高性能计算导论

【知识图谱导论-浙大】第二章：知识图谱的表示

前文：【知识图谱导论-浙大】第一章：知识图谱概论本节内容的视频讲解如下：【知识图谱理论】（浙大2022知识图谱课程）第二讲-知识图谱的表示什么是知识表示简而言之，知识表示（KnowledgeRepresentation
科皮子菊·2023-01-08 14:20

【李航统计学习笔记】第一章：统计学习及监督学习概论

1.1导论统计学习监督学习的实现步骤:得到一个有限的训练数据集合确定模型的假设空间，也就是所有的备选模型确定模型选择的准则，即学习的策略实现求解最优模型的算法通过学习方法选择最优模型利用学习的最优模型对新数据进行预测或分析监督学习训练集
西风瘦马1912·2023-01-08 10:51

第一章 统计学习方法概论

第一节导论一、监督学习实现步骤（1）有限的训练数据集合（数据有label/有标注的数据）（2）确定模型的假设空间（所有的备选模型）（3）确定模型选择的准则（学习策略）（4）实现求解最优模型的算法（5）通过学习方法选择最优模型
Neother·2023-01-08 10:49

计算机导论笔记

计算机导论计算机历史计算机发展历史中标志性事件知识普及计算机类型智能手机摩尔定律人机交互界面计算机主要技术指标计算机新技术志愿者计算项目编程语言低级程序语言时期高级程序语言时期（万物基于C）主流公司软件开发所用语言知识拓展
QLUGCL·2023-01-08 09:14

算法导论-上课笔记5:动态规划/中位数和顺序统计量

文章目录0动态规划与分治法1钢条切割2矩阵链乘法2.1最优括号化方案的结构特征2.2一个递归求解方案2.3计算最优代价2.4构造最优解3动态规划原理3.1最优子结构3.2一些微妙之处3.3重叠子问题3.4重构最优解3.5备忘4最长公共子序列5最优二叉搜索树6中位数和顺序统计量6.1最小值和最大值6.2期望为线性时间的选择算法6.3最坏情况为线性时间的选择算法0动态规划与分治法动态规划(dynami
流动的风与雪·2023-01-08 09:43

人工智能导论手写笔记（包含资源链接）

笔记预览图较模糊，可以查看下方链接中清晰的pdf链接:https://pan.baidu.com/s/1v_XFfBdS2sE7UkrSY9H0kQ提取码:sm2t复制这段内容后打开百度网盘手机App，操作更方便哦
RetBlackCoffee·2023-01-08 09:07

SVM的讲解非常不错的文章（转）

支持向量机通俗导论（理解SVM的三层境界）作者：July；致谢：pluskid、白石、JerryLead。出处：结构之法算法之道blog。
yuhushangwei·2023-01-07 17:44

支持向量机svm由浅到深

支持向量机通俗导论（理解SVM的三层境界）作者：July。致谢：pluskid、白石、JerryLead。
manjhOK·2023-01-07 17:07

机器学习算法3_支持向量机（SVM）

支持向量机通俗导论（理解SVM的三层境界）前言第一层：了解SVM1.1分类标准的起源：Logistic回归1.2线性分类的一个例子1.3函数间隔Functionalmargin与几何间隔Geometricalmargin1.4
DataScience·2023-01-07 17:36

机器学习方法：支持向量机

支持向量机通俗导论（理解SVM的三层境界）作者：July。致谢：pluskid、白石、JerryLead。
ChelseaForeverLove·2023-01-07 17:03

“存算”协同，让存储发挥极致性能

高性能计算（HPC）、人工智能（AI），大数据（BigData）是当今数据密集的企业所面临的重大机遇和挑战，更多“数据大”企业开始关注IT基础设施和架构的革新。
新爷话数据·2023-01-07 16:03

算法小组的第一次总结

，最后也顺利地进入了算法小组，怎么说呢，就是感觉好像换了个地方又开始学习了，可能我还是比较适合慢节奏的拍调吧,当然我也很庆幸我能继续留在这样的一个小组里，新来的这个小组主要事学习算法的，在我们上大数据导论和
Huerjinxiadfj·2023-01-07 12:17

浙大知识图谱导论笔记

第一章知识图谱概论1.1语言与知识1.2知识图谱的起源1.3知识图谱的价值1.4知识图谱的技术内涵基于图的知识表示图数据存储与查询知识提取知识图谱融合知识图谱推理知识图谱问答图算法与图神经网络第二章知识的表示2.1什么是知识表示knowledgerepresentation从符号到向量表示知识的向量表示:促进多种模态的融合2.2AI历史长河中的知识表示方法描述逻辑一阶谓词逻辑产生式系统框架系统语义
五幺幺·2023-01-07 07:34

【知识图谱导论-浙大】第一章：知识图谱概论

背景2022年，随着在自然语言处理方向的深入，我逐渐开始对知识图谱在问答、搜索、推荐等领域的应用产生浓厚的兴趣。自己也通过书籍、博文、论文等对知识图谱有所了解，也通过中文开放知识图谱对中文知识图谱在各领域的发展有了深刻的认识。知识图谱在认知智能中承担着比较重要的角色，也让我对知识图谱及其相关技术（NLP、图神经网等）有了新的认识。想了解某个领域的研究现状，有权威的书籍和课程是再好不过了，当然阅读对
科皮子菊·2023-01-07 06:25

【Python计量】statsmodels对虚拟变量进行回归

以伍德里奇《计量经济学导论：现代方法》的”第7章含有定性信息的多元回归分析：二值（或虚拟）变量“的案例7.8为例，讲解Python如何对虚拟变量进行回归分析。
Python for Finance·2023-01-07 03:09

Cuda与cudnn对应关系

Tensorflow与Cuda、cudnn对应关系Cuda和cudnn是支持NVIDIA支持GPU的两个库，分别用于高性能计算和深度神经网络计算的支持。
Dnlcwyzct·2023-01-06 23:40

【云计算学习教程】云应用是什么？典型的云应用有哪些？

文章目录云应用之企业私有云办公简介云应用之园区云简介1）企业应用云2）电子商务云3）移动办公云4）数据存储云5）高性能计算云6）教育培训云云应用之医疗云简介1）对于国家公共卫生服务管理部门2）对于医疗卫生服务机构
小熊coder·2023-01-06 19:56

GAMES104 笔记 -引擎架构分层和整体pipeline

目录现代游戏引擎什么是游戏引擎引擎开发的难点游戏引擎分层资源层Importing关联资产CompositeassetRuntimeAssetManager功能层Tick多核核心层高性能计算数据结构与容器内存管理平台层文件路径硬件渲染接口硬件
奇迹小缘·2023-01-06 18:51

GAMES104实录 | 游戏引擎导论（上）

本期为GAMES104《现代游戏引擎：从入门到实践》视频公开课文字实录第1期。本课程由GAMES(图形学与混合现实研讨会）发起，游戏引擎技术专家王希携手游戏引擎一线开发者共同研发。课程共计22个课时，将介绍现代游戏引擎所涉及的系统架构，技术点，引擎系统相关的知识。为配合学习实践，课程组在GitHub上开源了小引擎Piccolo，上线1个月即获得了2900+star,累计下载量已超过20000+。以
GAMES104·2023-01-06 18:51

DatenLord前沿技术分享 No.10

演讲题目RDMA网络拥塞管理架构2、演讲时间2022年11月27日上午10:303、演讲人张乙然北京邮电大学网络与交换国家重点实验室、计算机学院，副研究员、博导4、引言RDMA网络目前成为数据中心、存储、高性能计算等领域的关键基础设施
·2023-01-06 15:20

如何用机器学习方法进行数据建模？（文末福利）

本文节选自CCF大数据教材系列丛书之《大数据导论》，由中国科学院院士梅宏主编。
AI科技大本营·2023-01-06 11:32

机器人导论知识点总结

机器人导论知识点总结第1章概论第一节机器人的基本概念1、机器人名称的由来机器人的英文名词是Robot，Robot一词最早出现在1920年捷克作家卡雷尔·恰佩克（KarelCapek）所写的一个剧本中，这个剧本的名字为
StuGeek·2023-01-06 10:06

高性能计算领域首次得奖

高性能计算先驱、超算Top500创始人之一JackDongarra获奖，独享100万美元奖金。
边缘计算社区·2023-01-06 10:04

计算机视觉相关笔记（四）GAN

2.导论（1）介绍了深度学习网络和深度学习的区别（2）用G生成模型，用D判别是否是真的，希望“造假者D”获胜（3）两个模型都是基于MLP的3.AdversarialNets（模型）想
CarsonXJM·2023-01-05 21:30

Kaggle 导入自定义函数库

导论：Kaggle每周可以白嫖GPU资源约40小时，Kaggle相比于Colab而言可以离线运行，而且运行时间挺长的。
矩阵科学·2023-01-05 20:09

算法学习笔记

最近无意中看到一个算法的网站，看着感觉介绍得挺系统的，虽然做算法以及指导学生开发各种算法这么些年了，却没有真正系统的学习过（几年前啃过算法导论，但是苦于那蹩脚的中文翻译，也没有去看英文原文）。
gwpscut·2023-01-05 12:20

云计算到底是什么，一文初始【详】

网络类型摘自计算机科学导论网络类型物理拓扑：网络在物理上的布置方式。——网状型：每个设备都有专用的点对点链路与其他设备相连。
35岁北京一套房·2023-01-05 12:40

CPU RISC-V技术

——列奥纳多·达·芬奇(LeonardodaVinci)1.1导言RISC-V（“RISCfive”）的目标是成为一个通用的指令集架构（ISA）：要能适应包括从最袖珍的嵌入式控制器，到最快的高性能计算机等各种规模的处理器
普通网友·2023-01-05 03:41

学计算机基础的重要性,论计算机基础的重要性

为什么写这篇文章受《大学计算机：计算思维导论》的启发，对计算机科学有一个全局的景图，了解计算机是从哪里来的，又如何发展到今天。
易·梦·2023-01-05 02:30

第六章-ROS机器人系统仿真

第六章-ROS机器人系统仿真学习来源：官方文档：http://wiki.ros.org/Introduction·Autolabor-ROS机器人入门课程《ROS理论与实践》零基础教程《机器人学导论》本文仅作学习笔记和回顾使用学习目标了解机器人系统仿真的原理和应用场景
我心里你最美·2023-01-04 23:45

开源软件开发导论第一周作业1——关于开源软件的五个问题

这个作业的要求是：https://bbs.csdn.net/topics/607938212，我的五个问题如下1.由于写作业的时间比较晚，看到了老师9.3补充的内容：结合自身经验。联想到课程中提到后续我们会参加开源项目，而以我目前做项目的经验来看，由于整体的能力不够，对于自己负责的部分模块进行代码书写时难免会有各种bug，即便经过测试也可能有未发现的bug。所以我的问题是：如果在参加开源项目对代码
weixin_52130267·2023-01-04 16:14

NEFU数据科学导论(六)关联规则

一、关联规则1.1概念1.2重要指标1.3一些概念和规则样本的每一个特征X,被称为项(item)。每一个样本可以看作是项的集合。即项集(itemset)。如果一个项集中项的数量是k,则该项集称为k项集。二、频繁项集的产生2.1格结构：枚举所有可能的项集2.2先验原理2.3候选集的产生和剪枝蛮力方法F-F方法三、Apriori算法3.1核心思想
NEFU-Go D 乌索普·2023-01-04 15:09

NEFU数据科学导论(八)线性回归

一、概念1.1连续型变量1.2过程分析一元线性回归多元线性回归二、一元线性回归2.1具体思路2.2参数估计三、多元线性回归3.1概念3.2参数估计3.3标准化偏回归系数应用预测问题四、人工神经网络4.1神经元模型4.2激活函数4.3感知机4.3.1感知机定义数据集线性可分4.3.2学习策略4.3.3学习算法4.4多层感知机4.4.1反向转播算法概念4.4.1反向转播算法过程4.4.2几点讨论
NEFU-Go D 乌索普·2023-01-04 15:09

NEFU数据科学导论(九)聚类问题

一、概念簇和异常点1.1主要方法二、划分聚类2.1K-mean算法特点2.2具体思路2.3k值选取三、层次聚类3.1具体思路3.1.1聚合方法3.1.2分拆方法四、密度聚类BFR算法4.1步骤4.2对象
NEFU-Go D 乌索普·2023-01-04 15:09

NEFU数据科学导论(七)分类问题

一、概念包括学习和分类两个过程监督学习从数据中学习一一个分类模型或决策函数称为分类器(classifier)分类器对新的输入进行输出的预测,称为分类,输出变量Y取有限个离散值二、常用分类算法提升方法2.1评价指标准确率精确率与召回率三、KNN算法3.1基本思想3.2算法流程‘3.3基本要素3.3.1距离度量由不同的距离度量所确定的最近邻点是不一样的3.3.2K值的选择3.3.3分类决策规则四、贝叶
NEFU-Go D 乌索普·2023-01-04 15:29

机器人学导论——雅可比：速度和静力

一刚体的线速度和角速度1.1位置矢量的导数位置矢量BQ的速度可以用BQ的导数表示，当然，这边是基于坐标系B来描述的。另一种说法是：位置矢量的速度可以看作用位置矢量描述的空间的一点的线速度。上述的速度矢量在坐标系A中的描述为也可以写作经常讨论的是一个坐标系原点相对于某个常见的世界参考坐标系的速度，而不考虑相对于任意坐标系中一般点的速度。对于这种特殊情况，定义一个缩写符号式中的点为坐标系{C}的原点，
Ecalpal·2023-01-04 14:28

机器学习——06逻辑回归

机器学习——06逻辑回归参考资料AIlearningMachine-Learning-in-Action庞善民.西安交通大学机器学习导论2022春PPT使用Jupyter进行练习，python3项目地址
雨落俊泉·2023-01-04 14:56

机器学习——07树回归

-北京：人民邮电出版社，2013.6庞善民.西安交通大学机器学习导论2022春PPTCART决策树算法的Python实现项目地址：https://github.com/yijunquan-afk/machine-learning
雨落俊泉·2023-01-04 14:26

【头歌】重生之数据科学导论——回归进阶

第1关：简单线性回归任务描述本关任务：编写一个梯度下降的小程序，输出损失函数值。编程要求请仔细阅读右侧代码，结合相关知识，在Begin-End区域内进行代码补充，输出进行1-10次梯度下降后的损失函数值。#**********Begin**********##梯度下降函数：将None处替换为你写的代码defgradient_descent(x_i,y_i,w,b,alpha):dw=-2*erro
垮起个老脸·2023-01-04 14:47

网络科学导论3

第三章网络基本拓扑性质本章重点实际网络的连通性：无向网络中的巨片、有向网络的蝴蝶结结构网络小世界性质刻画：平均路径长度与聚类系数网络均匀性程度刻画：泊松度分布和幂律度分布3.1引言在图论中割点：去除某个定点使得一个图由连通变为不连通；桥：去除某条边使得一个图由连通变为不连通。在网络科学中（大规模）要去除多少节点或者边才能对网络的某个性质产生实质性的影响？不同的去除策略是否会产生不同的结果？对网络的
二氧化谈·2023-01-04 14:47

数据科学导论——K均值

提示：文章写完后，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前言第1关：K均值初识第2关：k均值小试任务描述相关知识编程要求测试说明第3关：K均值实战任务描述相关知识:编程要求测试说明前言提示：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。提示：以下是本篇文章正文内容，下面案例可
玄九Coral·2023-01-04 14:16

2018年春季《数据科学导论》课程回顾（一）

因为数据科学导论课程最大的困难是，能讲的，该讲的东西太多，不知如何取舍；而且针对不同背景和先修课程的学生，内容也会存在很大差异，这些都是巨大的挑战，需要迭代改进。】
hmt_data·2023-01-04 14:16

数据科学导论——数据采集实战

提示：文章写完后，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前言第1关：单网页爬取任务描述编程要求测试说明第2关：网站爬取策略编程要求测试说明第3关：爬取与反爬取任务描述编程要求测试说明第4关：爬取与反爬取进阶任务描述编程要求测试说明前言提示：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
玄九Coral·2023-01-04 14:45

python降维效果图_机器学习中降维技术Python示例

虽然高性能计算可以处理高维数据，但在许多应用中仍然需要降低原始数据的维度。当进行降维时，主成分分析(PCA)可能是最流行的技术。在本文中，我将从PCA开始
weixin_39928667·2023-01-04 13:05

人工智能导论实验——KNN

一、实验目的.1）了解KNN的基本概念；2）了解如何使用MindSpore进行KNN实验。.二、实验任务.使用MindSpore在部分wine数据集上进行KNN实验。实验结果：实验原理：k近邻法（k-nearestneighbor，k-NN）是一种基本的分类和回归方法，是监督学习方法里的一种常用方法。k近邻算法假设给定一个训练数据集，其中的实例类别已定。分类时，对新的实例，根据其k个最近邻的训练实
Recursi·2023-01-04 08:37

信息检索导论 第十七章十八章知识点

层次聚类层次聚类(hierarchicalclustering或hierarchicclustering）会输出一个具有层次结构的簇集合，可以是自顶向下或自底向上的一个过程。自底向上（HAC）的算法一开始将每篇文档都看成是一个簇，然后不断地对簇进行两两合并(或称凝聚(agglomerate))，直到所有文档都聚成一类为止。而自顶向下的方法则首先将所有文档看成一个簇，然后不断利用某种方法对簇进行分裂
萌甘薯·2023-01-03 17:04

ML常用资料链接

BAT机器学习面试1000题系列（第1~305题）_结构之法算法之道-CSDN博客2.EM算法详解EM-最大期望算法|D.W'sNotes-MachineLearning3.SVM算法详解支持向量机通俗导论
waeceo·2023-01-03 11:49

NEFU数据科学导论(五)特征工程2特征选取

一、概念什么是特征选择?从数据集的全部特征中选取一个特征子集的过程被称为特征选择二、基本流程2.1子集产生2.2子集评估停止条件2.3子集检验三、过滤式方法3.1常用特征选择统计量3.1.1方差阈值3.1.2Pearson相关3.1.3距离计算统计分量越大，特征越重要3.1.4信息熵信息增益越大特征越重要四、产生特征子集的搜索策略4.1启发式搜索策略-贪心算法前向搜索后向搜索’双向搜索4.2.1前
NEFU-Go D 乌索普·2023-01-03 10:38

NEFU数据科学导论(四)探索性数据分析

一、概要二、方法分类三、单变量分析3.1方法概述3.2.1非图形化方法集中趋势方法数据散度分析峰度分析偏态分析3.2.2图形化方法直方图茎叶图箱型图四、多变量分析-相关性4.1相关性分类4.2非图形化方式4.2.1交叉表4.2.2计算相关系数Spearman相关系数判定系数4.3图形化方式4.3.1散点图4.3.2并排箱型图五、样本相似性与相异性分析5.1概述5.2方法5.2.1欧式距离5.2.2
NEFU-Go D 乌索普·2023-01-03 10:37

NEFU数据科学导论（一）概述

一、数据分析过程二、具体过程2.1获取数据2.2数据预处理2.3数据探索2.4数据建模2.5数据展示三、知识体系3.1结构体系3.2所需技术3.3描述性分析预测性分析
NEFU-Go D 乌索普·2023-01-03 10:07
上一页 44 45 46 47 48 49 50 51 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他