- 博客(28)
- 收藏
- 关注
RSS订阅转载 17个机器学习的常用算法
根据数据类型的不同，对一个问题的建模有不同的方式。在机器学习或者人工智能领域，人们首先会考虑算法的学习方式。在机器学习领域，有几种主要的学习方式。将算法按照学习方式分类是一个不错的想法，这样可以让人们在建模和算法选择的时候考虑能根据输入数据来选择最合适的算法来获得最好的结果。
2022-08-22 09:48:57
178
1
原创 关于深度学习核心技术实践与图神经网络新技术应用进修
当前，人工智能的发展，在很大程度上归功于深度学习技术的发展。2、能够把握深度学习的技术发展趋势，可以熟练掌握深度学习核心技术、实践技巧，同时针对工作中存在的疑难问题进行分析讲解和专题讨论，有效的提升学员解决复杂问题的能力；五、高级-模型优化的原理 不同的模型需要采用的优化函数以及反向传播中参数的优化方法 1.模型优化的算法介绍，基于随机梯度下降的算法介绍。二、数据理解及处理 分析典型场景中的典型数据，结合具体的算法，对数据进行处理 1.结构化数据，如何对数据进行读取，进行组织。
2022-08-20 06:51:05
432
转载 工业互联网：制造业数字化转型重要力量
截至2022年上半年，国家级、行业级、企业级多层次的工业互联网平台体系初步构建，我国具有行业、区域影响力的工业互联网平台超150家，工业APP数量超过28万个，重点工业互联网平台连接工业设备超过7900万台（套），服务工业企业超过160万家。360集团创始人周鸿祎向记者表示，在互联网的下半场，政fu、城市、制造业将成为数字经济的主角，成为大数据的主要玩家，而工业互联网作为驱动数字化转型、支撑制造业高质量发展的重要抓手，将面临新的安全挑战。近年来，工业互联网进产业基地、进产业园区、进重点企业持续提速。...
2022-08-19 09:15:38
168
原创 关于迁移学习核心技术开发与应用的进修之路
新一代人工智能重大科技项目，聚焦基础理论和关键共性技术的前瞻布局，包括研究大数据智能、跨媒体感知计算、混合增强智能、群体智能、自主协同控制与决策等理论，研究知识计算引擎与知识服务技术、跨媒体分析推理技术、群体智能关键技术、混合增强智能新架构与新技术、自主无人控制技术等，开源共享人工智能基础理论和共性技术。”随着人工智能的发展，越来越多的机器学习应用场景的出现，现有表现比较好的监督学习需要大量的标注数据，标注数据是一项枯燥无味且花费巨大的任务，所以迁移学习受到越来越多的关注。九、实验实操之深度迁移学习实践。.
2022-08-18 09:21:09
108
转载 计算正向智算跨越
这些数据表明，随着高质量算力基础设施建设的推进，以及云计算、大数据、人工智能、区块链等技术和应用的落地普及，我国算力技术创新不断提速，算力产业保持高速增长，算力规模持续快速提升，算力产业生态日渐完善。张云明表示，工信部着力构建以新一代信息通信网络为基础，以数据和算力设施为核心，以融合基础设施为重点的新型信息基础设施体系，加快算力规划制定，加强算力核心技术攻关，促进算力资源供需对接，培育算力新产业、新业态和新模式，已取得积极成效。随着数字经济时代的全面开启，算力作为重要“底座”支撑，赋能作用日渐凸显。...
2022-08-17 09:32:02
63
原创 知识图谱构建与应用的进阶计划
基于百科知识进行各项核心技术的实例训练，并结合数字图书馆、医疗、金融、电商、农业、法律等行业应用帮助学员快速积累知识图谱工程项目经验。《新一代人工智能发展规划》明确提出了“建立新一代人工智能关键共性技术体系”的重点任务，特别强调了要解决“研究跨媒体统一表征、关联理解与知识挖掘、知识图谱构建与学习、知识演化与推理、智能描述与生成等技术，开发跨媒体分析推理引擎与验证系统”的关键共性技术问题。1.5.2行业知识图谱：Google知识图谱，微软实体图，阿里知识图谱，医学知识图谱，基因知识图谱等知识图谱项目。....
2022-08-16 09:26:37
252
转载 数字孪生五维模型及十大领域应用
摘 要：数字孪生(Digital Twin)作为践行智能制造、工业4.0、工业互联网、智慧城市等先进理念的使能技术与手段，近期备受学术界和企业界关注，尤其是数字孪生的落地应用更是关注热点。模型是数字孪生的基础与核心，而传统数字孪生三维模型已无法满足现阶段技术发展与应用需求。在此背景下，为推动数字孪生技术在相关领域和行业的进一步应用，在数字孪生车间研究过程中，提出了数字孪生五维模型的概念，以适应新需求。基于前期相关研究，在进一步阐述数字孪生五维模型后，结合相关合作企业实际应用需求，重点探讨了数字孪生五维模型
2022-08-15 09:45:26
776
原创 大数据建模、分析、挖掘技术应用的进阶之路
今天所产生的数据比过去几年所产生的数据大好几 个数量级，企业有了能够轻松访问和分析数据以提高性能的新机会，如何从数据中获取价值显得尤 为重要，也是大数据相关技术急需要解决的问题。6.掌握基于 Hadoop 大数据平台的数据挖掘和数据仓库分布式系统平台应用，以及商业和开源的数据分析产 品加上 Hadoop 平台形成大数据分析平台的应用剖析。5.掌握主流的基于大数据 Hadoop 和Spark、R 的大数据分析平台架构和实际应用。九 、 Python Spark 决策树二分类与多分类。...
2022-08-13 08:37:39
151
1
原创 智能遥感：AI赋能遥感技术
随着人工智能的发展和落地应用，以地理空间大数据为基础，利用人工智能技术对遥感数据智能分析与解译成为未来发展趋势。本文以遥感数据转化过程中对观测对象的整体观测、分析解译与规律挖掘为主线，通过综合国内外文献和相关报道，梳理了该领域在遥感数据精准处理、遥感数据时空处理与分析、遥感目标要素分类识别、遥感数据关联挖掘以及遥感开源数据集和共享平台等方面的研究现状和进展。首先，针对遥感数据精准处理任务，从光学、SAR等遥感数据成像质量提升和低质图像重建两个方面对精细化处理研究进展进行了回顾，并从遥感图像的局部特征匹配和区
2022-08-12 08:55:35
671
转载 未来装备探索：数字孪生装备
数字装备是物理装备在信息空间中的镜像，由物理装备的几何模型、物理模型、行为模型和规则模型融合组装而成[7]，负责刻画物理装备的时空几何关系，实时运行状态、行为和过程，描述物理装备的多维属性和运行机理，以及表征装备能力和相关规律规则，是实现装备数字化赋能和智能化升级的核心。为实现物理装备设计、制造及运维管控等阶段的过程可视化、状态监测与回溯等功能，以及指导物理装备制造阶段的装配和回收阶段的拆卸等过程，需要构建装备的几何模型来描述物理装备及零部件的外观形状、尺寸大小、内部结构、空间位置与姿态、装配关系等；...
2022-08-10 08:58:10
359
1
转载 基于互联网群体智能的知识图谱构造方法
摘要知识图谱是一种基于图的结构化知识表示方式.如何构造大规模高质量的知识图谱, 是研究和实践面临的一个重要问题.提出了一种基于互联网群体智能的协同式知识图谱构造方法.该方法的核心是一个持续运行的回路, 其中包含自由探索、自动融合、主动反馈3个活动.在自由探索活动中, 每一参与者独立进行知识图谱的构造活动.在自动融合活动中, 所有参与者的个体知识图谱被实时融合在一起, 形成群体知识图谱.在主动反馈活动中, 支撑环境根据每一参与者的个体知识图谱和当前时刻的群体知识图谱, 向该参与者推荐特定的知识图谱片段信息,
2022-08-09 09:27:55
200
1
转载 新SCADA 系统：集成边缘计算、MQTT 和云平台
数据通过MQTT 传输。Cher venkov 说：“该系统使我们能够扩大报告工作，以应对不断增加的容量，以及更多的设施和增加的复杂性所带来的挑战。“这类系统可用于任何类型的数据采集和分析，” Leefers 说，“我们已经建立了一个高可用性和高冗余的系统，通过互联网与中央数据库连接，可靠地从世界任何地方的运营中获取数据。“ 当决定将其分为两个系统时，我们并没有现成的、在以前项目中使用过的任何模型，” Leefers 说，“我们做这个决定，完全是根据客户提供的信息和我们过去的经验。” Leefers 说。.
2022-08-06 09:49:05
166
原创 关于迁移学习核心技术开发与应用的进修计划书
新一代人工智能重大科技项目，聚焦基础理论和关键共性技术的前瞻布局，包括研究大数据智能、跨媒体感知计算、混合增强智能、群体智能、自主协同控制与决策等理论，研究知识计算引擎与知识服务技术、跨媒体分析推理技术、群体智能关键技术、混合增强智能新架构与新技术、自主无人控制技术等，开源共享人工智能基础理论和共性技术。”随着人工智能的发展，越来越多的机器学习应用场景的出现，现有表现比较好的监督学习需要大量的标注数据，标注数据是一项枯燥无味且花费巨大的任务，所以迁移学习受到越来越多的关注。九、实验实操之深度迁移学习实践。.
2022-08-05 10:02:25
149
转载 价值攻防：认知域作战的重要方式
这往往需要抓住影响对手认知的价值观念、政治态度、宗教信仰等，通过扰乱其社会群体心理，诱发价值困惑，动摇作战意志，摧毁文化认同，甚至改变瓦解其原有的认知体系，从而灌输或植入新的、于己有利的价值观念，以实现作战目的。然而，意识形态具有“缝合”功能，通过认知塑造、话语建构，可以把断裂的认知有效地“缝合”起来，把分散的价值凝聚起来，形成相对稳固的认知体系。与物理域军事斗争直接打击摧毁“硬”目标不同，认知域作战的潜在目标为人的认知，价值攻防指向的是改变作战对象的观念、信念、意志、情感等，往往需要潜移默化、步步为营。.
2022-08-04 09:23:01
1015
原创 大数据建模、分析、挖掘技术应用研修计划书
今天所产生的数据比过去几年所产生的数据大好几 个数量级，企业有了能够轻松访问和分析数据以提高性能的新机会，如何从数据中获取价值显得尤 为重要，也是大数据相关技术急需要解决的问题。数据建模不仅仅是任意组 织数据结构和关系，还必须与最终用户的需求和问题联系起来，并提供指导，帮助确保正确的数据 正确使用正确的方法获得正确的结果。6.掌握基于 Hadoop 大数据平台的数据挖掘和数据仓库分布式系统平台应用，以及商业和开源的数据分析产 品加上 Hadoop 平台形成大数据分析平台的应用剖析。决策树二分类与多分类。..
2022-08-03 11:09:54
146
转载 边缘计算：盘点100个知识点
编者按：本文编译自Open Glossary of Edge Computing，仅供学习交流。3G、4G、5G第三代、第四代和第五代蜂窝技术。简单来说，3G 代表智能手机及其移动网络浏览器的引入；4G 是当前一代的蜂窝技术，为移动设备提供真正的宽带互联网接入；5G 蜂窝技术将为蜂窝系统提供巨大的带宽并减少延迟，支持从智能手机到自动驾驶汽车和大规模物联网的一系列设备。边缘计算被认为是 5G 的关键组成部分。接入边缘（Access Edge）最接近物理最后一公里网络的服务提供商边缘的子层，RAN 或电缆头端零
2022-08-02 09:02:03
247
原创 迁移学习核心技术开发与应用进修
2.掌握目标检测模型的评测指标（IOU和mAP）、标准评测数据集（PascalVOC，MSCOCO和Cityscapes）以及检测模型中的一些训练技巧，如数据增强、多尺度训练/测试、预测框微调/投票法、在线难例挖掘、软化非极大抑制、RoI对齐和集成。各省市、自治区从事人工智能、机器学习、深度学习、迁移学习、计算机视觉、自然语言处理、语音识别、图像处理、小样本分析等领域相关的企事业单位技术骨干、科研院所研究人员和大专院校相关专业教学人员及在校研究生等相关人员，以及深度迁移学习广大爱好者。...
2022-08-01 09:26:59
336
1
原创 大数据建模、分析、挖掘技术应用进修
今天所产生的数据比过去几年所产生的数据大好几个数量级，企业有了能够轻松访问和分析数据以提高性能的新机会，如何从数据中获取价值显得尤为重要，也是大数据相关技术急需要解决的问题。数据建模不仅仅是任意组织数据结构和关系，还必须与最终用户的需求和问题联系起来，并提供指导，帮助确保正确的数据正确使用正确的方法获得正确的结果。各省市、自治区从事大数据分析、数据挖掘、数据处理、数据建模等领域相关的企事业单位技术骨干、科研院所研究人员和大专院校相关专业教学人员及在校研究生等相关人员，以及大数据研究广大爱好者。...
2022-07-30 09:21:25
93
1
原创 基于马尔科夫边界发现的因果特征选择算法综述
根据定义3,一个节点的MB可直接从忠实的贝叶斯网络中“读”出来.如图1所示,节点T的MB为{A,B,G,H,F},包含父节点A、B,子节点G、H,配偶节点F.从因果图的角度分析,MB提供变量周围的局部因果结构,父节点、子节点、配偶节点分别对应目标变量的直接原因、直接结果、直接结果的其它原因.MB发现算法通过挖掘变量的局部因果结构,无需学习完整的贝叶斯网络即可找到变量的MB.而变量的MB集合有一个特殊的统计特性,见定理1.3)测试新MB是否正确....
2022-07-29 09:46:17
625
原创 室内定位中非视距的识别和抑制算法研究综述
计算机视觉技术主要分为利用地标包含的信息解算为矩阵实现定位和对数据库内存储的相机位置信息进行图像指纹匹配实现定位[6]两种.伴随计算机视觉技术的发展和成熟,使得基于视觉的用于同时定位与地图构建(simultaneouslocalizationandmapping,SLAM)的技术可获得图形和视觉的支持.视觉SLAM技术包括前端和后端两部分,前端又称视觉里程计(visualodometry,VO),主要进行特征检测和数据关联任务;但定位结果的准确性易受测距和测量角度仪器的精度的影响....
2022-07-23 09:26:46
331
原创 关于举办“深度强化学习核心技术开发与应用研修班”
框架,并广泛应用于机器人、无人机、无人车、无人艇、兵棋推演、自动驾驶、能源分配、编队控制、人、智能体、多智能体、兵棋推演、自动驾驶、能源分配、编队控制、航迹规划、路由规划等领域相。各省市、自治区从事人工智能、机器学习、计算机视觉、自然语言处理、无人机、无人艇、无人。、迁移学习等成为了科学界、工业界研究和应用的热点。程技术经验，长期从事人工智能、机器学习、深度学习、大数据分析等领域的教学与研究工作。迹规划、路由规划等众多领域，具有极高的研究与应用价值。游戏平台、机器人控制、计算机视觉、自然语言处理。...
2022-07-22 09:16:20
418
原创 学习核心技术开发与应用进修班
国务院关于印发新一代人工智能发展规划的通知》指出“新一代人工智能重大科技项目，聚焦基础理论和关键共性技术的前瞻布局，包括研究大数据智能、跨媒体感知计算、混合增强智能、群体智能、自主协同控制与决策等理论，研究知识计算引擎与知识服务技术、跨媒体分析推理技术、群体智能关键技术、混合增强智能新架构与新技术、自主无人控制技术等，开源共享人工智能基础理论和共性技术。越来越多的机器学习应用场景的出现，现有表现比较好的监督学习需要大量的标注数据，标注数据是一项枯燥无味且花费巨大的任务，所以迁移学习受到越来越多的关注。...
2022-07-21 09:45:55
223
1
原创 递归神经网络（RNN）
RNN是最强大的模型之一，它使我们能够开发如分类、序列数据标注、生成文本序列（例如预测下一输入词的SwiftKeykeyboard应用程序），以及将一个序列转换为另一个序列（比如从法语翻译成英语的语言翻译）等应用程序。状态向量在处理评论中的下一个单词时传递给模型，并生成新的状态向量。到现在为止，我们只是了解了RNN的功能，但并不知道它是如何工作的。现在来看一下实现RNN的代码，并了解RNN内部发生的情况。两个英文句子，用同样的单词，但只有考虑单词的顺序时，它们才意味着不同的含义。函数来了解发生了什么。...
2022-07-20 09:14:37
192
1
原创 深度学习之计算机视觉
本章将探讨如何从零开始构建一个解决图像分类问题的架构，这是最常见的用例。本章还将讲解如何使用迁移学习，这将有助于我们使用非常小的数据集构建图像分类器。在过去几年中，CNN已经在图像识别、对象检测、分割以及计算机视觉领域的许多其他任务中得到广泛应用。它们也在自然语言处理（Natural Language Processing，NLP）领域变得流行，尽管还没有被普遍使用。全连接层和卷积层之间的根本区别在于权重在中间层中彼此连接的方式。图5.1描述了全连接层或线性层是如何工作的。 图5.1在计算机视觉中使用线性层
2022-07-13 18:15:37
354
原创 机器学习基础
本章涵盖了以下主题：请记住，在本章中讨论的大多数技术都是机器学习和深度学习通用的，一部分用于解决过拟合问题的技术（如dropout）除外。在之前的所有例子中，尝试解决的是分类（预测猫或狗）或回归（预测用户在平台上花费的平均时间）问题。所有这些都是有监督学习的例子，目的是找到训练样例和目标之间的映射关系，并用来预测未知数据。有监督学习只是机器学习的一部分，机器学习也有其他不同的部分。以下是3种不同类型的机器学习：下面详细讲解各种算法。在深度学习和机器学习领域中，大多数成功用例都属于有监督学习。本书中所涵盖的大
2022-07-11 09:46:49
861
原创 深入了解神经网络
本章将介绍用于解决实际问题的深度学习架构的不同模块。前一章使用PyTorch的低级操作构建了如网络架构、损失函数和优化器这些模块。本章将介绍用于解决真实问题的神经网络的一些重要组件，以及PyTorch如何通过提供大量高级函数来抽象出复杂度。本章还将介绍用于解决真实问题的算法，如回归、二分类、多类别分类等。本章将讨论如下主题：上一章已经介绍了训练深度学习算法需要的几个步骤。1．构建数据管道。2．构建网络架构。3．使用损失函数评估架构。4．使用优化算法优化网络架构的权重。上一章中的网络由使用PyTorch数值运
2022-07-08 09:52:24
58
转载 使用深度学习进行图像分类
解决任何真实问题的重要一步是获取数据。Kaggle提供了大量不同数据科学问题的竞赛。我们将挑选一个2014年提出的问题，然后使用这个问题测试本章的深度学习算法，并在第5章中进行改进，我们将基于卷积神经网络（CNN）和一些可以使用的高级技术来改善图像识别模型的性能。大家可以从https://www.kaggle.com/c/dogs-vs-cats/data下载数据。数据集包含25,000张猫和狗的图片。在实现算法前，预处理数据，并对训练、验证和测试数据集进行划分是需要执行的重要步骤。数据下载完成后，可以看到
2022-07-06 17:25:19
267
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人