机器智能
机器智能,我们一定要相信,人类是有智慧的,动物是有本能的,机器是有智能的,我认为“人工智能”,人类把自己看得太高,我们人类对自己的大脑了解还不到15%,我们何能让机器像我们一样去思考。
ATM006
风之积也不厚 其负大翼也无力
展开
-
函数间隔和几何间隔
函数间隔几何间隔原创 2021-02-22 14:42:31 · 197 阅读 · 0 评论 -
机器学习开放数据集
学习机器学习最好使用真实数据进行实验,而不仅仅是人工数据集。我们有成千上万覆盖了各个领域的开放数据集可以选择。以下是一些可以获得数据的地方。·流行的开放数据存储库:·UC Irvine Machine Learning Repository(http://archive.ics.uci.edu/ml/)·Kaggle datasets(https://www.kaggle.com/datasets)·Amazon’s AWS datasets(http://aws.amazon.com/fr原创 2020-12-30 17:31:25 · 270 阅读 · 0 评论 -
线性回归损失函数求偏导(推到过程)
线性回归使用线性模型去拟合数据集,进行预测。线性回归的预测函数的一般形式为:用(xi,yi)表示为第i个样本,xi,yi分别为其特征和真实类别。线性回归模型中,参数w的最优值为:参考线性回归损失函数求偏导...原创 2020-01-07 21:45:31 · 5748 阅读 · 1 评论 -
如何把kesciCIFAR10数据集加载到Tensorflow中(文末附数据集)
工欲善其事必先利其器,然而每次处理数据集总会遇到数据集加载的问题。本文实现了kesci中CIFAR10数据集加载到Tensorflow中。画不多说,文末附代码。数据集介绍背景说明CIFAR-10数据集是由CIFAR(Candian Institute For Advanced Research) 收集整理的一个用于机器学习和图像识别问题的数据集。这个数据集共有60000张32 * 3...原创 2020-01-01 12:47:00 · 683 阅读 · 0 评论 -
Tensorflow 笔记-卷积神经网络
参考链接卷积 Convolutional有效提取图片特征的方法。一般用一个正方形卷积核,遍历图片上的每一个像素点。图片与卷积核重合区域内相对应的每一个像素值乘卷积核内相对应点的权重,然后求和,再加上偏置后,最后得到输出图片中的一个像素值。一张分辨率仅仅是 28x28 的黑白图像,就有近 40 万个待优化的参数。现实生活中高分辨率的彩色图像,像素点更多,且为红绿蓝三通道信息...原创 2019-12-28 18:37:18 · 211 阅读 · 0 评论 -
Tensorflow 笔记-全连接神经网络搭建
MNIST 数据集输出手写数字识别准确率输入手写数字输出识别结果全连接:每个神经元与前后相邻层的每一个神经元都有连接关系,输入是特征,输出为预测的结果前先向传播定义输入、参数和输出。# mnist_forward.pyimport tensorflow as tfINPUT_NODE = 28 * 28OUTPUT_NODE = 10LAYER1_NODE =...原创 2019-12-27 16:57:12 · 259 阅读 · 0 评论 -
Tensorflow笔记-神经网络优化
参考链接https://www.icourse163.org/learn/PKU-1002536002?tid=1002700003#/learn/content?type=detail&id=1004033052&sm=1一、基本概念神经元模型:用数学公式表示为:????(∑???????????????????? + ????),f 为激活函数。神经网络是以神经元为基本单 元构成的。激活函数:引入非线性激...原创 2019-12-26 13:03:53 · 332 阅读 · 0 评论 -
Tensorflow笔记-搭建神经网络
参考链接:https://www.icourse163.org/learn/PKU-1002536002?tid=1002700003#/learn/content?type=detail&id=1003976116&sm=1搭建神经网络,总结搭建八股一、基本概念基于 Tensorflow 的 NN:用张量表示数据,用计算图搭建神经网络,用会话执 行计算图,优化线上的权...原创 2019-12-25 22:23:32 · 191 阅读 · 0 评论 -
机器学习数据预处理阶段为什么需要——归一化处理
参考:https://www.cnblogs.com/bjwu/p/8977141.html通常,在Data Science中,预处理数据有一个很关键的步骤就是数据的标准化。这里主要引用sklearn文档中的一些东西来说明,主要把各个标准化方法的应用场景以及优缺点总结概括,以来充当笔记。提升模型精度在机器学习算法的目标函数(例如SVM的RBF内核或线性模型的l1和l2正则化),许多学习...原创 2019-11-27 12:11:19 · 975 阅读 · 0 评论 -
AI操作系统:构建AI操作系统【译】
这篇文章是Algorithmia首席执行官迭戈·奥本海默(Diego Oppenheimer)最近在2017年GeekWire技术云峰会上发表的题为“为AI构建操作系统”的演讲的摘要。您可以从这里收听原始谈话。为了更好地查看幻灯片,您可以从这里开始。您的笔记本电脑上的操作系统正在同时运行数十个或数百个进程。它为每个进程提供所需的正确数量的资源(RAM,CPU,IO)。它将它们隔离在它们自己...翻译 2019-10-14 23:14:11 · 759 阅读 · 0 评论 -
机器智能开篇
目前理解类脑智能和研制有潜力再现自然智能的自适应系统仍是科学和工程领域的最大挑战之一。无数的科学家希望构建一套高鲁棒性、自适应、易扩展且可容错的通用类脑智能系统,最终时机器智能更接近真正智能。机器智能研究的领域包括神经科学人工智能、认知科学、计算理论、统计学、计算机科学、工程设计等。目前研究方向主要分为两个方面:数据驱动方法和生物启发式方法。数据驱动方法的目标是理解如何设计自适应系统,使它能从...原创 2019-03-26 21:25:40 · 276 阅读 · 0 评论