漫谈机器学习系列

【机器学习（七）】神经网络入门及多元分类

声明：本文是以吴恩达机器学习系列课程为学习对象而作的学习笔记。本文对应P43-P49。神经网络的起源人们想尝试设计出模仿大脑的算法。它的理念就是，如果我们想要建立学习系统，我们可以选择去模仿大脑。
趴抖·2022-12-28 12:35

机器学习系列-随机过程

马尔科夫链隐马尔科夫链维特比算法用隐马尔科夫模型判断词性作者：Datartisan数据工匠链接：https://www.jianshu.com/p/b0f92558b15f
ctrigger·2022-12-27 12:21

人工智能之机器学习算法体系汇总

www.toutiao.com/i6638371599303049731/2018-12-2409:52:12此处梳理出面向人工智能的机器学习方法体系，主要体现机器学习方法和逻辑关系，理清机器学习脉络，后续文章会针对机器学习系列讲解算法原理和实战
喜欢打酱油的老鸟·2022-12-27 09:28

Spark2.0机器学习系列之10： 聚类(高斯混合模型 GMM）

在Spark2.0版本中（不是基于RDDAPI的MLlib），共有四种聚类方法：（1）K-means（2）LatentDirichletallocation(LDA)（3）Bisectingk-means（二分k均值算法）（4）GaussianMixtureModel(GMM)。基于RDDAPI的MLLib中，共有六种聚类方法：（1）K-means（2）Gaussianmixture（3）Powe
千寻千梦·2022-12-26 14:46

Spark2.0机器学习系列之8： 聚类(k-means,Bisecting k-means,Streaming k-means）

在Spark2.0版本中（不是基于RDDAPI的MLlib），共有四种聚类方法：（1）K-means（2）LatentDirichletallocation(LDA)（3）Bisectingk-means（二分k均值算法）（4）GaussianMixtureModel(GMM)。基于RDDAPI的MLLib中，共有六种聚类方法：（1）K-means（2）Gaussianmixture（3）Powe
千寻千梦·2022-12-26 14:45

Spark2.0机器学习系列之11： 聚类(幂迭代聚类， power iteration clustering， PIC)

在Spark2.0版本中（不是基于RDDAPI的MLlib），共有四种聚类方法：（1）K-means（2）LatentDirichletallocation(LDA)（3）Bisectingk-means（二分k均值算法）（4）GaussianMixtureModel(GMM)。基于RDDAPI的MLLib中，共有六种聚类方法：（1）K-means（2）Gaussianmixture（3）Powe
张博208·2022-12-26 14:15

PaperNotes(17)-图卷积神经网络GCN-笔记

图卷积的源起3.空域卷积3.1消息传递网络MPNN3.2图采样与聚合GraphSage4.频域卷积5.图结构的序列化-Patch-SAN从图(Graph)到图卷积(GraphConvolution)：漫谈图神经网络模型
小陈同学-陈百万·2022-12-24 17:47

Alink漫谈(十三) ：在线学习算法FTRL 之 具体实现

Alink漫谈(十三)：在线学习算法FTRL之具体实现文章目录Alink漫谈(十三)：在线学习算法FTRL之具体实现0x00摘要0x01回顾0x02在线训练2.1预置模型2.1.1训练模型2.1.2加载模型
罗西的思考·2022-12-24 09:40

用热传导方程来指导自监督学习

©PaperWeekly原创·作者|苏剑林单位|追一科技研究方向|NLP、神经网络用理论物理来卷机器学习已经不是什么新鲜事了，比如上个月介绍的《生成扩散模型漫谈：从万有引力到扩散模型》就是经典一例。
PaperWeekly·2022-12-24 03:03

开发板发展漫谈

（1）2410/2440---arm9时代2007年以前，“开发板”这个名字还很少有人知道。07年之后的2年时间里，开发板行业呈现井喷式增长。原本只有两三家在做，这时的“开发板”更多是在三星、德仪、Atmel官方Demo基础上进行部分改进而成，价格不菲，资料也很少。07年之后，迅速发展到30余家，而开发板本身也不仅仅是改进，各厂家纷纷改版设计，可以说是百家争鸣。2440开发板市场在短暂竞争中形成了
zbunix·2022-12-23 23:21

2022世界杯漫谈与猜想，谁是你心目中的第一

文章目录0、我与足球1、卡塔尔世界杯2、亚洲球队水平3、中国足球4、展望0、我与足球1、第一次意义上的踢足球还是初中，记得是五四青年节说全校搞一场足球比赛，我们班莫名其妙的组了一个队，然后在放学后提提足球，那时候规则都不懂，只知道要把球往门框里塞进去就行了，幸会的我们还得了亚军。2、高中的时候真正接触到了足球，认识了很多小伙伴，当年在我们县城的时候还举办了好多和足球有关的活动，记得社会上都有好多球
疯狂的挖掘机·2022-12-23 18:18

傅里叶思想漫谈：从希尔伯特空间到不确定性原理

©PaperWeekly原创·作者｜Maple小七学校｜北京邮电大学硕士生研究方向｜自然语言处理绪言傅里叶分析理论是数学史上最为辉煌的成就之一，由此发展和延伸出来的一系列理论在大量学科领域有着深刻的应用，让一代代科学家家为之倾倒与奋斗。因此，傅里叶级数展开式是大学本科数学基础课的重点内容之一，也是广大理工科学生最难以理解的公式之一。傅里叶级数往往会首先出现在本科一年级数学分析的教材中，可惜的是，大
PaperWeekly·2022-12-23 04:00

黎曼曲率张量漫谈(续)

黎曼曲率张量漫谈黎曼曲率张量计算黎曼曲率张量用Newman-Penrose形式计算黎曼曲率张量计算黎曼曲率张量用Newman-Penrose形式计算本节我们使用(+,−,−,−)(+,-,-,-)(+,
qtxzh·2022-12-22 15:40

【机器学习（一）】什么是机器学习、监督学习及无监督学习

声明：本文是以吴恩达机器学习系列课程为学习对象而作的学习笔记。
趴抖·2022-12-22 11:19

【机器学习（二）】模型描述与代价函数

声明：本文是以吴恩达机器学习系列课程为学习对象而作的学习笔记。模型描述引例仍然是上期运用的房价例子：假设现出售的房子大小为1250平方英尺，想要推测它的房价。
趴抖·2022-12-22 11:17

【机器学习（三）】线性回归的梯度下降法

声明：本文是以吴恩达机器学习系列课程为学习对象而作的学习笔记。梯度下降法梯度下降法可以最小化任意函数J问题描述我们有一个函数J(θ_0,θ_1),现在需要用一个算法来最小化该函数J。
趴抖·2022-12-22 11:17

漫谈：Chebyshev多项式，Krylov子空间，Chebyshev迭代，共轭梯度方法

漫谈：Chebyshev多项式，Krylov子空间，Chebyshev迭代，共轭梯度方法Chebyshev多项式标准Chebyshev多项式三项递推关系逼近性质Chebyshev迭代Richardson
zongy17·2022-12-22 08:30

分分钟读懂tcp/ip通信协议原理

分分钟读懂tcp/ip通信协议原理2018年05月02日00:00:00架构师技术联盟阅读数3511前期分享了那么多关于SDN的文章(如漫谈SDN技术发展史等，请通过历史文章查阅)，有很多小伙伴提出建议
g200407331·2022-12-21 20:23

精准测试技术十年发展漫谈

一、背景精准测试技术，是这几年比较热的一个方向。从2012年这个体系开始诞生，到现在整整历经了10年的时间。中国从国外引进了很多技术，火与不火其实在国外已经决定了。本土成长起来的精准测试路线独树一帜，它不是从国外引入，是在中国的大环境下慢慢发展起来的。从寂寂无名，到软件质量技术从业者的热情被一点点的调动起来，再到被认可及至推广，中间翻越过万重山。本文作者星云测试平台设计师、创始合伙人赵明先生站在另
·2022-12-21 15:39

模式识别技术漫谈（1）

模式识别技术漫谈（1）------引言在人工智能技术(ArtificialIntelligence)领域中，模式识别(PatternRecognition)技术也许是最具有挑战性的一门技术了，模式识别有时又被称为分类技术
dznlong·2022-12-21 10:50

Python手撸机器学习系列（九）：硬间隔SVM（对偶形式SMO算法求解）

目录1、对偶形式求解原理2、SMO算法求λ\lambdaλ2.1原始解2.2对原始解进行修剪2.2更新bbb3、代码实现4、参考文献及联系方式原始形式梯度下降法求解请参考我的上一篇博客：硬间隔SVM原始形式梯度下降法求解1、对偶形式求解原理引入拉格朗日乘子法L(w,b,λ)=12∣∣w∣∣2+∑i=1Nλi(1−yi(wTxi+b))L(w,b,\lambda)=\frac{1}{2}||w||^
锌a·2022-12-21 07:48

生成扩散模型漫谈：从万有引力到扩散模型

©PaperWeekly原创·作者|苏剑林单位|追一科技研究方向|NLP、神经网络对于很多读者来说，生成扩散模型可能是他们遇到的第一个能够将如此多的数学工具用到深度学习上的模型。在这个系列文章中，我们已经展示了扩散模型与数学分析、概率统计、常微分方程、随机微分方程乃至偏微分方程等内容的深刻联系，可以说，即便是做数学物理方程的纯理论研究的同学，大概率也可以在扩散模型中找到自己的用武之地。在这篇文章中
PaperWeekly·2022-12-20 14:34

对抗机器学习系列——深度神经网络的盲点

1、引言  近些年，深度学习在计算机视觉领域取得了很好的表现，引领了第三次人工智能的浪潮。目前大部分表现优异的应用都用到了深度学习，大红大紫的AlphaGo就使用到了深度学习。  但是本期讲的是对抗机器学习，为什么提深度学习，深度学习和机器学习是什么关系呢？或者说深度学习、神经网络、机器学习、人工智能之间的关系又是怎样的。  简单来说：深度学习是机器学习的一个分支(最重要的分支)机器学习是人工智能
红帽小生·2022-12-19 18:59

“优化算法”面试知识点总结-损失函数总结+梯度下降法+正则化-百面机器学习系列6

提示：在准备机器学习算法工程师面试的过程中，我主要参考《百面机器学习》去巩固自己的基础知识。本系列博客将以该书为主题，并以八股文的方式去概述整本书的内容，以尽量减少读者们的阅读作量，并方便读者可以随时随地的记忆背诵。建议：我还是认为读者们可以提前买一本《百面机器学习》，从前到后完全看一遍，然后再看我的博客去记忆背诵会更好些哈。文章目录问题1：有监督学习的损失函数问题2：机器学习中的优化问题问题3：
八股文的搬运工·2022-12-19 17:10

漫谈C++重载运算符

1.前置运算符和后置运算符，左值和右值。其实很久以来一直都没有怎么搞清楚左值和右值的区别，只知道左值可以放在等号的左边，也可以放在等号的右边，但是右值却只能放在等号的右边，然后形成一个大概直观的印象，知道怎么样做才不出错而已。不过今天看看C++，却发现有了点新的体会。对于表达式a--=5;这样一个表达式，明显是错误的，究其原因，是因为执行等号左边的自减表达式之后，显示取得a的值，然后才是进行自减操
阳阳2013哈哈·2022-12-19 11:59

机器学习系列——关于torch.nn.DataParallel的测试

0前言前几天把服务器上训练好的模型转移到Jeston开发板上跑测试,加载模型时报错：nomodulenamed"model"后来经过一番折腾，终于搞明白原因。是因为在服务器上跑训练时使用了torch.nn.DataParallel进行加速，所以保存后的模型在Jeston开发板上进行torch.load()时报错。今天有时间了解了一下torch.nn.DataParallel这个模型，并进行简单测试
高自强的博客·2022-12-19 09:55

【机器学习系列】隐马尔科夫模型第二讲：前向算法、后向算法

作者：CHEONG公众号：AI机器学习与知识图谱研究方向：自然语言处理与知识图谱阅读本文之前，首先注意以下两点：1、机器学习系列文章常含有大量公式推导证明，为了更好理解，文章在最开始会给出本文的重要结论
CHEONG_KG·2022-12-18 16:45

【大道至简】机器学习算法之隐马尔科夫模型(Hidden Markov Model, HMM)详解（2）---计算问题：前向算法和后向算法

☕️本文续于上篇文章：【大道至简】机器学习算法之隐马尔科夫模型HMM详解（1）---开篇：基本概念和几个要素_尚拙谨言的博客-CSDN博客☕️本文来自专栏：大道至简之机器学习系列专栏❤️各位小伙伴们关注我的大道至简之机器学习系列专栏
尚拙谨言·2022-12-18 16:12

C++编程杂谈之漫谈UML

UML对很多人来说应该不是一个陌生的概念，这一两年来，UML被大家越来越多的讨论着。本来UML跟我这个主题似乎并不能扯上多大的关系（它是语言无关的，甚至可以说其本身就是一种语言——用于交流的）。我在此谈到它有两个目的：1．UML是针对面向对象软件开发的，而C++正是这样的一种语言2．UML在设计中被越来越多的使用着，而下一篇杂谈准备讨论设计模式，如果不了解UML，那么无法进行下去UML，全称：Un
weixin_34178244·2022-12-18 13:45

R语言机器学习系列-支持向量机二分类代码

与回归类似，首先是构建公式，然后用e1071包的svm函数训练支持向量机模型。traindata中的因变量需要提前处理成factor类型，这样svm会自动构建分类模型。为了预测分类概率，需要在svm中将probability参数值设置为TRUE。#因变量自变量构建公式colnames(Heart)form_cls<- as.formula(  paste0("AHD~",paste(colname
Mrrunsen·2022-12-17 23:53

随机森林文本分类

随机森林原理及代码实现机器学习系列第一章随机森林原理及代码实现文章目录随机森林原理及代码实现机器学习系列前言一、集成算法是什么？
Yvonne酸奶·2022-12-17 08:40

机器学习系列(4)_机器学习算法一览，应用建议与解决思路

作者：寒小阳&&龙心尘时间：2016年1月。出处：http://blog.csdn.net/han_xiaoyang/article/details/50469334http://blog.csdn.net/longxinchen_ml/article/details/50471268声明：版权所有，转载请联系作者并注明出处1.引言提起笔来写这篇博客，突然有点愧疚和尴尬。愧疚的是，工作杂事多，加之
龙心尘·2022-12-17 07:21

logistic回归分析优点_漫谈数据分析之建模算法

序1、数据分析&建模数据分析工作的核心是：发现和挖掘有用的信息，得出建设性的结论及辅助制定决策。其主要工作内容包括：数据获取、数据清洗、数据重构、数据建模、模型验证等。众所周知，数据是分析的基础，数据的质量、数据的相关度、数据的维度等都会影响数据分析的结果。因此利用已经处理好的数据，建立模型，才是将数据的价值最大化发挥出来。人工智能技术的兴起，机器学习和深度学习等算法模型在很多领域发挥中越来越重要
weixin_39783149·2022-12-15 23:48

漫谈 IDEA 设置 JDK 版本

漫谈IDEA设置JDK版本背景IDEA里是相当多的地方可以设置JDK版本，很多资深的开发都未必知道其中区别，以及设置后产生的影响。当然本人也没有完全搞清楚，所以也需要众人拾柴。
石头wang·2022-12-15 01:17

机器学习系列 1：监督学习和无监督学习

https://www.toutiao.com/a6690813539747103246/2019-05-1509:31:00机器学习系列1：监督学习和无监督学习机器学习就是通过一大堆数据集训练一个电脑程序让他能够去更加准确地预测出下一次的结果
喜欢打酱油的老鸟·2022-12-14 03:24

机器学习系列(一)， 监督学习和无监督学习

常见的机器学习任务，可以分为监督学习和无监督学习两类1，监督学习监督学习的样本集是既有特征也有结果的数据，即已知输入与输出值。监督学习的任务时根据这些已知特征和结果的数据，训练模型，使得模型能够根据输入的特征值，预测结果。例如，已经有个数据即，包含了某地房子价格的相关数据，每条数据包含房子的面积、楼层、房龄和售价。在这里面积、楼层、房龄是特征值，售价结果值，根据这一组数据训练的一个模型。当向模型中
azhexg·2022-12-14 03:44

机器学习（一）监督学习和无监督学习

二、课程学习内容三、监督学习四、无监督学习总结Log2021.12.31寒假开始，开个新坑，记录一些机器学习的笔记，还是老样子放上本次资源，学习视频传送门：[中英字幕]吴恩达机器学习系列课程2022.01.01
竹清兰香·2022-12-14 03:43

我的深度学习过程，你可以借鉴我的方法，该方法对初学者友好

Beginner-friendlyDeepLearningProcess1.观看李飞飞和吴恩达的机器学习系列课程斯坦福李飞飞CS231n计算机视觉课程吴恩达机器学习系列课程2.Pytorch入门课程Pytorch
Anefuer_kpl·2022-12-13 08:20

杨强教授漫谈《西部世界》、生成式对抗网络及迁移学习

近日，杨强教授在［范式大学］内部课程中，与大家分享了他在“生成式对抗网络模型“和迁移学习等领域的独特见解和最新思考。在此特别感谢杨教授的博士生张颖华同学的帮助。以下内容根据杨强教授演讲编写，略微有所删减。杨强教授是香港科技大学计算机与工程系主任，首位国际人工智能学会华人Fellow（AAAIFellow）,并为IEEEFellow等多个国际学术协会的Fellow，ACMTIST和IEEE大数据期刊
csdn_csdn__AI·2022-12-13 02:34

远程监督关系抽取漫谈：结合知识图谱和图神经网络

远程监督关系抽取是一种用知识图谱去对齐朴素文本的标注方法，属于半监督学习算法，自然而然提取特征的时候就会出现很多噪声。比如两个实体之间还有别的关系或者是没有关系，这样的训练数据会对关系抽取器产生影响。现有算法的难点是：1）在处理多实体对以及它们的关系问题中，不能充分利用多跳推理模式。2）最近研究考虑基于知识图谱扩展上下文知识，以便改进关系抽取性能。然而，静态地添加知识图谱的所有上下文信息会产生负面
PaperWeekly·2022-12-12 07:06

数据时代，漫谈数据建模

不管什么样的模型都可以理解为一种预设，比如像一张大宽表，它的维度和指标在大宽表中就是固定的，只是维度列多一些，指标多一些，给了用户更多的一种组合维度和指标的可能，并不是说就没有模型的概念。在理解了这个概念之后，我们再来讲下什么是商业智能BI的前端建模和后端建模，它们有什么区别和联系。可视化分析-派可数据商业智能BI可视化分析平台什么是数据模型数据模型是现实世界或业务逻辑在数据层面的投影，是将数据元
派可数据BI可视化·2022-12-11 16:52

吴恩达机器学习系列课程笔记——第十八章：应用实例：图片文字识别(Application Example: Photo OCR)

18.1问题描述和流程图https://www.bilibili.com/video/BV164411b7dx?p=108图像文字识别应用所作的事是，从一张给定的图片中识别文字。这比从一份扫描文档中识别文字要复杂的多。为了完成这样的工作，需要采取如下步骤：文字侦测（Textdetection）——将图片上的文字与其他环境对象分离开来字符切分（Charactersegmentation）——将文字分
Lishier99·2022-12-10 13:38

机器学习系列（六） -- K-means算法 （食物数据集）

K-means是一种最流行的聚类算法属于无监督学习可以在数据集分为相似的组（簇），使得组内数据的相似度较高，组间之间的相似度较低步骤：#1从样本中选择k个点作为初始簇中心#2计算每个样本到各个簇中心的距离，将样本换分到距离最近的簇中心所对应的簇中#3根据每个簇中所有样本，重新计算簇中心，并更新#4重复步骤23直到簇中心的位置变化小于指定的阈值或者达到最大迭代次数为数据读取importnumpyas
gm0012·2022-12-10 12:52

“降维算法”面试知识点总结-PCA+LDA算法-百面机器学习系列4

提示：在准备机器学习算法工程师面试的过程中，我主要参考《百面机器学习》去巩固自己的基础知识。本系列博客将以该书为主题，并以八股文的方式去概述整本书的内容，以尽量减少读者们的阅读作量，并方便读者可以随时随地的记忆背诵。建议：我还是认为读者们可以提前买一本《百面机器学习》，从前到后完全看一遍，然后再看我的博客去记忆背诵会更好些哈。文章目录问题1：PCA最大方差理论问题2：PCA最小平方误差理论问题3：
八股文的搬运工·2022-12-10 07:18

“机器学习中的经典算法”面试知识点总结-SVM+逻辑回归+决策树-百面机器学习系列3

提示：在准备机器学习算法工程师面试的过程中，我主要参考《百面机器学习》去巩固自己的基础知识。本系列博客将以该书为主题，并以八股文的方式去概述整本书的内容，以尽量减少读者们的阅读作量，并方便读者可以随时随地的记忆背诵。建议：我还是认为读者们可以提前买一本《百面机器学习》，从前到后完全看一遍，然后再看我的博客去记忆背诵会更好些哈。文章目录问题1：支持向量机问题2：逻辑回归问题3：决策树问题4：Logi
八股文的搬运工·2022-12-10 07:17

“非监督学习”面试知识点总结-K均值+高斯混合模型+自组织映射神经网络+聚类算法评估-百面机器学习系列5

提示：在准备机器学习算法工程师面试的过程中，我主要参考《百面机器学习》去巩固自己的基础知识。本系列博客将以该书为主题，并以八股文的方式去概述整本书的内容，以尽量减少读者们的阅读作量，并方便读者可以随时随地的记忆背诵。建议：我还是认为读者们可以提前买一本《百面机器学习》，从前到后完全看一遍，然后再看我的博客去记忆背诵会更好些哈。文章目录问题1：K均值聚类问题2：高斯混合模型问题3：自组织映射神经网络
八股文的搬运工·2022-12-10 07:34

[Machinie Learning] 机器学习课程笔记合订本（更新中）

MachineLearning吴恩达机器学习课程笔记吴恩达机器学习系列吴恩达ML课程笔记——Week1未完待续，持续更新ing…
Carsick Car·2022-12-10 01:57

机器学习系列——回归算法（线性回归、岭回归）

一、回归的定义回归是针对连续变量而言的，比如房屋价格、天气温度等，这些问题有很多影响因素，比如影响房屋价格的因素有位置、是否学区等，通过对这些因素进行回归分析可以得到一个系数，从而预测接下来的房价走势。二、线性模型我们进行线性回归分析，其本质是要求出w这个矩阵，即变量的系数。再利用现实中的数据代入方程式中即可得到预测结果。但在预测的过程中肯定不会能完全准确，所以势必会有一些信息的损失。在一元变量中
棚鱼宴·2022-12-09 13:14

品读百味人生之——漫谈关于“套路”这件事情

“套路”这个名词不是现在才发明的，在以前就已有，它原本主要是指武术比赛、各类中华武术的一种专用名词、不同的武术派别。譬如说：少林拳、杨氏太极拳、铁砂掌……都有不同的套路。现如今，尤其是从去年开始，网络上特别流行去使用“套路”这个词语。在我们国家的历史上，在古代的时候，由于古代各个社会阶层里面的人，能够获得的各类信息，绝对是不言自明的，自然是属于极度匮乏的。如若说在某一个地方，有人采用一种独特的方式
杜老倌侠客居70后欢喜写作·2022-12-09 10:59

相对论漫谈(原著:幽灵蝶)

首先崇拜作者，拜神连载之一：狭义相对论的四维时空观狭义相对论的四维时空观狭义相对论是建立在四维时空观上的一个理论，因此要弄清相对论的内容，要先对相对论的时空观有个大体了解。在数学上有各种多维空间，但目前为止，我们认识的物理世界只是四维，即三维空间加一维时间。现代微观物理学提到的高维空间是另一层意思，只有数学意义，在此不做讨论。四维时空是构成真实世界的最低维度，我们的世界恰好是四维，至于高维真实空间
weixin_30716141·2022-12-09 10:49
上一页 29 30 31 32 33 34 35 36 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他