📅  最后修改于: 2022-05-13 01:58:08.892000        🧑  作者: Mango

集合方法和群体智慧集成方法是最成功的机器学习模型之一。集成方法取得的众多成功之一是在 Netflix 奖竞赛中获胜的解决方案。在本文中，我们将探讨这些集成方法如何以及为何在幕后工作。 Ensemble 是指一组相似的事物，通常被认为是一个整体。因此，集成方法无非是一组模型，它们共同用于进行预测。集成方法起源于群体智慧的原则。群体智慧：群体智慧是解释集体知识如何优于少数知识的原理。简单来说，就是问很...

📅  最后修改于: 2022-05-13 01:58:08.894000        🧑  作者: Mango

参数和非参数方法之间的区别参数方法参数方法背后的基本思想是，有一组固定参数用于确定机器学习中使用的概率模型。参数方法是那些我们事先知道总体是正态的方法，或者如果不是，那么我们可以使用正态分布轻松地近似它，这可以通过调用中心极限定理来实现。使用正态分布的参数是 –意思标准差最终，参数化方法的分类完全取决于对总体所做的假设。有许多可用的参数方法，其中一些是：用于 – 总体均值和已知标准差的置信区间。置...

📅  最后修改于: 2022-05-13 01:58:08.897000        🧑  作者: Mango

用于图像识别的卷积块基本的神经网络设计（即一个输入层、几个密集层和一个输出层）不适用于图像识别系统，因为对象可以出现在图像中的许多不同位置。所以解决方案是添加一个或多个卷积层。基础神经网络卷积层有助于检测我们图像中的模式，无论它们出现在哪里。在定位模式时，这些层非常精确。对于相对简单的图像，一两个卷积层和一个厚层可能就足够了，但对于复杂的图像，我们需要一些额外的修改和方法来使我们的模型更高效。CN...

📅  最后修改于: 2022-05-13 01:58:08.900000        🧑  作者: Mango

使用人工智能进行人脸识别当前的技术以惊人的创新让人们惊叹，这些创新不仅使生活变得简单而且可以忍受。随着时间的推移，人脸识别已被证明是侵入性最小、速度最快的生物特征验证形式。面部识别是一类生物识别软件，可映射个人的面部特征并将数据存储为面部印记。该软件使用深度学习算法将实时捕获的图像与存储的面部指纹进行比较，以验证一个人的身份。图像处理和机器学习是这项技术的支柱。由于在机场、犯罪检测、面部跟踪、法医...

📅  最后修改于: 2022-05-13 01:58:08.907000        🧑  作者: Mango

机器学习中的正则化先决条件：梯度下降过拟合是当机器学习模型受限于训练集并且无法在看不见的数据上表现良好时发生的一种现象。正则化是一种通过在给定的训练集上适当地拟合函数来减少错误并避免过度拟合的技术。常用的正则化技术有：L1 正则化L2 正则化Dropout 正则化本文重点介绍 L1 和 L2 正则化。使用L1 正则化技术的回归模型称为LASSO（Least Absolute Shrinkage a...

📅  最后修改于: 2022-05-13 01:58:08.910000        🧑  作者: Mango

作为初学者实施的 5 个机器学习项目人工智能 (AI) 和机器学习 (ML) 正在以前所未有的方式影响我们的日常生活。从智能游戏和应用程序到自动驾驶汽车和医疗保健，机器学习为多个行业带来了令人难以置信的变革。尤其是 IT 工程和开发这些年来见证了一些惊人的转变——从生成数据到利用数据，该行业已经走过了漫长的道路。将某种智能融入应用程序几乎已成为开发的一个重要方面，无论是基于常规表单的应用程序还是能...

📅  最后修改于: 2022-05-13 01:58:08.913000        🧑  作者: Mango

头脑风暴优化优化的任务通常是为某些特定问题确定最佳解决方案。 Rn 中的优化问题或简单的优化问题是，其中 Rn 和 Rm 分别代表决策空间和目标空间。目标区域中的适应度值或适应度值向量连接到决策领域的每个解决方案。你可以看到一个最小优化问题如下：分钟约束其中 f() 是目标函数，是要优化的变量向量，和是约束条件。优化中的评估函数f(x) 将决策变量映射到目标向量。根据 m 的值，优化问题有两种类型...

📅  最后修改于: 2022-05-13 01:58:08.917000        🧑  作者: Mango

理解 LSTM 网络本文讨论了传统 RNN 的问题，即梯度消失和爆炸，并以长短期记忆 (LSTM) 的形式提供了对这些问题的便捷解决方案。 Long Short-Term Memory 是循环神经网络 (RNN) 架构的高级版本，旨在比传统 RNN 更精确地对时间序列及其远程依赖项进行建模。主要亮点包括基本 LSTM 单元的内部设计、引入 LSTM 架构的变化，以及极少需求的 LSTM 应用。它还...

📅  最后修改于: 2022-05-13 01:58:08.922000        🧑  作者: Mango

ANN – 自组织神经网络 (SONN) 学习算法先决条件：ANN |自组织神经网络 (SONN)在自组织神经网络 (SONN) 中，通过将权重从非活动连接转移到活动连接来执行学习。选择获胜的神经元与它们的邻域神经元一起学习。如果神经元对特定输入模式没有响应，那么学习将不会在该特定神经元中进行。自组织神经网络学习算法：第 0 步：初始化突触权重到特定区间内的随机值，如 [-1, 1] 或 [0, ...

📅  最后修改于: 2022-05-13 01:58:08.926000        🧑  作者: Mango

人工智能的出现人工智能的概念可以追溯到古典时代。在希腊神话中，机器和机械人的概念被深思熟虑。 1950 年，《阿拉斯图灵》发表了具有里程碑意义的论文《计算机与智能》，提出了“模仿游戏”，被称为著名的“图灵测试”，他推测了创造会思考的机器的可能性。不幸的是，直到今天，我们还没有找到一台完全通过都灵测试的机器。紧随其后的是 1951 年，MARVIN MINSKY 和 DEAN EDMUNDS 建立了...

📅  最后修改于: 2022-05-13 01:58:08.930000        🧑  作者: Mango

扩张和全局滑动窗口注意先决条件：注意力机制 | ML、滑动窗口注意、扩张的 CNN为了执行各种 NLP 任务，已经使用了基于转换器的模型，例如 BERT、SpanBERT 等。然而，这些模型由于其自我注意机制而具有有限的能力。这些模型往往无法检测和读取包含长文本的数据。为此，2020 年代后期出现了 Logformer（长文档转换器）。日志生成器：Longformer 架构具有自注意力组件，具有检...

📅  最后修改于: 2022-05-13 01:58:08.933000        🧑  作者: Mango

灰狼优化 – 介绍优化基本上无处不在，从工程设计到经济，从假期计划到互联网路由。由于金钱、资源和时间总是有限的，因此对这些可用资源的最佳利用至关重要。一般来说，优化问题可以写成优化,受制于，,, (其中f1, …, fN是目标，而hj和gk分别是等式和不等式约束。在 N=1 的情况下，称为单目标优化。当 N≥2 时，它成为一个多目标优化问题，其求解策略与单目标不同。本文主要关注单目标优化问题。不同...

📅  最后修改于: 2022-05-13 01:58:08.937000        🧑  作者: Mango

Snowball Stemmer – NLPSnowball Stemmer：它是一种词干算法，也称为 Porter2 词干算法，因为它是 Porter Stemmer 的更好版本，因为它的一些问题已在该词干分析器中得到解决。首先，让我们看看什么是词干——词干提取：这是将单词简化为词干的过程，该词干附加到后缀和前缀或称为引理的词的词根上。在简单的词中，词干提取是将一个词减少到它的基本词或词干，这样...

📅  最后修改于: 2022-05-13 01:58:08.940000        🧑  作者: Mango

证明命题定理的证明和推论本文讨论了如何使用推理规则来创建证明——一系列导致预期结果的结论。最著名的规则被称为Modus Ponens（拉丁语为肯定模式），并表示为证明命题定理的推论该符号表示只要提供任何该类型的句子，就可以推断出该句子。如果和两者都提供，Shoot 可以推断。And-Elimination 是另一个有用的推理规则，它指出任何合取都可以从合取中推断出来：WumpusAlive 可以从...

📅  最后修改于: 2022-05-13 01:58:08.943000        🧑  作者: Mango

机器学习中的缩放技术定义：缩放是一种生成无限序列值的技术，测量对象放置在这些值上。几种缩放技术被用来检查对象之间的连接。以下是缩放技术下的两个类别：比较量表：它涉及对象的直接比较。比较尺度数据必须用相应的术语来解释，并且具有序数或等级顺序属性。比较量表的类型有：1.配对比较：该技术是一种广泛使用的比较缩放技术。在这种技术中，要求受访者借助某种标准从两个对象中选择一个对象。被访者在对象之间做出一系列...