机器学习
文章平均质量分 93
袁易学
袁志勇(笔名:袁易学),2023年1月退休,主要从事嵌入式系统与智能硬件研发及信息技术有关的公益活动。中国计算机学会(CCF)高级会员,中国人工智能学会(CAAI)高级会员,“十三五”规划教材《嵌入式系统原理与应用技术》主编。多年来一直从事人工智能与机器学习、嵌入式系统与智能硬件、虚拟现实与人机交互等方向的教学与研究工作,主持国家自然科学基金面上项目4项,在计算机类国内外著名期刊发表学术论文100余篇,出版计算机著作4部,出版《人工智能开发实践:云端机器学习导论》(机械工业出版社,2020)等计算机译著2部。
展开
-
Anacoda3环境华为MindSpore1.2深度学习框架安装及应用
在人工智能与机器学习研究与应用领域,目前较流行的深度学习框架主要有Facebook的PyTorch、Google的TensorFlow/Keras、华为的MindSpore 、百度的PaddlePaddle等,Python/Anaconda语言常与这些深度学习框架联合使用。本文以Windows10 Anaconda3(Python3.7.0)和华为公司2021年3月底发布的MindSpore1.2开源深度学习框架为例,介绍Anaconda、MindSpore及Jupyter Notebook IDE Pyt原创 2021-05-22 01:17:03 · 3583 阅读 · 5 评论 -
核密度估计及其Python实践
一、参数估计简介很多情况下,我们只有有限的样本集,而类条件概率密度函数p(x|ωi)和先验概率P(ωi)是未知的,需要根据已有样本进行参数估计,然后将估计值当作真实值来使用。由给定样本集求解随机变量的分布密度函数问题是统计机器学习和概率统计学的基本问题之一。解决该问题的方法包括参数估计和非参数估计两大类:1.参数估计方法已知概率密度函数的形式而函数的有关参数未知,通过估计参数来估计概率密度函数的方法。有两种主要参数估计法:确定性参数估计方法是把参数看作确定而未知的, 典型方法为最大似然估计。随机参数原创 2021-03-24 14:36:07 · 14238 阅读 · 9 评论 -
Fisher线性判别分析原理解析及其Python程序实现两例
一、Fisher线性判别分析原理解析与算法描述Fisher:1890-1962, 英国数学家,生物学家,现代统计学奠基人之一,证明了孟德尔的遗传律符合达尔文的进化论。Fisher线性判别分析(Linear Discriminant Analysis)是一种应用较为广泛的线性分类方法,该方法于1936年由Fisher提出。Fisher线性判别分析又简称Fisher FDA。Fisher准则的基本原理是,对于d维空间的样本,投影到一维坐标上,样本特征会混杂在一起,难以区分。如果找到一个投影方向,使得样本集原创 2021-03-15 01:48:03 · 13007 阅读 · 2 评论 -
Softmax激活函数计算解析及MLP多分类器应用
Softmax激活函数在机器学习和深度学习中十分有用,它可以将任一实数xs转换成0到1之间的一个概率P(xs)。在机器学习中,Softmax激活函数可用于回归(Softmax回归);在深度学习中,Softmax激活函数常用于神经网络的输出层。Softmax激活函数计算步骤其实十分简洁。现给定n个实数x1, x2, …, xn,Softmax激活函数计算过程如下:1)计算exp(xs)[这里,exp(xs)为自然常数e的xs次幂,s=1,2,…,n],将exp(xs)作为分子(Numerator);2)原创 2021-02-07 12:20:19 · 3166 阅读 · 0 评论 -
神经网络基础知识、常用激活函数及其Python图形绘制
在人工智能与机器学习研究与应用领域,神经网络占有重要地位。神经网络(Neural Networks, NNs),又称人工神经网络(Artificial Neural Networks, ANNs),是模拟生物神经网络进行信息处理的一种数学模型。它以对大脑的生理研究成果为基础,其目的在于模拟大脑的某些机理与机制,实现一些特定的功能。ANNs可以用硬件电路来实现,也可以用计算机程序来模拟,ANNs是人工智能研究的一种方法。本文首先对人工神经网络基本知识进行解读,然后介绍神经网络中的一些常用激活函数,并给出几个激原创 2020-11-29 18:16:18 · 1961 阅读 · 2 评论 -
Anaconda3环境PyTorch深度学习框架安装及使用基础
在人工智能与机器学习研究与应用领域,著名的深度学习框架主要有PyTorch、TensorFlow、PaddlePaddle、MXNet,Python/Anaconda语言常与这些深度学习框架联合使用,如Python+PyTorch1.7、Python+TensorFlow2等框架联合使用。本文以目前常用的Windows10 Anaconda3(Python3.7.0)和Facebook公司的PyTorch1.7深度学习框架为例,介绍Anaconda、PyTorch及Jupyter Notebook IDE原创 2020-11-02 10:51:13 · 1437 阅读 · 0 评论 -
Anaconda3环境TensorFlow2深度学习框架安装及应用基础
在人工智能与机器学习研究与应用领域,著名的深度学习框架主要有TensorFlow、PyTorch、PaddlePaddle、MXNet,Python/Anaconda语言常与这些深度学习框架联合使用,如Python+TensorFlow2、Python+ PyTorch等。本文以目前常用的Windows10 Anaconda3和Google公司的 TensorFlow2(CPU版)应用环境为例,介绍Anaconda3与TensorFlow2的安装及使用,并给出张量计算、导数计算、梯度计算等应用基础示例。内原创 2020-10-28 08:32:32 · 890 阅读 · 0 评论