机器学习
文章平均质量分 95
卷积神经网络和机器学习。
无水先生
擅长数学,能熟练应用泛函分析、统计学、随机过程、逼近论、微分几何、非欧几何(双曲、共形)等数学理论,有数学建模能力。从事图像处理二十年以上,从事人工智能行业10年以上;在船舶、通信、铁路、教育等行业开发软件产品。
展开
-
了解线性回归、岭回归和套索回归
在本文中,我们将深入探讨机器学习中两种基本正则化技术的基础和应用:Ridge 回归和 Lasso 回归。这些方法在缓解过拟合方面起着至关重要的作用,从而增强了模型对新数据的泛化能力。原创 2024-08-06 08:31:28 · 580 阅读 · 0 评论 -
使用两种不同的方法估计几何布朗运动随机过程的参数
称为几何布朗运动(又名随机游走)的随机过程是最常见和最普遍使用的过程,因为它简单且应用广泛。在本文中,我将展示如何使用两种不同的方法估计几何布朗运动过程的参数。原创 2024-07-23 20:21:05 · 948 阅读 · 0 评论 -
2024 年 100 大数据科学面试问答
数据科学是一个快速发展的领域,它正在改变组织根据数据理解和做出决策的方式。因此,公司越来越多地寻求聘请数据科学家来帮助他们理解数据并推动业务成果。这导致了对数据科学家的高需求,这些职位的竞争可能非常激烈。为了帮助您准备数据科学面试,我们编制了一份您可能遇到的前 100 个数据科学面试问题列表。原创 2024-07-22 01:12:24 · 1669 阅读 · 0 评论 -
彻底改变时尚:使用 GAN 实现 AI 的未来
想象一下,在这个世界里,时装设计师永远不会用完新想法,我们穿的每一件衣服都是一件艺术品。听起来很有趣,对吧?好吧,我们可以在通用对抗网络 (GAN)的帮助下在现实中实现这一目标。GAN模糊了现实与想象之间的界限。它就像一个瓶子里的精灵,满足了我们所有的创造性愿望。我们甚至可以在GAN的帮助下在地球上创造一个太阳,这在现实生活中是不可能的。原创 2024-07-16 08:20:11 · 1594 阅读 · 0 评论 -
朴素贝叶斯机器学习算法:从基础到高级
在测试阶段,该算法根据观察到的特征值检索相应的概率,将它们相乘,并提供最终输出,指示预测的类别。无平滑 (alpha = 0):在没有任何平滑的情况下,如果我们遇到一封新电子邮件,其中包含训练数据中未看到的特征值,则其概率将为零。给定特定的天气条件,例如天气 = 晴天,温度 = 凉爽,湿度 = 正常,大风 = 真,我们想预测这个条件穿过可可西里的可能性。我们用一个简单的示例,我们假如要提取出天气对翻越可可西里无人区的影响,提取出气候影响的模型,便可预测任意天气下,考察对穿越可可西里的可能性预测。原创 2024-06-19 22:46:20 · 1110 阅读 · 0 评论 -
扩散模型会成为深度学习的下一个前沿领域吗?
谷歌的 AlphaFold 3 因其彻底改变生物技术的潜力而受到广泛关注。与以前的方法相比,导致其性能提升的关键创新之一是它利用了扩散模型。AlphaFold 3 的功能来自其下一代架构和训练,现在涵盖了所有生命分子。该模型的核心是我们的 Evoformer 模块的改进版本——一种深度学习架构,支撑了 AlphaFold 2 令人难以置信的性能。在处理输入后,AlphaFold 3 使用扩散网络组装其预测,类似于 AI 图像生成器中的预测。扩散过程从一团原子开始,经过许多步骤,汇聚到其最终的、最准确的分子结原创 2024-06-06 05:18:05 · 2736 阅读 · 1 评论 -
【高级机器学习理论】变分推理
我们生活在量化的时代。但严格的量化说起来容易做起来难。在生物学等复杂系统中,收集数据可能既困难又昂贵。在医学和金融等高风险应用中,考虑不确定性至关重要。变分推理——人工智能研究前沿的一种方法——是解决这些问题的一种方法。原创 2024-05-22 00:10:33 · 1332 阅读 · 0 评论 -
图神经网络并在 TensorFlow 中实现
本文将引导您了解图神经网络 (GNN) 并使用 TensorFlow 实现该网络。在后续的文章中,我们讨论 GNN 的不同变体及其实现。原创 2023-12-20 08:52:24 · 2029 阅读 · 1 评论 -
【数据挖掘】推荐系统(一):协同过滤
推荐系统是一种计算机程序或算法,用于预测用户对特定项目的兴趣度,并根据这些预测向用户提供个性化推荐。这种系统通常使用大量数据来分析用户的行为和偏好,以找出潜在的喜好和兴趣。推荐系统可以应用于电子商务、社交媒体、影视娱乐等领域,帮助提高用户体验、增加销售和粘性。原创 2023-07-07 14:11:35 · 6661 阅读 · 0 评论 -
【 语音问题 】解决在win 32/64上无法安装 pyaudio ?
Python3.7 无法安装pyaudio,度娘的结果基本都是这个,pip install pyaudio.....然而十有八九你的电脑不买账,会报错。本篇将介绍如何在win10+anaconda安装pyaudio。原创 2023-10-17 21:08:46 · 2473 阅读 · 2 评论 -
“理解梯度下降:直觉、数学公式和推导”
梯度下降是机器学习中使用的一种流行的优化算法,通过迭代调整函数的参数来最小化函数。基本思想是将函数的参数沿函数梯度最陡峭下降的方向移动。原创 2023-10-15 11:19:01 · 1808 阅读 · 0 评论 -
第一次部署机器学习模型
自从我开始机器学习以来,Jupyter Notebooks一直是我最忠实的伙伴。从数据预处理到模型训练、微调和测试,Jupyter Notebooks 在每一步都为我提供支持。然而,我一直都知道,在这些数字页面之外,还有一个完整的世界——一个部署和应用的世界。原创 2023-09-15 13:35:03 · 1889 阅读 · 1 评论 -
在一小时内构建您的深度学习应用程序
在本文中,您将找到有关构建和部署由机器学习提供支持的第一个服务的初学者级教程。原创 2023-08-17 11:26:39 · 4000 阅读 · 0 评论 -
现代C++中的从头开始深度学习:【6/8】成本函数
在机器学习中,我们通常将问题建模为函数。因此,我们的大部分工作都包括寻找使用已知模型近似函数的方法。在这种情况下,成本函数起着核心作用。原创 2023-08-31 14:00:47 · 4237 阅读 · 0 评论 -
机器学习前沿:改进自身缺陷,满足新战略
机器学习在人工智能历史上扮演重要角色,然而,存在问题也不少。为了适应新时代和新任务,不做出重大改进是不可能的,本篇就一些突出问题和改进做出讨论。以便读者掌握未来的思路和方向。原创 2023-09-01 12:26:22 · 2534 阅读 · 0 评论 -
FifthOne:计算机视觉提示和技巧
欢迎来到我们每周的FiftyOne提示和技巧博客,我们回顾了最近在Slack,GitHub,Stack Overflow和Reddit上弹出的问题和答案。FiftyOne是一个开源机器学习工具集,使数据科学团队能够通过帮助他们策划高质量数据集、评估模型、查找错误、可视化嵌入。原创 2023-08-19 13:40:37 · 4050 阅读 · 0 评论 -
使用 Python 在 NLP 中进行文本预处理
文本预处理是自然语言处理 (NLP) 中的关键步骤,涉及将原始文本数据转换为适合分析和建模的干净且规范化的格式。基本技术包括小写、标记化、删除特殊字符和数字、删除停用词、词干提取、词形还原、删除 HTML 标记、删除 URL、扩展收缩和使用 TextBlob 等工具进行文本更正。原创 2023-08-14 21:13:18 · 4019 阅读 · 0 评论 -
【深度学习所有损失函数】在 NumPy、TensorFlow 和 PyTorch 中实现(2/2)
在本文中,讨论了深度学习中使用的所有常见损失函数,并在NumPy,PyTorch和TensorFlow中实现了它们。原创 2023-08-12 16:08:06 · 3698 阅读 · 1 评论 -
改变我们生活的得力算法
M在过去的几年里,学习取得了长足的进步,现在它在各个领域的应用已经飙升。从Chat-GPT到DALL。E 2,每个应用程序都使用机器学习算法为我们提供最好的结果,并使我们能够更高效,更准确地解决复杂问题。在这篇博文中,我将分享10种最有前途的机器学习算法,它们可以主宰未来。原创 2023-08-11 17:38:07 · 2600 阅读 · 0 评论 -
谈人工智能和数据治理
我们已经看到,人工智能可以以一种触发范式转变开始的方式增强数据治理。很多变化已经发生,而且它们将继续存在。原创 2023-07-16 07:49:04 · 3026 阅读 · 0 评论 -
【数据挖掘】时间序列教程【一】
对于时间序列的研究,可以追溯到19世纪末和20世纪初。当时,许多学者开始对时间相关的经济和社会现象进行研究,尝试发现其规律和趋势。其中最早的时间序列研究可以追溯到法国经济学家易贝尔(Maurice Allais)和英国经济学家詹姆斯·克拉克(James Clark)的研究。随着时间序列分析方法的不断发展和应用,时间序列研究逐渐成为了统计学、经济学、金融学、工程学等领域重要的研究方向。原创 2023-06-30 09:29:57 · 7503 阅读 · 1 评论 -
【数据挖掘】时间序列模型处理指南(二)
本文是一个系列文章的第二部分,本文将用股票数据进行时间序列分析为例,对时间分析的方法、过程,进行详细阐述。原创 2023-06-30 08:39:15 · 5269 阅读 · 0 评论 -
【NLP】用python实现文本转语音处理
介绍一款python调用库,离线软件包pyttsx3 API,它能够将文字转化成语音文件。Python 中有多种 API 可用于将文本转换为语音。pyttsx3 是一个非常易于使用的工具,可将输入的文本转换为音频。与其它类似的库不同,它可以离线工作,并且与 Python 2 和 3 兼容。原创 2023-06-24 20:05:23 · 6597 阅读 · 3 评论 -
低差异序列:范德科皮特序列(Van der Corput sequence)
低差异序列是因为要引入伪随机序列空间而提出的。因为伪随机数虽然可以电脑产生,但是分布不够均匀,在仿真实验中产生不准。比如,用蒙特卡洛算法就要求无论所取空间大小如何,都应该将样本均匀分布在集合中。因此,范德科皮特序列就显得尤其有用。原创 2022-01-14 16:21:32 · 5409 阅读 · 0 评论 -
GraphViz:2 DOT语法和相关应用
1Graphviz制图概述总的来说,Graphviz 支持两类图:无向图(graph,用“ - - ”表示节点之间) 有向图(digraph,用“ ->” 表示节点之间)。顶点和边都具有各自的属性,比如形状,颜色,填充模式,字体,样式等。主要的布局器如下:dot: 默认布局方式,主要用于有向图; neato:基于 sprint model 模型,又称force-based 或者 energy minimized; twopi:径向布局,放射状; circo:圆环布局; f...原创 2021-08-02 12:04:42 · 8345 阅读 · 6 评论 -
GraphViz :在Win10+conda+python的安装和测试
GraphViz 是一款开源的绘图工具,它可以用来绘制各种类型的图形,如流程图、类图、UML 图等。GraphViz 的绘图语言是基于 DOT 语言的,它通过描述节点和边的关系来生成图形。GraphViz 支持多种不同的输出格式,包括 PNG、SVG、PDF 等等,还可以通过插件来实现对 GraphViz 的扩展功能。GraphViz 工具可以在 Windows、Mac OS X、Linux 等多个平台上运行,是一个非常实用的绘图工具。原创 2021-08-02 13:43:47 · 7566 阅读 · 1 评论 -
在Win10下安装python+tensorflow-gpu-2.4 虚拟环境
1 确定CUDA版本;首先需要确定安装的python和tf版本。通过下述地址查看:在 Windows 环境中从源代码构建 | TensorFlow (google.cn);并确定如下版本:因此需要CUDA11.0资源。2 win10下安装CUDA11.0查看独立显卡:win+R打开cmd;输入dxdiag较为重要的信息如下:产品类型:GeForce 产品系列:GeForce 30 series 【此处30就是指3060的30】 产品: GeFor...原创 2021-08-05 16:58:29 · 3333 阅读 · 0 评论 -
如何在Ubuntu20.04配置Tesla T4板卡
1 手先需要卸载当前的网卡驱动1)用ctrl+Alt+Fn进入命令行; Fn=F1 ~ F102)sudo apt-get purge nvidia-* 卸载显卡驱动3)nvidia-smi 不显示nvidia界面2 在https://www.nvidia.cn/Download/Find.aspx?lang=cn下载T4驱动,界面如下:3 先关掉几个服务4 安...原创 2021-07-06 16:35:45 · 6971 阅读 · 1 评论 -
机器视觉:盘点各种特征点检测
这是最早的角点检测算法之一,并将角点定义为自相似度低的点。 [3]该算法通过考虑以像素为中心的补丁与附近大部分重叠的补丁的相似程度,测试图像中的每个像素以查看是否存在角落。通过取两个补丁的相应像素之间的平方差之和 (SSD) 来测量相似度。较低的数字表示更多的相似性。如果像素位于强度均匀的区域,则附近的块看起来相似。如果像素在边缘上,那么在垂直于边缘的方向上附近的补丁看起来会有很大的不同,但是在平行于边缘的方向上的附近的补丁只会导致很小的变化。如果像素位于所有方向都有变化的特征上,则附近的块看起来都不会原创 2022-03-12 08:19:54 · 7667 阅读 · 0 评论 -
恢复错误:\anaconda3\lib\site-packages\zmq\backend\cffi\__pycache__\_cffi_ext.c(266)
在安装或运行软件,如果出现包含zmq的错误提示,那它是什么意思?它将使得哪些软件无法运行,应该如何处理,才能恢复?本篇将我遇到的和我学到的告诉大家。原创 2022-01-10 14:44:44 · 4003 阅读 · 0 评论