EEPW首頁(yè) >>
主題列表 >>
機(jī)器學(xué)習(xí)
機(jī)器學(xué)習(xí) 文章 進(jìn)入機(jī)器學(xué)習(xí)技術(shù)社區(qū)
斯坦福機(jī)器學(xué)習(xí)公開(kāi)課筆記10--VC維、模型選擇、特征選擇
- 本篇是ML公開(kāi)課的第10個(gè)視頻，上接第9個(gè)視頻，都是講學(xué)習(xí)理論的內(nèi)容。本篇的主要內(nèi)容則是VC維、模型選擇(Model Selection)。其中VC維是上篇筆記中模型集合無(wú)限大時(shí)的擴(kuò)展分析;模型選擇又分為交叉檢驗(yàn)(Cross Validation)和特征選擇(FeatureSelection)兩大類(lèi)內(nèi)容?！ ?nbsp;
- 關(guān)鍵字： 斯坦福 機(jī)器學(xué)習(xí)
斯坦福機(jī)器學(xué)習(xí)公開(kāi)課筆記9--偏差/方差、經(jīng)驗(yàn)風(fēng)險(xiǎn)最小化、聯(lián)合界、一致收斂
- 本篇與前面不同，主要內(nèi)容不是算法，而是機(jī)器學(xué)習(xí)的另一部分內(nèi)容——學(xué)習(xí)理論。主要包括偏差/方差(Bias/variance)、經(jīng)驗(yàn)風(fēng)險(xiǎn)最小化(Empirical Risk Minization，ERM)、聯(lián)合界(Union bound)、一致收斂(Uniform Convergence)?！ g對(duì)學(xué)習(xí)理論的重要性很是強(qiáng)調(diào)，他說(shuō)理解了學(xué)習(xí)理論是對(duì)機(jī)器學(xué)習(xí)只懂皮毛的人和真正理解機(jī)器學(xué)習(xí)的人的區(qū)別。學(xué)習(xí)理論的重要性在于通過(guò)它能夠針對(duì)實(shí)際問(wèn)題更好的選擇模型，修改模型?！?/li>
- 關(guān)鍵字： 機(jī)器學(xué)習(xí) 算法
斯坦福機(jī)器學(xué)習(xí)公開(kāi)課筆記7-NB多項(xiàng)式模型、神經(jīng)網(wǎng)絡(luò)、SVM初步
- 本篇筆記針對(duì)ML公開(kāi)課的第七個(gè)視頻，主要內(nèi)容包括最優(yōu)間隔分類(lèi)器(Optimal Margin Classifier)、原始/對(duì)偶問(wèn)題(Primal/Dual Problem)、svm的對(duì)偶問(wèn)題，都是svm(support vector machine，支持向量機(jī))的內(nèi)容?！ ?nbsp; &n
- 關(guān)鍵字： 機(jī)器學(xué)習(xí) 神經(jīng)網(wǎng)絡(luò)
斯坦福機(jī)器學(xué)習(xí)公開(kāi)課筆記6-NB多項(xiàng)式模型、神經(jīng)網(wǎng)絡(luò)、SVM初步
- 本篇筆記針對(duì)斯坦福ML公開(kāi)課的第6個(gè)視頻，主要內(nèi)容包括樸素貝葉斯的多項(xiàng)式事件模型(MultivariateBernoulli Event Model)、神經(jīng)網(wǎng)絡(luò)(Neural Network)、支持向量機(jī)(Support Vector Machine)的函數(shù)間隔(functionalmargin)與幾何間隔(geometricmargin)?！ ?nbsp; &nbs
- 關(guān)鍵字： 機(jī)器學(xué)習(xí)
機(jī)器學(xué)習(xí)——深度學(xué)習(xí)(Deep Learning)之我見(jiàn)
- Deep Learning是機(jī)器學(xué)習(xí)中一個(gè)非常接近AI的領(lǐng)域，其動(dòng)機(jī)在于建立、模擬人腦進(jìn)行分析學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)，最近研究了機(jī)器學(xué)習(xí)中一些深度學(xué)習(xí)的相關(guān)知識(shí)，本文給出一些很有用的資料和心得。 Key Words：有監(jiān)督學(xué)習(xí)與無(wú)監(jiān)督學(xué)習(xí)，分類(lèi)、回歸，密度估計(jì)、聚類(lèi)，深度學(xué)習(xí)，Sparse DBN， 1. 有監(jiān)督學(xué)習(xí)和無(wú)監(jiān)督學(xué)習(xí) 給定一組數(shù)據(jù)(input，target)為Z=(X，Y)?！ ∮斜O(jiān)督學(xué)習(xí)：最常見(jiàn)的是regression &
- 關(guān)鍵字： 機(jī)器學(xué)習(xí) 深度學(xué)習(xí)
人工智能時(shí)代 機(jī)器學(xué)習(xí)和AI算法將改變“二八定律”
- 在新型工作場(chǎng)所分析中，更多的公司可以更加容易地確定是哪20%的員工為產(chǎn)品、流程或用戶體驗(yàn)貢獻(xiàn)了80%的價(jià)值，業(yè)務(wù)流程、平臺(tái)和客戶體驗(yàn)的持續(xù)數(shù)字化，但是這熟悉的80/20規(guī)則正在逐漸改變。
- 關(guān)鍵字： 人工智能 機(jī)器學(xué)習(xí)
阿里組建獨(dú)立技術(shù)研發(fā)部門(mén) 加碼人工智能
- 阿里巴巴正在重新組建一個(gè)獨(dú)立研發(fā)部門(mén)，以布局包括機(jī)器學(xué)習(xí)在內(nèi)需要中長(zhǎng)期投入的技術(shù)。 在這項(xiàng)被稱作“NASA”的頗為宏大的計(jì)劃中，阿里巴巴將包括機(jī)器學(xué)習(xí)、芯片、IoT、操作系統(tǒng)、生物識(shí)別在內(nèi)的領(lǐng)域都圈入了該部門(mén)中。一位阿里云內(nèi)部人士告訴21世紀(jì)經(jīng)濟(jì)報(bào)道記者，阿里云將在“NASA”計(jì)劃中扮演技術(shù)“出口”角色。此外其向記者確認(rèn)，阿里巴巴并不會(huì)簡(jiǎn)單地抽調(diào)各業(yè)務(wù)線技術(shù)部門(mén)來(lái)支撐“NASA”計(jì)劃，阿里方面已經(jīng)計(jì)劃
- 關(guān)鍵字： 機(jī)器學(xué)習(xí) 人工智能
Xilinx用reVISION向視覺(jué)學(xué)習(xí)亮劍
- 在人工智能、機(jī)器學(xué)習(xí)興起的今天，All Programmable技術(shù)和器件廠商Xilinx也帶來(lái)了爆品，發(fā)布了全新的reVISION堆棧，劍指視覺(jué)導(dǎo)向的機(jī)器學(xué)習(xí)應(yīng)用。該解決方案無(wú)需額外花費(fèi)，搭載Xilinx的Zynq和處理器平臺(tái)即可加速設(shè)計(jì)?？梢钥吹?，通過(guò)“芯片+軟件堆棧”的策略，Xilinx把競(jìng)爭(zhēng)矛頭直指圖形芯片廠商——英偉達(dá)的Tegra GPU和ADAS廠商Mobileye等。
- 關(guān)鍵字： Xilinx reVISION 視覺(jué)導(dǎo)向 機(jī)器學(xué)習(xí)
斯坦福機(jī)器學(xué)習(xí)公開(kāi)課筆記5——生成學(xué)習(xí)、高斯判別、樸素貝葉斯
- 本篇博客為斯坦福ML公開(kāi)課第五個(gè)視頻的筆記，主要內(nèi)容包括生成學(xué)習(xí)算法(generate learning algorithm)、高斯判別分析(Gaussian DiscriminantAnalysis，GDA)、樸素貝葉斯(Navie Bayes)、拉普拉斯平滑(Laplace Smoothing)。
- 關(guān)鍵字： 機(jī)器學(xué)習(xí) 算法
斯坦福機(jī)器學(xué)習(xí)公開(kāi)課筆記4——生成學(xué)習(xí)、高斯判別、樸素貝葉斯
- 本篇博客為斯坦福ML公開(kāi)課第五個(gè)視頻的筆記，主要內(nèi)容包括生成學(xué)習(xí)算法(generate learning algorithm)、高斯判別分析(Gaussian DiscriminantAnalysis，GDA)、樸素貝葉斯(Navie Bayes)、拉普拉斯平滑(Laplace Smoothing)?！ ?nbsp; &nb
- 關(guān)鍵字： 斯坦福 機(jī)器學(xué)習(xí)
3D打?。珯C(jī)器學(xué)習(xí)＝醫(yī)療傳感器？
- 機(jī)器學(xué)習(xí)技術(shù)是一個(gè)重要的和廣泛的計(jì)算領(lǐng)域，其中算法基于其處理的數(shù)據(jù)進(jìn)行預(yù)測(cè)而沒(méi)有被明確地編程。因此，將機(jī)器學(xué)習(xí)與3D打印相結(jié)合的前景，正如UCLA的研究人員在一個(gè)新項(xiàng)目中可以看出的，這絕對(duì)是一個(gè)令人興奮的領(lǐng)域。使用具有可以通過(guò)機(jī)器學(xué)習(xí)技術(shù)修改的傳感器的3D打印原型檢測(cè)器，研究人員已經(jīng)展示了一種新的、更有效的方式來(lái)檢測(cè)微小物品，例如癌癥生物標(biāo)志物、病毒和蛋白質(zhì)。這可以改善嚴(yán)重感染和疾病的治療和診斷方式。 等離子體感測(cè)已經(jīng)在醫(yī)學(xué)研究中使用多年，以便收集關(guān)于亞微觀級(jí)別的物質(zhì)組成的信息。該方法將光照射到
- 關(guān)鍵字： 3D打印 機(jī)器學(xué)習(xí)
斯坦福機(jī)器學(xué)習(xí)公開(kāi)課筆記4——牛頓方法、指數(shù)分布族、廣義線性模型
- 該系列的視頻對(duì)于數(shù)學(xué)公式的推導(dǎo)講的很細(xì)，相信看完該視頻后會(huì)對(duì)機(jī)器學(xué)習(xí)的各種算法的推導(dǎo)很熟悉?！ ∫曨l3的筆記見(jiàn)上一篇博文，本文是第三個(gè)視頻的筆記?！ 〉?個(gè)視頻的筆記如下，主要的內(nèi)容包括牛頓方法、指數(shù)分布族、廣義線性模型、廣義線性模型舉例之多項(xiàng)式分布?！ ? ? ? ? ? ? ? ? ? ? ? ?
- 關(guān)鍵字： 機(jī)器學(xué)習(xí) 牛頓方法
研究人員結(jié)合3D打印與機(jī)器學(xué)習(xí)開(kāi)發(fā)醫(yī)療傳感器
- 機(jī)器學(xué)習(xí)技術(shù)是一個(gè)重要的和廣泛的計(jì)算領(lǐng)域，其中算法基于其處理的數(shù)據(jù)進(jìn)行預(yù)測(cè)而沒(méi)有被明確地編程。因此，將機(jī)器學(xué)習(xí)與3D打印相結(jié)合的前景，正如UCLA的研究人員在一個(gè)新項(xiàng)目中可以看出的，這絕對(duì)是一個(gè)令人興奮的領(lǐng)域。使用具有可以通過(guò)機(jī)器學(xué)習(xí)技術(shù)修改的傳感器的3D打印原型檢測(cè)器，研究人員已經(jīng)展示了一種新的、更有效的方式來(lái)檢測(cè)微小物品，例如癌癥生物標(biāo)志物、病毒和蛋白質(zhì)。這可以改善嚴(yán)重感染和疾病的治療和診斷方式。 等離子體感測(cè)已經(jīng)在醫(yī)學(xué)研究中使用多年，以便收集關(guān)于亞微觀級(jí)別的物質(zhì)組成的信息。該方法將光照
- 關(guān)鍵字： 3D打印 機(jī)器學(xué)習(xí)
斯坦福機(jī)器學(xué)習(xí)公開(kāi)課筆記3——局部加權(quán)回歸、邏輯斯蒂回歸、感知器算法
- 最近在看Ng的機(jī)器學(xué)習(xí)公開(kāi)課，Ng的講法循循善誘，感覺(jué)提高了不少。該系列視頻共20個(gè)，每看完一個(gè)視頻，我都要記錄一些筆記，包括公式的推導(dǎo)，講解時(shí)候的例子等。按照Ng的說(shuō)法，公式要自己推理一遍才能理解的通透，我覺(jué)得自己能夠總結(jié)出來(lái)，發(fā)到博客上，也能達(dá)到這個(gè)效果，希望有興趣的同學(xué)要循序漸進(jìn)，理解完一個(gè)算法再開(kāi)始學(xué)另外一個(gè)算法，每個(gè)算法總結(jié)一遍，雖然看起來(lái)很慢，但卻真正的理解了，所謂雖慢實(shí)快者也。 該系列的視頻對(duì)于數(shù)學(xué)公式的推導(dǎo)講的很細(xì)，相信看完該視頻后會(huì)對(duì)機(jī)器學(xué)習(xí)的各種算法的推導(dǎo)很熟悉?！ ∮捎赾sdn
- 關(guān)鍵字： 感知器算法 機(jī)器學(xué)習(xí)
斯坦福機(jī)器學(xué)習(xí)公開(kāi)課筆記1、2 -——線性規(guī)劃、梯度下降、正規(guī)方程組
- 最近在看Ng的機(jī)器學(xué)習(xí)公開(kāi)課，Ng的講法循循善誘，感覺(jué)提高了不少。該系列視頻共20個(gè)，每看完一個(gè)視頻，我都要記錄一些筆記，包括公式的推導(dǎo)，講解時(shí)候的例子等。按照Ng的說(shuō)法，公式要自己推理一遍才能理解的通透，我覺(jué)得自己能夠總結(jié)出來(lái)，發(fā)到博客上，也能達(dá)到這個(gè)效果，希望有興趣的同學(xué)要循序漸進(jìn)，理解完一個(gè)算法再開(kāi)始學(xué)另外一個(gè)算法，每個(gè)算法總結(jié)一遍，雖然看起來(lái)很慢，但卻真正的理解了，所謂雖慢實(shí)快者也。 由于博客上寫(xiě)公式實(shí)在是太難弄了，如果一個(gè)公式一個(gè)公式的轉(zhuǎn)成圖片傳上來(lái)，反而是排版很差。所以索性全部弄成圖片傳
- 關(guān)鍵字： 斯坦福 機(jī)器學(xué)習(xí)
機(jī)器學(xué)習(xí)介紹
您好，目前還沒(méi)有人創(chuàng)建詞條機(jī)器學(xué)習(xí)!
歡迎您創(chuàng)建該詞條，闡述對(duì)機(jī)器學(xué)習(xí)的理解，并與今后在此搜索機(jī)器學(xué)習(xí)的朋友們分享。 創(chuàng)建詞條
歡迎您創(chuàng)建該詞條，闡述對(duì)機(jī)器學(xué)習(xí)的理解，并與今后在此搜索機(jī)器學(xué)習(xí)的朋友們分享。 創(chuàng)建詞條
機(jī)器學(xué)習(xí)相關(guān)帖子
機(jī)器學(xué)習(xí)資料下載
機(jī)器學(xué)習(xí)專欄文章
關(guān)于我們 -
廣告服務(wù) -
企業(yè)會(huì)員服務(wù) -
網(wǎng)站地圖 -
聯(lián)系我們 -
征稿 -
友情鏈接 -
手機(jī)EEPW
Copyright ?2000-2015 ELECTRONIC ENGINEERING & PRODUCT WORLD. All rights reserved.
《電子產(chǎn)品世界》雜志社 版權(quán)所有 北京東曉國(guó)際技術(shù)信息咨詢有限公司
京ICP備12027778號(hào)-2 北京市公安局備案：1101082052 京公網(wǎng)安備11010802012473
Copyright ?2000-2015 ELECTRONIC ENGINEERING & PRODUCT WORLD. All rights reserved.
《電子產(chǎn)品世界》雜志社 版權(quán)所有 北京東曉國(guó)際技術(shù)信息咨詢有限公司
京ICP備12027778號(hào)-2 北京市公安局備案：1101082052 京公網(wǎng)安備11010802012473