搜索资源列表
MLearningLecture
- 机器学习及其挑战，内容包括：机器学习及其重要性；机器学习角色的转变；五个挑战问题。研究机器学习的兄弟们要看看了。-machine learning and its challenges, including : machine learning and its importance; Machine learning the changing roles; five challenges. The study machine learning to look at the brothers ha
MachineLearning
- 关于机器学习综述的相关文章，其中包括几个ppt，也有英文原版的文章介绍！
dataminning
- 数据挖掘算法概述大全，绝对经典。详细介绍了各种数据挖掘的理论知识及算法，是机器学习领域不可多得的电子教程，强烈推荐
WebDataMining
- Web数据挖掘作为数据挖掘技术和Internet应用研究相结合的研究领域，涉及机器学习、数理统计、数据库、神经网络、模式识别、粗糙集、模糊数学等人工智能相关技术，目前已经发展成为一个受到社会各界关注的研究热点。
AdaBoost
- 这里是关于图像处理之机器学习方面的资料--AdaBoost，自适应boosting. 非常经典的资料-Here is on image processing of machine learning information- AdaBoost, adaptive boosting. Very classical information
FaceDe
- 基于支持向量聚类的多聚焦图像融合算法. 从无监督机器学习角度提出了一种基于SVC(support vector clustering)的图像融合规则,解决了基于 SVM(support vector machine)的融合规则在处理多聚焦图像融合问题时所引起的区域混叠与非平滑过渡问题,进一步提高了融合图像的质量.-Based on support vector clustering algorithm for multi-focus image fusion. Never oversig
The_Status_Quo_of_Machine_Learning_of_Artificial_I
- 机器学习是人工智能的一个子领域，是人工智能中非常活跃且范围甚广的主要核心研究领域之一，也是现代智能系统的关键环节和瓶颈。机器学习吸取了人工智能、概率统计、计算复杂性理论、控制论、信息论、哲学、生理学、神经生物学等学科的成果，主要关注于开发一些让计算机可以自动学习的技术，并通过经验提高系统自身的性能。本文介绍了机器学习的概念、基本结构和发展，以及各种机器学习方法，包括机械学习、归纳学习、类比学习、解释学习、基于神经网络的学习以及知识发现等，并简单叙述了机器学习的相关算法，包括决策树算法、随机森林算
1
- 论机器学习和数据挖掘的区别和联系 很不错-very good very strong
machinelearning
- 机器学习和数据挖掘有密切的联系，本文放在一起做一个粗浅的介绍-Machine learning and data mining are closely linked, the paper together to make a crude descr iption
liuxinggaishu
- :流形学习是一种新的非监督学习方法,近年来引起越来越多机器学习和认知科学工作者的重视. 为了加深 对流形学习的认识和理解,该文由流形学习的拓扑学概念入手,追溯它的发展过程. 在明确流形学习的不同表示方 法后,针对几种主要的流形算法,分析它们各自的优势和不足,然后分别引用Isomap 和LL E 的应用示例. 结果表明, 流形学习较之于传统的线性降维方法,能够有效地发现非线性高维数据的本质维数,利于进行维数约简和数据分 析. 最后对流形学习未来的研究方向做出展望,以期进一步拓展流形
Geometry-of-the-EM-
- 本文为对最大期望算法的一个介绍，从解析几何角度分析了算法的特性和几何意义，对从事机器学习的人有较大参考价值。-An excellent introduction for Expectation Maximum algorithm. In this paper, a geometric view of the EM algorithm is given, which might be
classificiation-algorithm-overview
- 机器学习领域经典分类算法综述，包括Decision Tree（ＩＤ３、C4.5(C5.0)、CART、PUBLIC、SLIQ和SPRINT算法），三种典型贝叶斯分类器（朴素贝叶斯算法、TAN算法、贝叶斯网络分类器），k-近邻 、 基于数据库技术的分类算法（ MIND算法、GAC-RDB算法），基于关联规则（CBA:Classification Based on Association Rule）的分类（Apriori算法），支持向量机分类，基于软计算的分类方法（粗糙集（rough set）、遗传
Chinese-word-segmentation
- 基于n-gram和机器学习的汉语分词算法 理论研究-Chinese word segmentation
SVM-tutorial
- 最常见机器学习算法SVM的发展研究，从逻辑斯特研究到支持向量机-The most common SVM machine learning algorithm development research to logistic support vector machine
MachineLearning1
- 在这篇文章中，机器学习与NLP专家、MonkeyLearn联合创始人&CEO Raúl Garreta面向初学者大体概括使用机器学习过程中的重要概念，应用程序和挑战，旨在让读者能够继续探寻机器学习知识。-In this article, machine learning and NLP expert, MonkeyLearn co-founder & CEO Ral Garreta for beginners generally summarized using machine lear
cs229-notes1
- 课件 美国斯坦福大学机器学习 课件 美国斯坦福大学机器学习 -the class of mechine learning
machine-learning-of--stanford
- 斯坦福大学的机器学习课件，全英文的。学习用-PowerPoint of machine learning lessons stanford
machine-learning-of-xibeigongye
- 机器学习课件，西北工业大学的，全英文ppt，没有密码-machine learning lessons of xibei gongye daxue
adadelta.pdf
- 是一篇关于机器学习中参数优化的文章，文章介绍了很多之前的优化算法，又提出了adadelta这种优化算法。- U662F u4E00 u7BC7 u5173 u4E8E u673A u5668 u5B66 u4E60 u4E2D u53C2 u6570 u4F18 u5316 u7684 u6587 u7AE0 uFF0C u6587 u7AE0 u4ECB u7ECD u4E86 u5F88 u591A u4E4B u524D u7684
challenge-in-machine-learning
- 本文主要介绍的是机器学习的挑战，并介绍了微软的Azure（机器学习云服务）。-This paper describes the challenges of machine learning, and describes the Microsoft azure (machine learning cloud services)