完善資料讓更多小伙伴認(rèn)識(shí)你，還能領(lǐng)取20積分哦，立即完善>
標(biāo)簽 > 機(jī)器學(xué)習(xí)
機(jī)器學(xué)習(xí)（Machine Learning， ML）是一門多領(lǐng)域交叉學(xué)科，涉及概率論、統(tǒng)計(jì)學(xué)、逼近論、凸分析、算法復(fù)雜度理論等多門學(xué)科。
文章：7759個(gè) 瀏覽：137350次 帖子：307個(gè)
人工智能與環(huán)境保護(hù)站在對(duì)立面嗎？
人工智能背后的碳排放引發(fā)關(guān)注 根據(jù)一份提交到自然語言處理頂會(huì)ACL 2019的論文，三位來自馬薩諸塞大學(xué)安姆斯特分校的研究人員對(duì)幾種常見的NLP模...
2019-06-16 標(biāo)簽：神經(jīng)網(wǎng)絡(luò)人工智能機(jī)器學(xué)習(xí) 6.5k 0
在時(shí)間、容量和復(fù)雜性方面對(duì)汽車行業(yè)的基本重組進(jìn)行預(yù)測(cè)
汽車銷量還會(huì)持續(xù)上升：盡管保有量下降，但汽車銷量將明顯增加。傳統(tǒng)車輛將長(zhǎng)時(shí)間滯留在保有量中。而相比之下，自動(dòng)性，尤其是共享自動(dòng)性車輛將會(huì)頻繁變革，導(dǎo)致銷...
2018-04-12 標(biāo)簽：汽車行業(yè)人工智能機(jī)器學(xué)習(xí) 6.5k 0
總結(jié)機(jī)器學(xué)習(xí)小白必學(xué)的10種算法
在機(jī)器學(xué)習(xí)中，有一種叫做「沒有免費(fèi)的午餐」的定理。簡(jiǎn)而言之，它指出沒有任何一種算法對(duì)所有問題都有效，在監(jiān)督學(xué)習(xí)(即預(yù)測(cè)建模)中尤其如此。
2018-08-24 標(biāo)簽：機(jī)器學(xué)習(xí)線性回歸 6.5k 0
計(jì)算機(jī)視覺識(shí)別是一種人工智能技術(shù)，旨在使計(jì)算機(jī)系統(tǒng)從數(shù)字圖像、視頻等視覺信息中識(shí)別和提取有意義信息的能力。
2023-02-09 標(biāo)簽：計(jì)算機(jī)視覺機(jī)器學(xué)習(xí)Raspberry Pi 6.5k 0
基于Python進(jìn)行機(jī)器學(xué)習(xí)的流程：探索性數(shù)據(jù)分析、特征工程、訓(xùn)練模型、評(píng)估結(jié)果
取決于具體的業(yè)務(wù)問題，你需要決定這是一個(gè)多元分類問題，還是一個(gè)二元分類問題。如果是二元分類問題，那么只有Certified（批準(zhǔn)）和Denied（拒簽）...
2018-07-26 標(biāo)簽：機(jī)器學(xué)習(xí)數(shù)據(jù)分析Python 6.4k 0
2018年以來最重要的10篇計(jì)算機(jī)視覺/圖像生成相關(guān)的研究
卷積神經(jīng)網(wǎng)絡(luò)（CNN）可以很好的處理二維平面圖像的問題。然而，對(duì)球面圖像進(jìn)行處理需求日益增加。例如，對(duì)無人機(jī)、機(jī)器人、自動(dòng)駕駛汽車、分子回歸問題、全球天...
2019-02-16 標(biāo)簽：神經(jīng)網(wǎng)絡(luò)計(jì)算機(jī)視覺機(jī)器學(xué)習(xí) 6.4k 0
利用機(jī)器學(xué)習(xí)自動(dòng)發(fā)現(xiàn)經(jīng)過編輯的照片
為了發(fā)現(xiàn)這些特點(diǎn)，科學(xué)家們通常會(huì)在圖像的隱藏層中尋找線索。當(dāng)圖像經(jīng)過這些編輯時(shí)，它們會(huì)留下數(shù)字化痕跡，例如圖像傳感器產(chǎn)生的顏色和亮度的不一致性（也被稱為...
2018-06-30 標(biāo)簽：圖像傳感器Adobe機(jī)器學(xué)習(xí) 6.4k 0
人工智能在智能對(duì)話方面的長(zhǎng)足進(jìn)步，也反映了其飛速的營(yíng)收增長(zhǎng)。研究機(jī)構(gòu)Tractica LLC的調(diào)查顯示，2016年，人工智能軟件市場(chǎng)規(guī)模為14億美元，到...
2018-06-12 標(biāo)簽：ai人工智能機(jī)器學(xué)習(xí) 6.4k 0
人類終于找到了如何處理“抽象概念”這個(gè)亙古難題的方法
開始的通過傳感器(例如CMOS)來獲得數(shù)據(jù)。然后經(jīng)過預(yù)處理、特征提取、特征選擇，再到推理、預(yù)測(cè)或者識(shí)別。最后一個(gè)部分，也就是機(jī)器學(xué)習(xí)的部分，絕大部分的工...
2019-04-26 標(biāo)簽：傳感器機(jī)器學(xué)習(xí)深度學(xué)習(xí) 6.4k 0
深度學(xué)習(xí)的定義和特點(diǎn) 深度學(xué)習(xí)典型模型介紹
深度學(xué)習(xí)（Deep Learning）是一種基于人工神經(jīng)網(wǎng)絡(luò)的機(jī)器學(xué)習(xí)算法，其主要特點(diǎn)是模型由多個(gè)隱層組成，可以自動(dòng)地學(xué)習(xí)特征，并進(jìn)行預(yù)測(cè)或分類。該算法...
2023-08-21 標(biāo)簽：神經(jīng)網(wǎng)絡(luò)計(jì)算機(jī)人工神經(jīng)網(wǎng)絡(luò) 6.4k 0
Google Assistant的新功能——Duplex雙工技術(shù)
利用 Duplex 雙工技術(shù)，谷歌的智能助理能用非常類似人聲的角色完成真實(shí)世界的任務(wù)。在 demo 中，谷歌 CEO Pichai 告訴聽眾，“你將要聽...
2018-07-03 標(biāo)簽：Google神經(jīng)網(wǎng)絡(luò)機(jī)器學(xué)習(xí) 6.4k 0
探析從貝葉斯到深度學(xué)習(xí)及各自優(yōu)缺點(diǎn)
集成方法是由多個(gè)較弱的模型集成模型組，其中的模型可以單獨(dú)進(jìn)行訓(xùn)練，并且它們的預(yù)測(cè)能以某種方式結(jié)合起來去做出一個(gè)總體預(yù)測(cè)。
2019-02-17 標(biāo)簽：機(jī)器學(xué)習(xí)深度學(xué)習(xí) 6.4k 0
對(duì)抗輸入（Adversarial inputs）：這是經(jīng)過精心設(shè)計(jì)過的輸入，其目的就是為了迷惑分類器以逃過檢測(cè)。對(duì)抗輸入包括逃避殺毒軟件的惡意文件以及躲...
2018-06-14 標(biāo)簽：AI機(jī)器學(xué)習(xí) 6.4k 0
淺析四類機(jī)器學(xué)習(xí)在自動(dòng)駕駛中的應(yīng)用
自動(dòng)駕駛中機(jī)器學(xué)習(xí)算法主要分為四類，即決策矩陣算法、聚類算法、模式識(shí)別算法和回歸算法。我們跟他一起看看，這些算法都是怎樣應(yīng)用的。
2018-11-05 標(biāo)簽：機(jī)器學(xué)習(xí)自動(dòng)駕駛 6.4k 0
詳細(xì)闡述黑盒機(jī)器學(xué)習(xí)模型的術(shù)語概念以及相關(guān)方法
在本文中，我們對(duì)文獻(xiàn)中提出的用于解釋基于不透明和模糊機(jī)器學(xué)習(xí)模型的決策系統(tǒng)的方法進(jìn)行了全面的概述。首先，我們確定了解釋問題的不同組成部分。特別是，我們提...
2018-11-27 標(biāo)簽：黑匣子機(jī)器學(xué)習(xí) 6.4k 0
機(jī)器學(xué)習(xí)使用的每一個(gè)算法都基于特定的任務(wù)進(jìn)行優(yōu)化，無法覆蓋真實(shí)情況下每一個(gè)細(xì)微的差別。理解算法的能力和局限將會(huì)幫助你把握住用戶體驗(yàn)中存在的差距，并且通過...
2018-03-16 標(biāo)簽：機(jī)器學(xué)習(xí) 6.4k 0
隨機(jī)森林使用名為“bagging”的技術(shù)，通過數(shù)據(jù)集和特征的隨機(jī)自助抽樣樣本并行構(gòu)建完整的決策樹。雖然決策樹基于一組固定的特征，而且經(jīng)常過擬合，但隨機(jī)性...
機(jī)器學(xué)習(xí)與數(shù)據(jù)挖掘的關(guān)系
數(shù)據(jù)挖掘可以認(rèn)為是數(shù)據(jù)庫技術(shù)與機(jī)器學(xué)習(xí)的交叉，它利用數(shù)據(jù)庫技術(shù)來管理海量的數(shù)據(jù)，并利用機(jī)器學(xué)習(xí)和統(tǒng)計(jì)分析來進(jìn)行數(shù)據(jù)分析。
2018-01-05 標(biāo)簽：數(shù)據(jù)挖掘機(jī)器學(xué)習(xí) 6.4k 0
機(jī)器學(xué)習(xí)和深度學(xué)習(xí)要怎么學(xué)呢？機(jī)器學(xué)習(xí)和深度學(xué)習(xí)的入門資料詳細(xì)整理
拿到這份文檔時(shí)想必你的腦海中一直縈繞著這么一個(gè)問題，“機(jī)器學(xué)習(xí)/深度學(xué)習(xí)要怎么學(xué)呢？（怎么入門，又怎么進(jìn)一步掌握？）”。關(guān)于這個(gè)問題其實(shí)并沒有一個(gè)標(biāo)準(zhǔn)答...
2018-08-26 標(biāo)簽：人工智能機(jī)器學(xué)習(xí)深度學(xué)習(xí) 6.3k 0
機(jī)器學(xué)習(xí)數(shù)據(jù)驅(qū)動(dòng)中如何對(duì)小裂紋擴(kuò)展的方向和速度進(jìn)行識(shí)別
小裂紋的擴(kuò)展是導(dǎo)致結(jié)構(gòu)部件進(jìn)入疲勞期的主要因素。盡管人們對(duì)此有很大的興趣，但就裂縫擴(kuò)展的方向和速度而言，小裂縫的生長(zhǎng)指標(biāo)尚未確定。
2018-08-18 標(biāo)簽：數(shù)據(jù)驅(qū)動(dòng)貝葉斯網(wǎng)絡(luò)機(jī)器學(xué)習(xí) 6.3k 1
換一批
編輯推薦廠商產(chǎn)品技術(shù)軟件/工具OS/語言教程專題
| 電機(jī)控制 | DSP | 氮化鎵 | 功率放大器 | ChatGPT | 自動(dòng)駕駛 | TI | 瑞薩電子 |
| BLDC | PLC | 碳化硅 | 二極管 | OpenAI | 元宇宙 | 安森美 | ADI |
| 無刷電機(jī) | FOC | IGBT | 逆變器 | 文心一言 | 5G | 英飛凌 | 羅姆 |
| 直流電機(jī) | PID | MOSFET | 傳感器 | 人工智能 | 物聯(lián)網(wǎng) | NXP | 賽靈思 |
| 步進(jìn)電機(jī) | SPWM | 充電樁 | IPM | 機(jī)器視覺 | 無人機(jī) | 三菱電機(jī) | ST |
| 伺服電機(jī) | SVPWM | 光伏發(fā)電 | UPS | AR | 智能電網(wǎng) | 國民技術(shù) | Microchip |
| Arduino | BeagleBone | 樹莓派 | STM32 | MSP430 | EFM32 | ARM mbed | EDA |
| 示波器 | LPC | imx8 | PSoC | Altium Designer | Allegro | Mentor | Pads |
| OrCAD | Cadence | AutoCAD | 華秋DFM | Keil | MATLAB | MPLAB | Quartus |
| C++ | Java | Python | JavaScript | node.js | RISC-V | verilog | Tensorflow |
| Android | iOS | linux | RTOS | FreeRTOS | LiteOS | RT-THread | uCOS |
| DuerOS | Brillo | Windows11 | HarmonyOS |
關(guān)注我們的微信
下載發(fā)燒友APP
機(jī)器人發(fā)燒友
