机器学习
文章平均质量分 81
Teacher.chenchong
这个作者很懒,什么都没留下…
展开
-
人工智能领域经典机器学习算法(BP神经网络、支持向量机、决策树、随机森林、变量降维与特征选择、群优化算法等)和热门深度学习方法(卷积神经网络、迁移学习、自编码器、U-Net等)的基本原理及Python
人工智能领域经典机器学习算法(BP神经网络、支持向量机、决策树、随机森林、变量降维与特征选择、群优化算法等)和热门深度学习方法(卷积神经网络、迁移学习、自编码器、U-Net等)的基本原理及Python、Pytorch代码实现方法原创 2024-05-11 16:35:34 · 672 阅读 · 0 评论 -
ChatGPT4+Python近红外光谱数据分析及机器学习与深度学习建模进阶应用
ChatGPT4+Python近红外光谱数据分析及机器学习与深度学习建模进阶应用原创 2024-01-10 16:47:19 · 1088 阅读 · 0 评论 -
ChatGPT4与Python深度融合:数据分析与可视化、人工智能建模及论文高效撰写
ChatGPT4与Python深度融合:数据分析与可视化、人工智能建模及论文高效撰写原创 2023-12-26 14:18:52 · 1074 阅读 · 0 评论 -
免费ChatGPT工具
GPT4原创 2023-10-16 16:04:15 · 1119 阅读 · 1 评论 -
机器学习与深度学习——课题组、科研人员人工智能专属教程
机器学习与深度学习——课题组、科研人员人工智能专属原创 2023-08-17 16:49:09 · 70 阅读 · 0 评论 -
只需十四步,从零开始掌握Python机器学习
只需十四步,从零开始掌握Python机器学习原创 2023-08-03 10:31:36 · 103 阅读 · 0 评论 -
如何使用Python绘制炫酷专业插图?这总结,绝了!
如何使用Python绘制炫酷专业插图?这总结,绝了!原创 2023-07-24 16:02:44 · 50 阅读 · 0 评论 -
这十个Python实战项目,让你瞬间读懂Python!
Python实战原创 2023-07-20 17:13:04 · 156 阅读 · 0 评论 -
那些你必须知道的4个matlab小技巧(附最新安装包)
4个matlab小技巧原创 2023-07-19 16:52:14 · 728 阅读 · 0 评论 -
【附3.7安装包】python安装包下载及安装(超详细)
【附3.7安装包】python安装包下载及安装(超详细)原创 2023-07-12 17:55:40 · 4471 阅读 · 8 评论 -
【郁磊老师】Python数据挖掘与机器学习
Python数据挖掘与机器学习原创 2023-07-10 16:26:14 · 88 阅读 · 0 评论 -
最新基于MATLAB 2023a的机器学习、深度学习
3、LeNet、AlexNet、Vgg-16/19、GoogLeNet、ResNet等经典深度神经网络的区别与联系。2、如何提炼与挖掘创新点?4、预训练模型(Alexnet、Vgg-16/19、GoogLeNet、ResNet等)的下载与安装。2、经典自编码器(栈式自编码器、稀疏自编码器、去噪自编码器、卷积自编码器、掩码自编码器等)6、调参技巧(参数初始化、数据预处理、数据扩增、批量归一化、超参数优化、网络正则化等)5、优化算法(梯度下降、随机梯度下降、小批量随机梯度下降、动量法、Adam等)原创 2023-06-20 17:59:46 · 123 阅读 · 0 评论 -
论文可视化分析神器——CiteSpace和vosviewer
Citespace和vosviewer是使用最广泛的文献信息可视化软件工具,在理工、经管、法学、教育、农学、文史、医学、艺术等学科中普遍应用,发文量逐年显著上升。理论与实践相结合,通过文献计量学讲解、高效选题、数据库检索数据下载、软件使用等八个专题详细讲解,系统全面的掌握文献计量学的基本理论和知识;熟练掌握Citespace和vosviewer分析技术;最终实现从主题确定、数据分析绘图、文章框架与写作,全流程掌握一篇文献信息可视化分析报告(论文)的思路逻辑与技术方法。原创 2023-06-14 11:10:54 · 903 阅读 · 0 评论 -
如何学习R-Meta分析与【文献计量分析、贝叶斯、机器学习等】多技术融合?
如何学习R-Meta分析与【文献计量分析、贝叶斯、机器学习等】多技术融合?原创 2023-06-01 14:59:36 · 560 阅读 · 0 评论 -
太强啦!!!ChatGPT 能上传文件了,能执行 Python 代码啦!
ChatGPT原创 2023-05-26 17:01:19 · 893 阅读 · 0 评论 -
各机器学习领域综述清单!
关系抽取:More Data, More Relations, More Context and More Openness: A Review and Outlook for Relation Extraction[11]ABSA情感分析:Deep Learning for Aspect-Level Sentiment Classification: Survey, Vision, and Challenges[13]原创 2023-05-16 16:23:36 · 366 阅读 · 0 评论 -
PyTorch机器学习与深度学习技术方法
7、PyTorch常用工具包及API简介(torchvision(transforms、datasets、model)、torch.nn、torch.optim、torch.utils(Dataset、DataLoader))5、卷积神经网络调参技巧(卷积核尺寸、卷积核个数、移动步长、补零操作、池化核尺寸等参数与特征图的维度,以及模型参数量之间的关系是怎样的?4、张量(Tensor)的运算(加法、减法、矩阵乘法、哈达玛积(element wise)、除法、幂、开方、指数与对数、近似、裁剪)原创 2023-05-04 17:34:25 · 473 阅读 · 0 评论 -
PyTorch机器学习与深度学习技术方法与案例应用
帮助广大科研人员更加系统地学习深度学习的基础理论知识及对应的Pytorch代码实现方法,掌握深度学习的基础知识,与经典机器学习算法的区别与联系,以及最新的迁移学习、循环神经网络、长短时记忆神经网络、时间卷积网络、对抗生成网络、Yolo目标检测算法、自编码器等算法的原理及其Pytorch编程实现方法。6、值得研究的若干问题(隐含层神经元个数、学习率、初始权值和阈值等如何设置?4、张量(Tensor)的运算(加法、减法、矩阵乘法、哈达玛积(element wise)、除法、幂、开方、指数与对数、近似、裁剪)原创 2023-03-20 15:43:17 · 223 阅读 · 0 评论 -
R语言的现代贝叶斯统计学方法
贝叶斯统计学是一门基本思想与传统基于频率思想的统计学完全不同的统计学方法;贝叶斯回归方法作为传统回归技术在贝叶斯统计学中的拓展,在各个专业领域中都有着广泛的应用。贝叶斯回归结合了回归和贝叶斯思想,其计算方法和技术以及模型结果的解释都较为复杂,汪博士,长期从事统计学及水文分析研究及教学工作,对回归分析,贝叶斯及变量与变量间的关系等领域有深入的研究及实践应用经验。专题三:INLA下的贝叶斯回归(一)专题四:INLA下的贝叶斯回归(二)专题九:极端数据的贝叶斯分析与其它。专题一:贝叶斯模型的步骤。原创 2023-03-15 16:48:19 · 173 阅读 · 0 评论 -
PyTorch机器学习与深度学习经验分享
郁磊副教授:长期从事Python、MATLAB、Pytorch机器学习及深度学习等研究工作,具备良好的数学及信号处理基础,熟悉如神经网络、支持向量机、决策树、随机森林等,以及群优化算法,如遗传算法、蚁群算法、蝙蝠算法等,近些年一直在对深度学习核心技术进行研究,主持参与多项相关重点项目研发及基金项目,且精通多种编程工具,如 MATLAB、Python、 C++、C#、VB、Java、Qt 等。熟悉可穿戴设备硬件系统的开发,具备心电、肌电、血压、血氧饱和度、惯性传感器等 生理信号采集系统的开发经验。原创 2023-03-15 16:20:39 · 108 阅读 · 0 评论 -
MATLAB机器学习、深度学习
因此,为了帮助广大科研人员更加系统地学习图像处理、机器学习和深度学习的基础理论知识及对应的代码实现方法,帮助学员掌握图像处理的基础知识,以及经典机器学习算法和最新的深度神经网络、迁移学习、对抗生成网络等算法的基本原理及其MATLAB编程实现方法。郁磊副教授,主要从事MATLAB编程、机器学习与数据挖掘、数据可视化和软件开发、生理系统建模与仿真、生物医学信号处理,具有丰富的实战应用经验,主编《MATLAB智能算法30个案例分析》、《MATLAB神经网络43个案例分析》相关著作。CNN提取的特征是怎样的?原创 2023-03-14 16:48:22 · 206 阅读 · 0 评论 -
Python机器学习核心技术
Python编程的基础知识与技巧、特征工程(数据清洗、变量降维、特征选择、群优化算法)、回归拟合(线性回归、BP神经网络、极限学习机)、分类识别(KNN、贝叶斯分类、支持向量机、决策树、随机森林、AdaBoost、XGBoost与LightGBM等)、聚类分析(K均值、DBSCAN、层次聚类)、关联分析(关联规则、协同过滤、Apriori算法)的基本原理及Python代码实现方法。3、Python基础(数据类型和变量、字符串和编码、list和tuple、条件判断、循环、函数的定义与调用等)原创 2023-03-14 16:44:48 · 115 阅读 · 0 评论