📅  最后修改于: 2020-12-13 15:59:26        🧑  作者: Mango

当今的人工智能(AI)远远超过了区块链和量子计算的炒作。开发人员现在可以利用此优势来创建新的机器学习模型，并对现有模型进行重新训练，以获得更好的性能和结果。本教程将介绍机器学习及其在人工智能中的实现。...

📅  最后修改于: 2022-05-13 01:58:06.792000        🧑  作者: Mango

人工智能对话系统——攻击面和有效的防御技术背景：沟通是世界上最重要的东西，它把整个世界联系在一起。有多种通信媒介：语音、视频和文本。每种媒体都会根据上下文带来自己的好处。使用这些媒介提供接口的技术已经取得了重大进展。这些媒介用于人对机器、人对人、人工智能生成，以及以某种基本形式的机器对机器通信（我敢打赌，机器对机器在短期内会非常复杂，因为这会带来很多更多用例）AI、ML 或 NLP 最近在自动化这...

📅  最后修改于: 2022-05-13 01:58:06.807000        🧑  作者: Mango

残差网络简介近年来，图像处理和识别领域取得了巨大进步。深度神经网络正变得越来越深入和复杂。事实证明，向神经网络添加更多层可以使其对与图像相关的任务更加稳健。但这也可能导致它们失去准确性。这就是残差网络应运而生的地方。深度学习从业者添加这么多层的趋势是从复杂图像中提取重要特征。因此，第一层可以检测边缘，最后的后续层可以检测可识别的形状，如汽车轮胎。但是如果我们向网络添加超过30层，那么它的性能就会受...

📅  最后修改于: 2022-05-13 01:58:06.815000        🧑  作者: Mango

单向方差分析方差分析是一种参数统计技术，有助于找出三个或更多组的平均值之间是否存在显着差异。它通过根据各自的平均值比较组（样本）来检查各种因素的影响。我们只能在以下情况下使用它：样本服从正态分布。样本是随机选择的，应该是相互独立的。所有组都有相同的标准差。单向方差分析它是一种假设检验，其中只考虑一个因素。我们使用 F 统计量来执行单向方差分析。涉及步骤等式 1等式2方程 3下一步，我们需要了解什么...

📅  最后修改于: 2022-05-13 01:58:06.823000        🧑  作者: Mango

拆分机器学习模型的数据数据是每个机器学习问题的核心。没有合适的数据，机器学习模型就像没有灵魂的身体。但是在当今“大数据”的世界中，收集数据不再是一个大问题。我们每天都在有意（或无意）生成庞大的数据集。然而，手头有多余的数据仍然不能解决问题。 ML模型要给出合理的结果，我们不仅需要输入大量数据，还要保证数据的质量。虽然理解原始数据本身就是一门艺术，需要良好的特征工程技能和领域知识（在特殊情况下），但...

📅  最后修改于: 2022-05-13 01:58:06.832000        🧑  作者: Mango

分层聚类和非分层聚类之间的区别层次聚类：层次聚类基本上是一种无监督聚类技术，它涉及以预定义的顺序创建聚类。簇以从上到下的方式排序。在这种类型的聚类中，相似的聚类被分组在一起并以分层方式排列。它可以进一步分为两种类型，即凝聚层次聚类和分裂层次聚类。在这种聚类中，我们将层次结构中所有数据对象的聚类对链接起来。非层次聚类：Non Hierarchical Clustering 涉及通过合并或拆分簇来形成...

📅  最后修改于: 2022-05-13 01:58:06.839000        🧑  作者: Mango

选择合适的机器学习算法机器学习是一个研究领域，它使计算机能够在没有明确编程的情况下进行学习。机器学习是人们曾经遇到过的最令人兴奋的技术之一。机器学习算法是一种程序，根据对数据集过去预测的响应，以特定方式改变自己的参数。谁应该阅读这篇文章？Anybody who wants to learn about the factors to keep in mind while selecting an a...

📅  最后修改于: 2022-05-13 01:58:06.846000        🧑  作者: Mango

K 表示使用 Weka 进行聚类在本文中，我们将看到如何使用 Weka explorer 进行简单的 k 均值聚类。在这里，我们将使用基于 ARFF 格式的虹膜数据的示例数据集。该数据集中有 150 个 iris 实例。在开始之前，让我们先简单介绍一下聚类和 simple-k。注意：本文假设数据已经过适当的预处理。聚类：聚类是将一组抽象对象分成组的方法。需要牢记的要点 一组数据对象可以被视为单个实...

📅  最后修改于: 2022-05-13 01:58:06.854000        🧑  作者: Mango

命题逻辑简化一旦建立了从量化句子推断非量化句子的规则，就有可能将一阶推理简化为命题推理。第一个概念是，正如一个实例化可以替代一个存在量化的陈述，所有潜在实例化的集合可以替代一个全称量化的句子。考虑以下场景：我们的知识库仅包含行然后，利用知识库词汇中所有可行的基本术语替换——在这种情况下，和— 我们将 UI 应用于第一个短语。我们得到我们不使用普遍量化的句子。如果地面原子句子——，等等——被视为命题...

📅  最后修改于: 2022-05-13 01:58:06.860000        🧑  作者: Mango

使用 Weka 进行分层聚类在本文中，我们将看到如何利用 Weka Explorer 进行层次分析。此示例的示例数据集基于 ARFF 格式的虹膜数据。正如本文所期望的那样，数据已经过适当的预处理。该数据集有 150 次虹膜出现。聚类：聚类是将一组抽象对象分成组的方法。需要牢记的要点 一组数据对象可以被视为单个实体。在进行聚类分析时，我们根据数据的相似性将数据集划分为多个组，然后为这些组分配标签。层...

📅  最后修改于: 2022-05-13 01:58:06.868000        🧑  作者: Mango

遗传算法中的编码方法生物背景：染色体：所有生物体都由细胞组成。每个细胞中都有一组相同的染色体。染色体是字符串DNA，由基因、DNA 块组成。每个基因都编码一个特征，例如眼睛的颜色。再现：在再现过程中，首先发生组合（或交叉）。来自父母的基因结合形成一个全新的染色体。然后可以对新创建的后代进行突变。这些变化主要是由于从父母那里复制基因的错误造成的。生物体的适应度是通过生物体在其生命中的成功来衡量的。遗...

📅  最后修改于: 2022-05-13 01:58:06.875000        🧑  作者: Mango

卷积神经网络的重要性 |机器学习卷积神经网络顾名思义是一种利用卷积运算进行分类和预测的神经网络。让我们分析一下卷积神经网络相对于简单深度学习网络的用例和优势。权重分享：它利用局部空间相干性为某些边提供相同的权重，通过这种方式，这种权重共享最大限度地降低了计算成本。这在 GPU 低功耗或缺失时特别有用。内存节省：减少的参数数量有助于节省内存。例如，在 MNIST 数据集识别数字的情况下，如果我们使用...

📅  最后修改于: 2022-05-13 01:58:06.882000        🧑  作者: Mango

用于冠状病毒爆发预测的 SIR 流行模型概述该模型在任何传染病传播预测的情况下发挥作用，具体取决于：人们的接触感染的持续时间恢复措施。易感 – 感染 – 耐药 (SIR) 数学模型可用于预测时间“t”的预期病例数。我们无法通过简单地将其视为指数曲线并使用回归进行预测来直接预测冠状病毒病例的数量。由于冠状病毒是一种流行病，我们可以使用更好的替代方法，即 SIR 动态模型来分析传染病传播。易感感染恢复...

📅  最后修改于: 2022-05-13 01:58:06.890000        🧑  作者: Mango

DeepPose：通过深度神经网络估计人体姿势DeepPose 是谷歌的研究人员在 2014 年计算机视觉和模式识别会议上为姿态估计提出的。他们致力于将姿势估计问题制定为针对身体关节的基于 DNN 的回归问题。他们提出了一系列 DNN 回归器，导致高精度姿态估计。建筑学：姿势向量：为了以姿势的形式表达人体，本文作者将所有k 个身体部位的位置编码为称为姿势向量的关节，定义如下其中 yi表示第 i个身...

📅  最后修改于: 2022-05-13 01:58:06.899000        🧑  作者: Mango

ML——线性回归的优缺点线性回归是一种基于监督学习的机器学习算法。它执行回归任务。回归模型是基于自变量的目标预测值。它主要用于找出变量和预测之间的关系。请参阅线性回归以获取完整参考。让我们讨论一下线性回归的一些优点和缺点。AdvantagesDisadvantagesLinear Regression is simple to implement and easier to interpret t...