📅  最后修改于: 2022-05-13 01:58:08.408000        🧑  作者: Mango

ANN – 双向联想记忆 (BAM)双向联想记忆（BAM）是人工神经网络中的一种监督学习模型。这是异源关联内存，对于输入模式，它返回另一个可能具有不同大小的模式。这种现象与人脑非常相似。人类的记忆必然是联想的。它使用一系列心理关联来恢复丢失的记忆，例如面孔与姓名的关联，考试问题与答案的关联等。在一种类型的对象与另一种类型的记忆关联中，需要循环神经网络 (RNN) 来接收一组神经元的模式作为输入，并...

📅  最后修改于: 2022-05-13 01:58:08.414000        🧑  作者: Mango

学习学习人工智能 |元学习概述什么是元学习？在传统的机器学习领域中，我们通常采用特定于特定任务的庞大数据集，并希望使用该数据集训练用于回归/分类目的的模型。这与人类如何利用他们过去的经验，仅从一组示例中快速学习新任务的方式相去甚远。元学习本质上是学习学习。形式上，它可以定义为使用算法或模型的元数据来理解自动学习如何变得灵活解决学习问题，从而提高现有学习算法的性能或学习（诱导）学习算法本身。每个学习...

📅  最后修改于: 2022-05-13 01:58:08.422000        🧑  作者: Mango

10 个基本的机器学习面试问题解释监督和非监督机器学习之间的区别？在有监督的机器学习算法中，我们必须提供标记数据，例如股票市场价格的预测，而在无监督中，我们不需要标记数据，例如将电子邮件分为垃圾邮件和非垃圾邮件。解释 KNN 和 k.means 聚类的区别？K-Nearest Neighbors 是一种监督机器学习算法，我们需要将标记数据提供给模型，然后它根据点与最近点的距离对点进行分类。而另一方...

📅  最后修改于: 2022-05-13 01:58:08.428000        🧑  作者: Mango

平滑样条样条曲线是一种数学表示，很容易构建一个界面，允许用户设计和控制复杂曲线和曲面的形状。一般的做法是，用户输入一个点序列，然后构造一条曲线，其形状紧跟这个序列。这些点称为控制点。三次样条：三次样条是使用满足给定m 个控制点的三次多项式的样条。为了推导出三次样条的解，我们假设端点处的第二个推导为 0，这反过来提供了一个边界条件，将两个方程添加到m-2方程以使其可解。一维三次样条的方程组可由下式给...

📅  最后修改于: 2022-05-13 01:58:08.435000        🧑  作者: Mango

CNN |填充介绍简单卷积层的问题对于灰度 (nxn) 图像和 (fxf) 滤波器/核，卷积运算产生的图像尺寸为(n – f + 1) x (n – f + 1)。例如，对于 (8 x 8) 图像和 (3 x 3) 滤波器，卷积运算后产生的输出大小为 (6 x 6)。因此，每次执行卷积操作时，图像都会缩小。这对在图像减少到零之前可以执行此类操作的次数设置了上限，从而阻止我们构建更深的网络。此外，角...

📅  最后修改于: 2022-05-13 01:58:08.441000        🧑  作者: Mango

Sagemaker – 探索真实标签 |机器学习你有没有想过完全从头开始做机器学习却不知道从哪里开始？如果是的话，有一个地方你可以只拿着数据集进入这个地方，然后带着经过充分训练的机器学习模型离开这个地方，该模型准备好部署在现实生活中的场景中。 Amazon Sagemaker 提供各种服务，这些服务提供标记数据集、训练模型、超参数调整以及创建推理供我们部署。 Sagemaker 提供以下服务：地面...

📅  最后修改于: 2022-05-13 01:58:08.448000        🧑  作者: Mango

基于规则的分类器——机器学习基于规则的分类器只是另一种类型的分类器，它通过使用各种“if..else”规则来做出类决策。这些规则很容易解释，因此这些分类器通常用于生成描述性模型。与“if”一起使用的条件称为先行条件，每个规则的预测类别称为结果。基于规则的分类器的特性：覆盖率：满足特定规则的先行条件的记录的百分比。基于规则的分类器生成的规则通常不是相互排斥的，即许多规则可以覆盖相同的记录。由基于规则...

📅  最后修改于: 2022-05-13 01:58:08.455000        🧑  作者: Mango

汤普森抽样简介 |强化学习强化学习是机器学习的一个分支，也称为在线学习。它用于根据截至时间 t 的数据决定在 t+1 采取什么行动。这个概念用于人工智能应用，例如步行。强化学习的一个流行例子是国际象棋引擎。这里，代理决定响应一系列取决于板（环境）的状态移动，并且奖励可以被定义为输或赢的游戏结束。汤普森采样（后采样或概率匹配）是一种算法，用于选择解决多臂老虎机问题中探索开发困境的行动。动作被执行多次...

📅  最后修改于: 2022-05-13 01:58:08.462000        🧑  作者: Mango

语言变量和语言对冲介绍 ：要理解模糊逻辑和模糊集理论，熟悉语言变量语言对冲很重要。让我们一一看看它们，以便更好地理解模糊集理论。语言变量：数学中的变量通常采用数字值，尽管在模糊逻辑中经常使用非数字语言变量以使规则和事实的表达更容易。例如，术语“年龄”可用于表示具有值的语言变量，例如儿童、年轻人、老年人等。语言变量是具有由语言概念（也称为语言词）而不是数字组成的值的变量，例如 child、young...

📅  最后修改于: 2022-05-13 01:58:08.470000        🧑  作者: Mango

基本机器学习模型的流程图根据可用的反馈，机器学习任务分为三类：监督学习：这些是基于输入和输出的人工构建模型。无监督学习：这些模型依赖于人工输入。没有给学习算法贴上标签，模型必须自己找出结构。强化学习：这些是人工输入的模型。没有给学习算法贴上标签。该算法通过给定的奖励和惩罚进行学习。可用于每个类别的算法是：AlgorithmSupervisedUnsupervisedReinforcementLin...

📅  最后修改于: 2022-05-13 01:58:08.476000        🧑  作者: Mango

制表网TabNet 由 Google Cloud 的研究人员于 2019 年提出。TabNet 背后的想法是将深度神经网络有效地应用于表格数据，这些表格数据仍然包含大量用户和跨各种应用程序（如医疗保健、银行、零售）的处理数据、金融、营销等将深度学习应用于表格数据集的一个动机来自于其他领域，例如（图像、语言、语音）数据，当应用于它时，与其他机器学习技术相比，大型数据集的性能显着提高。因此，我们可以期...

📅  最后修改于: 2022-05-13 01:58:08.485000        🧑  作者: Mango

2022 年人工智能和机器学习的 7 大趋势人工智能及其子集机器学习是两种技术，它们有望在比我们目前想象的更深层次上改变我们的生活。根据 Google 首席执行官 Sundar Pichai 的说法，人工智能将改变我们的生活方式，并改造许多行业，包括医疗保健、教育和制造业。考虑到 AI 和 ML 如何被用于在医学、太空探索等领域引入革命性变化，AI 和 ML 帮助人类作为一个物种进步的可能性并不牵...

📅  最后修改于: 2022-05-13 01:58:08.494000        🧑  作者: Mango

探路者优化算法大自然充满了执行不同任务的社会行为。尽管所有个人和集体行为的最终目标是生存，但生物在群体、畜群、学校、殖民地和羊群中合作和互动有几个原因：狩猎、防御、导航和觅食。为了模仿动物的这些特征，引入了基于群体智能的优化算法。例如——蚁群优化、猫群优化、粒子群优化灵感探路者只是带领一群人的个人。这个实体领导群体，这个实体领导各种行为。此外，该实体将蜂群带到目的地，包括牧场、水域和觅食区。动物群...

📅  最后修改于: 2022-05-13 01:58:08.502000        🧑  作者: Mango

人工智能中基于知识的代理人类声称智能是如何实现的——不是通过纯粹的反映机制，而是通过对知识的内部表示进行操作的推理过程。在人工智能中，这种智能技术存在于基于知识的代理中。基于知识的代理具有可以推理的知识的显式表示。他们维护内部知识状态，对其进行推理，对其进行更新并相应地执行操作。这些代理根据要求智能地行动。基于知识的代理以句子的形式给出当前的情况。他们对迷你世界及其周围环境的现状有完整的了解。这些...

📅  最后修改于: 2022-05-13 01:58:08.510000        🧑  作者: Mango

广度优先搜索是统一成本搜索的一个特例在人工智能中，主要有两种搜索技术：不知情/盲目的搜索技术知情搜索技术Uninformed 类别下的搜索算法是：广度优先搜索统一成本搜索深度优先搜索深度受限搜索迭代深化深度优先搜索双向搜索Informed 类别下的搜索算法是：最佳首次搜索A* 搜索现在，我们将定义 BFS 和 UCS 搜索的步骤，然后我们将从 UCS 搜索算法中推导出 BFS。广度优先搜索算法：O...