人工智能
文章平均质量分 91
metasearch
这个作者很懒,什么都没留下…
展开
-
机器学习与人工智能学习资源导引
机器学习与人工智能学习资源导引TopLanguage(https://groups.google.com/group/pongba/) 我经常在 TopLanguage讨论组上推荐一些书籍,也经常问里面的牛人们搜罗一些有关的资料,人工智能、机器学习、自然语言处理、知识发现(特别地,数据挖掘)、信息检索这些无疑是 CS 领域最好玩的分支了(也是互相紧密联系的),这里将最近有关机器转载 2008-09-19 15:44:00 · 1014 阅读 · 1 评论 -
Choosing the right estimator
机器学习中最难的是如何根据数据的特性选择不同的estimator,下面的图是一个cheat sheet。转载 2013-11-01 21:49:33 · 737 阅读 · 0 评论 -
6 ways to download intraday data
Few months ago, I have made a post about where to find historical end-of-day data for the US market and I have listed 10 websites that provide such data free (10 ways to download historical stock qu转载 2013-01-29 15:26:12 · 1213 阅读 · 0 评论 -
Support Vector Machines vs. Neural Networks
Support Vector Machines vs. Neural NetworksOut-Of-The-Box Performance-Comparison of Neural Networks and Support Vector Machines on popular Classification- and Regression-Datasets.This experiment a转载 2012-11-11 21:17:55 · 827 阅读 · 0 评论 -
Latent Model- NMF
浅谈矩阵分解在推荐系统中的应用作者:阿俊 发布于:2011-12-6 13:10 Tuesday 分类:推荐系统矩阵分解是最近几年比较火的算法,经过kddcup和netflix比赛的多人多次检验,矩阵分解可以带来更好的结果,而且可以充分地考虑各种因素的影响,有非常好的扩展性,因为要考虑多种因素的综合作用,往往需要构造cost function来将矩阵分解问题转化为优化问题,根据要考虑的转载 2012-10-16 15:54:30 · 918 阅读 · 0 评论 -
Reinforcement Learning
Reinforcement learning:1 Introduction: Inmachine learning area, there are three types of learning, Supervised learning,Reinforcement learning, Unsupervised learning. The difference between them ar原创 2012-01-20 14:29:55 · 994 阅读 · 0 评论 -
AI Planning
AI Planning Theworld is: 1) dynamic 2) stochastic 3) partially observable Actions: 1) take time 2) continuous effect1 classical planning: 1.1 Assume: none of the原创 2012-01-20 14:05:04 · 762 阅读 · 0 评论 -
数学之美番外篇:平凡而又神奇的贝叶斯方法
概率论只不过是把常识用数学公式表达了出来。——拉普拉斯记得读本科的时候,最喜欢到城里的计算机书店里面去闲逛,一逛就是好几个小时;有一次,在书店看到一本书,名叫贝叶斯方法。当时数学系的课程还没有学到概率统计。我心想,一个方法能够专门写出一本书来,肯定很牛逼。后来,我发现当初的那个朴素归纳推理成立了——这果然是个牛逼的方法。——题记目录0. 前言 1. 历史 1.1转载 2011-10-24 15:57:31 · 594 阅读 · 0 评论 -
怎样写一个拼写检查器
怎样写一个拼写检查器 PeterNorvig翻译: EricYou XU上个星期, 我的两个朋友 Dean 和 Bill 分别告诉我说他们对 Google 的快速高质量的拼写检查工具感到惊奇.比如说在搜索的时候键入[speling], 在不到 0.1 秒的时间内, Google 会返回: 你要找的是不是 [spelling]. (Yahoo! 和微软也有类似的功能).让转载 2011-10-24 15:59:41 · 853 阅读 · 0 评论 -
Artificial Intelligence: A modern approach 3rd--Learning notes
Chapter 1 Chapter 2 Intelligent AgentsChapter 3 Solving Problems by searching原创 2011-09-21 22:14:40 · 1014 阅读 · 0 评论 -
启发式算法简谈
<br />引言:<br />解决实际的问题,要建模型,再求解。求解要选择算法,只有我们对各种算法的优缺点都很熟悉后才能根据实际问题选出有效的算法。但是对各种算法都了如指掌是不现实的,但多知道一些,会使你的选择集更大,找出最好算法的概率越大。现在研一,要开题了些点文献综述,愿与大家分享。<br />大自然是神奇的,它造就了很多巧妙的手段和运行机制。受大自然的启发,人们从大自然的运行规律中找到了许多解决实际问题的方法。对于那些受大自然的运行规律或者面向具体问题的经验、规则启发出来的方法,人们常常称之为转载 2011-04-13 22:26:00 · 1789 阅读 · 0 评论 -
智能算法的通俗解释(转载)
<br />在工程实践中,经常会接触到一些比较“新颖”的算法或理论,比如模拟退火,遗传算法,禁忌搜索,神经网络等。这些算法或理论都有一些共同的特性(比如模拟自然过程),通称为“智能算法”。它们在解决一些复杂的工程问题时大有用武之地。<br /> 这些算法都有什么含义?首先给出个局部搜索,模拟退火,遗传算法,禁忌搜索的形象比喻:<br /><br /> 为了找出地球上最高的山,一群有志气的兔子们开始想办法。<br /><br />1.兔子朝着比现在高的地方跳去。他们找到了不远处的最高山峰。但是这座山不一转载 2011-04-13 22:20:00 · 892 阅读 · 0 评论 -
大数据工程人员知识图谱
在企业里面从事大数据相关的工作到底需要掌握哪些知识呢?我认为需要从两个角度来看:一个是技术;一个是业务。技术上主要涉及到概率和数理统计,计算机系统、算法和编程等;而业务的角度呢则是因公司业务的不同而异。对于从事大数据的工程人员来说,需要学会使用数据挖掘方法在计算机系统和编程工具的帮助下解决实际的问题,这样才能够在海量数据中挖掘出业务增长的助推剂,才能在激烈的市场竞争中为企业创造更多的价值。因为转载 2013-12-13 10:05:11 · 922 阅读 · 0 评论