性的重要性缺点：忽略属性间的相关性样本类别分布不均匀时，容易影响模型表现决策树求解问题核心：特征选择，每一个节点，应该选用哪个特征三种求解方法:ID3C4.5CARTID3：利用信息熵原理选择信息增益最大的
小旺不正经·2024-01-21 08:02

【更新中】Python 学习资料列表

由于我使用Python主要是为了学习数据分析和机器学习，所以资料大多也偏向这个方面。包numpy，scipy和scikit-learn是三个科学计算或者机器学习时常用的包，官方提供了不少
zhonguncle·2024-01-21 08:58

现在投身于计算机视觉是否明智

计算机视觉算法工程师负责创建和开发自动化系统、算法和机器学习模型，以实现自主决策和任务执行。
人工智能技术与咨询·2024-01-21 08:50

自然语言处理的就业前景

在就业方面，计算机自然语言处理领域主要涉及人工智能、自然语言处理、机器学习、语音识别、信息检索等方面的工作，包括算法工程师、数据分析师、自然语言处理工程师、语音处理工程师、信息检索工程师等职位。在科技
人工智能技术与咨询·2024-01-21 08:50

Al和算力造就未来主流

其应用领域包括图像识别、语音识别、自然语言处理、机器学习、智能推荐等。算力是指计算机的处理能力或计算速度。它
Qt魔术师·2024-01-21 08:19

机器学习--K-means算法优化

主要的聚类算法可以划分为如下几类：划分方法、层次方法、基于密度的方法、基于网格的方法以及基于模型的方法。目前,聚类问题的研究不仅仅局限于上述的硬聚类（即每一个数据只能被归为一类，数据集中每一个样本都是被100%确定得分到某一个类别中），模糊聚类也是聚类分析中研究较为广泛的一个分支。模糊聚类（通过隶属函数来确定每个数据隶属于各个簇的程度，而不是将一个数据对象硬性地归类到某一簇中，可以理解为每个样本是
YCzhao·2024-01-21 08:36

基于YOLOv8深度学习的102种花卉智能识别系统【python源码+Pyqt5界面+数据集+训练代码】目标检测、深度学习实战

✌更多学习资源，可关注公-仲-hao:【阿旭算法与机器学习】，共同学习交流~感谢小伙伴们点赞、关注！《------往期经典推荐------》一、AI应用软件开发实战专栏【链接】项目名称项目名称1.
阿_旭·2024-01-21 07:58

关于数据集的了解

数据集是指在统计学和机器学习中，用于进行分析、构建模型或进行预测的一组数据的集合。数据集可以包含不同类型的数据，如数值型数据、分类数据、文本数据等。
专家-百锦再·2024-01-21 07:33

机器学习笔记(1): 基础概念

1.机器学习基础概念1.1定义AcomputerprogramissaidtolearnformexperienceEwithrespecttosometaskTandsomperformancemeasureP
大锅烩菜·2024-01-21 07:13

TensorFlow人工智能开源深度学习框架简单认识

TensorFlow被广泛用于机器学习和深度学习任务。它的特点包括：强大的计算能力：TensorFlow支持在多个CPU和GPU上进行并行计算，可以处理大规模的数据集和复杂的模型。灵活
jiang_changsheng·2024-01-21 07:34

机器学习第二十六周周报 ARIMA & Clustering model

文章目录week26ARIMA&Clusteringmodel摘要Abstract一、龙格库塔方法二、文献阅读1.题目2.abstract3.网络架构3.1ARIMA模型3.2K-means聚类3.3评估标准4.文献解读4.1Introduction4.2创新点4.3实验过程4.3.1数据来源4.3.2使用ARIMA模型预测4.3.3K-means聚类分析和相关性分析4.3.4联合ARIMA模型与
沽漓酒江·2024-01-21 06:48

机器学习_通过梯度下降找到最佳参数

文章目录训练机器要有正确的方向凸函数确保有最小损失点梯度下降的实现学习速率也很重要训练机器要有正确的方向所谓训练机器，也称拟合的过程，也就是确定模型内部参数的过程。具体到线性模型，也就是确定y’=wx+b函数中的w和b。对于线性回归来说，针对损失函数的梯度下降(gradientdescent)方法可以使猜测沿着正确的方向前进，因此总能找到比起上一次猜测时误差更小的w和b组合。梯度下降可以说是整个机
you_are_my_sunshine*·2024-01-21 06:17

【机器学习300问】13、学习率曲线有什么作用？

如果您还未看相关内容，下面是跳转链接哦：【机器学习300问】10、学习率设置过大或过小对训练有何影响？本篇文章中，为大家介绍一个工具——学习率曲线。一、学习率曲线是什么？
小oo呆·2024-01-21 06:45

从食品包装到产品：机器学习驱动的缺陷检测解决方案

从食品包装到产品：机器学习驱动的缺陷检测解决方案随着科技的进步，机器学习和人工智能已经渗透到各个行业，其中包括食品和包装行业。食品和包装的缺陷检测是保证产品质量和消费者安全的关键环节。
matlabgoodboy·2024-01-21 06:14

1、中级机器学习课程简介

文章目录1、课程简介2、先决条件本课程所需数据集夸克网盘下载链接：https://pan.quark.cn/s/9b4e9a1246b2提取码：uDzP1、课程简介欢迎来到机器学习中级课程！
AI算法蒋同学·2024-01-21 06:41

【机器学习】强化学习（四）-时序差分学习

蒙特卡洛算法需要使用完整的片段进行计算，这在有些问题中是不现实的，尤其是对于没有终止状态的问题。时序差分算法对此进行了改进蒙特卡洛控制和时序差分学习有什么区别？四、时序差分算法（TemporalDifferenceLearning,TD学习）4.1时序差分（0）4.2Sarsa算法4.3Q学习（Q-learning）4.4Sarsa和Q-learning有什么区别？4.5示例代码公共类：discr
十年一梦实验室·2024-01-21 06:40

机器学习之聚类-2D数据类别划分

无监督学习（UnsupervisedLearning）机器学习的一种方法，没有给定事先标记过的训练示例，自动对输入的数据进行分类或分群。
小旺不正经·2024-01-21 06:08

5、交叉验证

4、举例1）加载数据集2）创建管道3）获取MAE的得分4）求取MAE的平均值5、整体代码6、总结1、简介机器学习是一个迭代的过程。我们将面临使用什么
AI算法蒋同学·2024-01-21 06:27

3、非数值型的分类变量

非数值型的分类变量有很多非数字的数据，这里介绍如何使用它来进行机器学习。在本教程中，您将了解什么是分类变量，以及处理此类数据的三种方法。
AI算法蒋同学·2024-01-21 06:52

通用web自动扩缩容_智能运维引擎CudgX

通过各类服务的多维度、大规模的日志数据采集以及机器学习训练分析，对服务进行数字化、指标化度量，并基于部署的训练模型，对服务质量进行实时度量从而实现对算力，存储，网路等基础资源的自动化、智能化实时动态调整
徒步远方999·2024-01-21 05:30

图像处理和机器学习有什么关系

作者：许铁-巡洋舰科技链接：https://www.zhihu.com/question/21665775/answer/281946017来源：知乎著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。第一个重境界：图像识别如果你开始了解深度学习的图像处理，你接触的第一个任务一定是图像识别：比如把你的爱猫输入到一个普通的CNN网络里，看看它是喵咪还是狗狗。一个最普通的CNN，比如像
AdaSundancer·2024-01-21 04:29

竞赛保研 机器学习股票大数据量化分析与预测系统 - python 竞赛保研

文章目录0前言1课题背景2实现效果UI界面设计web预测界面RSRS选股界面3软件架构4工具介绍Flask框架MySQL数据库LSTM5最后0前言优质竞赛项目系列，今天要分享的是机器学习股票大数据量化分析与预测系统该项目较为新颖
iuerfee·2024-01-21 04:44

淘宝返利机器人是什么原理?返利云机器人的使用方法？

其核心原理在于利用机器学习算法和大数据技术，对电商平
测评君高省·2024-01-21 04:18

经典分类CNN模型系列其一：Alexnet

介绍传统的机器学习分类模型像SVM，逻辑回归，决策树，甚至贝叶斯网络等在CNN推动的深度学习近几年大肆发展之后，都已纷纷被秒成了渣。这一切都始于2012年。
manofmountain·2024-01-21 04:51

2023年全球软件质量&效能大会（QECon深圳站）：核心内容与学习收获（附大会核心PPT下载）

为了更好地应对这些挑战，不断提升软件的质量和效能，大会将汇聚全球的软件开发者、架构师和项目经理，共同探讨和分享关于软件质量保证、测试、性能优化、用户体验设计、人工智能与机器学习、安全与隐私保护等方面的最佳实践和技术趋势
百家峰会·2024-01-21 03:36

明天开课 | 快速上手医学影像组学和机器学习（训练营：2023.9.19~9.26）

茗创科技专注于脑科学数据处理，涵盖（EEG/ERP,fMRI,结构像,DTI,ASL,FNIRS）等，欢迎留言讨论及转发推荐，也欢迎了解茗创科技的脑电课程，数据处理服务及脑科学工作站销售业务，可添加我们的工程师（微信号MCKJ-zhouyi或17373158786）咨询。★课程简介★随着大数据、人工智能的深入融合发展，一项新的研究方法开始用于临床研究，它就是影像组学。它可以对普通影像图像进行更深层
茗创科技·2024-01-21 02:55

机器学习-决策树

决策树1、概述决策树是一个预测模型，它代表的是对象属性与对象值之间的一种映射关系。树中每个节点表示某个对象，而每个分叉路径则代表某个可能的属性值，而每个叶节点则对应从根节点到该叶节点所经历的路径所表示的对象的值。2、相关概念在决策树流程学习中，寻找最优划分属性是决策树过程中的重点。那么如何在众多的属性中选择最优的呢2.1信息熵Ent=-\sum_{k=1}^{K}p_k*log_2p_kimpor
alstonlou·2024-01-21 02:47

新版发布 | 开源一站式机器学习平台 Prophecis 0.3.2

Prophecis简介GitHub：https://github.com/WeBankFinTech/ProphecisProphecis是微众银行自研的一站式机器学习平台，集成多种开源机器学习框架，具备机器学习计算集群的多租户管理能力
康月牙·2024-01-21 02:02

ai智能写作的应用前景与挑战：如何让机器写出优秀文章

ai智能写作可以通过机器学习、自然语言处理等技术，让计
AquaDream·2024-01-21 00:42

spdlog库学习（五）：其他小功能

系列文章目录提示：这里可以添加系列文章的所有文章的目录，目录需要自己手动添加例如：第一章Python机器学习入门之pandas的使用提示：写完文章后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录系列文章目录周期刷新周期性执行的实现
树不懒·2024-01-21 00:37

机器学习开发的灵药—Docker容器

姓名：韩宜真学号：17020120095转载自:http://mp.weixin.qq.com/s?__biz=MzA3MzI4MjgzMw==&mid=2650802123&idx=5&sn=15db6644a010c2a9f495c484ad92bfd8&chksm=84e5c3b5b3924aa3581d449e76576b34a3198f0105a7a7171e3ccc63e4d17755
d5cc63d9e177·2024-01-20 23:37

codeblock使用技巧

二、使用步骤1.引入库2.读入数据总结前言提示：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，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。
晴山ぺ·2024-01-20 23:45

按键检测知识

二、使用步骤1.引入库2.读入数据总结前言提示：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，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。
晴山ぺ·2024-01-20 23:45

keil软件仿真

二、使用步骤1.引入库2.读入数据总结前言例如：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。
晴山ぺ·2024-01-20 23:45

【13%】100小时机器学习——支持向量机SVM

总目录链接前言接上一部分，进行SVM的试验部分。Step0：数据准备Social_Networt_AdsUserID,Gender,Age,EstimatedSalary,Purchased15624510,Male,19,19000,015810944,Male,35,20000,015668575,Female,26,43000,015603246,Female,27,57000,015804
QuantumCC·2024-01-20 22:59

机器学习第二十八周周报

机器学习第二十八周周报摘要Abstract一、文献阅读1.题目2.Abstract3.网络结构（1）结构示意图（2）VGG特点4.文献解读（1）Introduction（2）ConvnetConfigurationsArchitectureConfigurationsDiscussion
JerryC1999·2024-01-20 22:47

机器学习第十八周周报

机器学习第十八周周报摘要Abstract一、导数二、计算图三、使用计算图求导数四、逻辑回归中的梯度下降五、m个样本的梯度下降六、总结摘要本周开始学习吴恩达的梯度下降法，梯度下降法在机器学习中常常用来优化损失函数
JerryC1999·2024-01-20 22:17

篇一：从昇思MindSpore看未来AI技术的发展

MindSpore作为华为开源的一站式机器学习平台，其背后所代表的技术趋势和未来发展方向值得我们深入探讨。随着数据量的爆炸式增长和计算能力的不断提升，AI技术在未来将更加广泛地应用于各个领域。
GT开发算法工程师·2024-01-20 22:33

【TensorFlow】TensorFlow（机器学习框架）的简要介绍

简要介绍TensorFlow是一个开源的机器学习框架，由谷歌开发和维护。它提供了丰富的工具和库，用于构建和训练各种机器学习模型。
HackPig520·2024-01-20 22:59

[C#]winform部署openvino官方提供的人脸检测模型

/sdcb/OpenVINO.NET【框架介绍】OpenVINO（OpenVisualInference&NeuralNetworkOptimization）是一个由Intel推出的，针对计算机视觉和机器学习任务的开源工具套件
FL1623863129·2024-01-20 22:27

阿里云机器学习 PAI 推出最佳实践

作者：熊兮、贺弘、临在Mixtral8x7B大模型是MixtralAI推出的基于decoder-only架构的稀疏专家混合网络（Mixture-Of-Experts，MOE）开源大语言模型。这一模型具有46.7B的总参数量，对于每个token，路由器网络选择八组专家网络中的两组进行处理，并且将其输出累加组合，在增加模型参数总量的同时，优化了模型推理的成本。在大多数基准测试中，Mixtral8x7B
阿里云大数据AI技术·2024-01-20 21:04

2022-12-14科研日志

今天主要学习了吴恩达机器学习的网课，又复习了一下机器学习；然后看了看VIO相关资料论文，今天看了几篇知网上搜到的关于VIO的硕士博士毕业论文和一篇20年的VIO综述，这方面的论文对于一个领域一般都有比较全面的描述
独孤西·2024-01-20 21:17

【大数据分析与挖掘技术】Mahout推荐算法

基于物品的推荐算法（三）基于SVD的推荐算法（四）基于线性插值的推荐算法（五）基于聚类的推荐算法三、对GroupLens数据集进行推荐与评价（一）如何使用推荐器进行推荐（二）如何评估推荐器的好坏推荐是Mahout机器学习算法的主题之一
Francek Chen·2024-01-20 21:17

机器学习下的持续交付

文/DaniloSato、ArifWider、ChristophWindheuser译/白发川、沈建军、王登宇机器学习在行业中的应用变得越来越流行，然而相对于传统软件开发，例如Web服务或者Mobile
ThoughtWorks·2024-01-20 20:58

NAS入门（学习笔记）

AutoMLNAS初期NAS当前NAS框架One-ShotNAS权重共享策略Zero-ShotNASZen-NASNASWOTEPENAS参考资料AutoML深度学习使特征学习自动化AutoML使深度学习自动化自动化机器学习
清风2022·2024-01-20 19:16

python使用jupyter记笔记

用途包括：数据清理和转换，数值模拟，统计建模，机器学习等等。一、安装pipinstalljupy
markchalse·2024-01-20 18:40
上一页 46 47 48 49 50 51 52 53 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他