搜索资源列表
abcsearch
- 文献检索,资料介绍,机器人,人工智能,机器学习等方面的资料
xinxihec
- 数据挖掘和知识发现(Data Mining and Knowledge Discovery,DMKD)技术就是在这样的背景下产生的,是在数据库技术、机器学习、人工智能、统计分析、模型逻辑、人工神经网络和专家系统等基础上发展起来的新兴交叉科学,是继网络之后的又一个技术热点。如果将数据库中的大量数据比喻为矿床,则DMKD技术就是从这矿床中挖掘知识的“金块”的工具。由于其诱人的前景和巨大的难道,使得DMKD成为计算机信息处理领域的研究热点和前沿技术。-Data Mining and Knowledge
The-Boosting-Approach
- 机器学习的综述性材料,特别是从事boost的集成学习方法,对研究模式识别的人也有帮助-Overview of machine learning materials, especially in the boost the integration of learning methods, help the people of the pattern recognition
based-on-random-walk
- 随机游走在计算机学科的信息检索领域已经得到了成功的应用,现在正被 越来越多地应用到机器学习和数据挖掘等领域。在此背景下,我们提出图上的 随机游走学习,创造性地将随机游走作为一项基本技术,用于改善传统的有监 督学习,半监督学习和无监督学习中的困难问题-Random walk has been successfully applied in computer science, information retrieval, is now being increasingly applied
Machine-Learning
- 机器学习的讲义和作业,包括了SVM、隐氏马尔科夫和朴素贝叶斯等方法,非常适合初学机器学习的人!-Machine learning lectures and assignments, including SVM, Hidden Markov and Naï ve Bayes methods, machine learning is ideal for beginners!
MACHINE-LEARNING
- 研究生学习必读的课程,机器学习导论,国外大牛elth著-machine learning
svm-alogrithm
- 机器学习十大算法之一:EM算法。能评得上十大之一,让人听起来觉得挺NB的。什么是NB啊,我们一般说某个人很NB,是因为他能解决一些别人解决不了的问题。神为什么是神,因为神能做很多人做不了的事。那么EM算法能解决什么问题呢?或者说EM算法是因为什么而来到这个世界上,还吸引了那么多世人的目光-Expectation Maximization Algorithm
machine--Learning-concept
- 机器学习(Machine Learning, ML)是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能。 它是人工智能的核心,是使计算机具有智能的根本途径,其应用遍及人工智能的各个领域,它主要使用归纳、综合而不是演绎。-Machine Learning (Machine Learning, ML) is more than one field of
机器学习概述
- 机器学习是运用已存有的知识对已有问题的求解,本文是知网的文献,大致介绍了机器学习内容
获得GPU存储性能的四种方法
- 支持AI人工智能和ML机器学习部署的数据中心依靠基于图形处理单元(GPU)的服务器为其计算密集型架构提供支持。到2024年,在多个行业中,GPU使用量的增长将使GPU服务器的复合年增长率超过
一份关于机器学习“模型再训练”的终极指南
- 机器学习模型的训练,通常是通过学习某一组输入特征与输出目标之间的映射来进行的。一般来说,对于映射的学习是通过优化某些成本函数,来使预测的误差最小化。
将机器学习整合到专用服务器中有哪些优势
- 机器学习正以各种方式改变着网络托管行业。许多第三方托管服务提供商,如AWS公司已经开始以不同的能力利用机器学习技术。Amazon Sagemaker是机器学习工具之一,它改变了平台向客户提供的服务。Hotels.com公司副总裁兼首席数据科学官Matthew Fryer对这项机器学习服务给予了高度评价。并指出使用专用服务器进行机器学习如今变得越来越重要。
人工智能技术的应用,实现IT自动化是许多企业的主要目标
- 人工智能和机器学习依赖于高价值数据,这意味着IT部门需要对其网络中发生的事情有适当的可见性。实现IT自动化仍然是许多企业的主要目标。当CIO面对不断减少的人员和日益复杂的IT需求时,必须从服务台和故障排除需求中重新部署资源,以应对更多战略挑战。但要实现这一目标,企业必须接受人工智能,以解决大规模自动化大型企业所需的海量数据和决策挑战。
网络硬件加速器在自动驾驶计算平台的作用
- 近几十年来,图形处理器(GPU)已从最初作为大型电玩的视频显示适配器演进为一个强大的计算中心,并且正在推动人工智能和机器学习的发展,包括从石油和天然气勘探到自然语言处理等众多领域的计算工作。如今,GPU正在自动驾驶和先进驾驶辅助系统(ADAS)技术的发展中扮演着越来越重要的作用。
关于机器学习的十大经典算法
- C4.5算法是机器学习算法中的一种分类决策树算法,其核心算法是ID3算法.C4.5算法继承了ID3算法的优点,并在以下几方面对ID3算法进行了改进:1)用信息增益率来选择属性,克服了用信息增益选择属性时偏向选择取值多的属性的不足;
关于人工智能在数据质量管理中的应用
- 说实在的,这个概念有些过于高大上,从大的方面包括、、强化学习等等,而深度学习又包括图像识别、语音识别、自然语言处理、预测分析;机器学习则包括监督学习、无监督学习、半监督学习,监督学习又细分为回归、分类、决策树等等。理论上人工智能什么都能做,什么都能迎合的上。
机器学习:如何进行特征选择
- 对当前学习任务有价值的属性称为是“相关特征”,没有价值的属性称为是“无关特征”,从给定的特征集中选择出相关特征子集的过程,就称为是“特征选择”。其中还有一种特征称为是“冗余特征”,这些特征指的是可以从其他特征中推演出来的特征。
【图解机器学习】人人都能懂的算法原理
- 算法公式挺费神,机器学习太伤人。任何一个刚入门机器学习的人都会被复杂的公式和晦涩难懂的术语吓到。但其实,如果有通俗易懂的图解,理解机器学习的原理就会非常容易。本文整理了一篇博客文章的内容,读者可根据这些图理解看似高深的机器学习算法。
为什么说对象存储适合人工智能和机器学习
- 如今,各种类型的企业都致力于采用人工智能和机器学习项目,但要发挥其真正的潜力,则需要克服重大的技术障碍。虽然计算基础设施通常是重点,但存储设施也同样重要。以下是对象存储(而不是文件或块存储)适用在加强人工智能和机器学习工作负载的
对象存储适合人工智能和机器学习的原因
- 如今,各种类型的企业都致力于采用人工智能和机器学习项目,但要发挥其真正的潜力,则需要克服重大的技术障碍。虽然计算基础设施通常是重点,但存储设施也同样重要。以下是对象存储(而不是文件或块存储)适用