📅  最后修改于: 2022-05-13 01:58:09.095000        🧑  作者: Mango

回归分析中的异方差先决条件：线性回归在简单线性回归或多元线性回归中，我们对误差项做了一些基本假设.简单线性回归：(1)多元线性回归：(2)假设：第二个假设称为Homoscedasticity，因此，违反该假设的情况称为Heteroscedasticity。同方差与异方差：因此，简单来说，我们可以将异方差性定义为回归模型中误差项或残差项的方差发生变化的条件。正如您在上图中看到的，在同方差的情况下，数...

📅  最后修改于: 2022-05-13 01:58:09.098000        🧑  作者: Mango

基于教学的优化 (TLBO)在考虑尽可能低的成本的同时，为给定系统的特定参数找到最佳值以满足所有设计要求的过程称为优化。优化问题可以在所有科学领域中找到。一般来说，优化问题可以写成，优化受制于，在哪里是目标，而和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。许多学者和研究人员开发了几种元启...

📅  最后修改于: 2022-05-13 01:58:09.102000        🧑  作者: Mango

强化学习中的上置信界算法在强化学习中，代理或决策者通过与世界交互来生成其训练数据。代理必须通过反复试验来了解其行为的后果，而不是被明确告知正确的行为。多臂强盗问题在强化学习中，我们使用多臂强盗问题来形式化使用 k 臂强盗在不确定性下进行决策的概念。 Multi-Armed Bandit Problem 中的决策者或代理可以在 k 个不同的动作之间进行选择，并根据它选择的动作获得奖励。 Bandit...

📅  最后修改于: 2022-05-13 01:58:09.106000        🧑  作者: Mango

自然语言处理的应用在这个世界上成千上万的物种中，只有智人在口语方面取得了成功。从洞穴图纸到互联网交流，我们走过了漫长的道路！随着我们朝着人工智能方向前进，向机器人传授人类自然的语言和对话能力似乎是合乎逻辑的。这是 NLP 作为 AI 子集执行其阶段以构建可以识别语言的系统的地方。加入机器学习（另一个出色的 AI 子集），瞧，我们可以构建除了明确编程之外，还可以随着时间的推移识别语言、分析和增强的结...

📅  最后修改于: 2022-05-13 01:58:09.110000        🧑  作者: Mango

数据清洗的挑战和问题在这一部分中，我们绘制了信息净化中的一些悬而未决的问题和困难，到目前为止，目前的方法论肯定无法解决这些问题。这主要涉及管理不同的可选质量作为潜在的调整，监控清除祖先以有效响应二手信息源的变化，以及支持信息净化周期的适当结构的细节和改进。纠错和冲突解决：最考验内幕信息清除的问题仍然是质量整改，以消除空间设计错误、限制侵权、复制和无效元组。在许多情况下，可访问的数据和信息不足以决定...

📅  最后修改于: 2022-05-13 01:58:09.113000        🧑  作者: Mango

在 Dialogflow Chatbot 中创建您自己的意图和实体Dialogflow 是一个强大的自然语言理解引擎，用于处理和理解自然语言输入。换句话说，它通过为您处理自然语言理解，让您轻松实现对话式用户体验。入门首先，您必须转到链接 https://dialogflow.cloud.google.com/。然后您必须使用 google 帐户注册，然后接受条款和条件。下一步是创建创建您的第一个 ...

📅  最后修改于: 2022-05-13 01:58:09.118000        🧑  作者: Mango

ML – 深度学习层列表要指定所有层顺序连接的神经网络的架构，请直接创建一个层数组。要指定层可以具有多个输入或输出的网络架构，请使用 LayerGraph 对象。使用以下函数创建不同的图层类型。输入层：FUNCTIONDESCRIPTIONimageInputLayerInputs images to a networkApplies data normalization.sequenceInpu...

📅  最后修改于: 2022-05-13 01:58:09.122000        🧑  作者: Mango

什么是机器学习中的文本注释及其类型？当您输入文本回复时，您的智能手机似乎可以准确地预测您的想法，这让您感到震惊吗？或者，您是否曾经惊叹过您的问题得到解答或客户服务人员根本不是人的情况下退款的方式？好吧，在每一个这样令人惊讶的事件背后，都有一些正在行动的概念，比如人工智能、机器学习，最重要的是，NLP（自然语言处理）。我们最近的最大突破之一是 NLP，其中机器正在逐渐进化以了解人类如何交谈、表达、理...

📅  最后修改于: 2022-05-13 01:58:09.127000        🧑  作者: Mango

基于快速ICA的语音分离简介先决条件：ML |独立成分分析什么是语音分离？语音分离是从给定的混合语音信号中提取所有重叠语音源的过程。语音分离是源分离问题的一种特殊场景，其重点仅放在重叠的语音信号源上。语音分离是使用独立分量分析 (ICA) 实现的。其中，FastICA 是一种用于独立分量分析的有效且常用的算法，其中该策略制定了语音分离问题，可以识别语音模式、说话者和背景噪声。Cocktail Pa...

📅  最后修改于: 2022-05-13 01:58:09.131000        🧑  作者: Mango

毫升 |半监督学习今天的机器学习算法可以大致分为三类，监督学习、无监督学习和强化学习。抛开强化学习不谈，机器学习问题的主要两类是监督学习和无监督学习。两者之间的基本区别在于监督学习数据集具有与每个元组关联的输出标签，而无监督学习数据集则没有。任何监督学习算法最基本的缺点是数据集必须由机器学习工程师或数据科学家手工标记。这是一个非常昂贵的过程，尤其是在处理大量数据时。任何无监督学习最基本的缺点是它的...

📅  最后修改于: 2022-05-13 01:58:09.135000        🧑  作者: Mango

游戏中的最优决策只要文明存在，人类的智力就一直被游戏所利用，有时甚至达到了惊人的程度。游戏因其抽象字符而成为 AI 研究人员感兴趣的主题。游戏的状态很容易描述，参与者通常仅限于少数具有预定结果的动作。体育比赛，如槌球和冰球，包含明显更复杂的描述、更多种类的可能动作，以及定义活动合法性的相当模糊的规定。除了机器人足球，这些实体游戏并没有激起人工智能社区的兴趣。游戏通常很有趣，因为它们很难解决。例如，...

📅  最后修改于: 2022-05-13 01:58:09.141000        🧑  作者: Mango

奥卡姆剃刀历史上许多哲学家都提倡简约的思想。最伟大的希腊哲学家之一，亚里士多德甚至说：“自然以最短的方式运行”。因此，在给定一组具有相同描述能力的所有可能解释的情况下，人类也可能倾向于选择更简单的解释。这篇文章简要概述了奥卡姆剃刀原理、原理的相关性，并以该剃刀作为机器学习（尤其是决策树学习）中的归纳偏差的用法结束。什么是奥卡姆剃刀？奥卡姆剃刀是一条简约法则，俗话说（用威廉的话）“在没有必要的情况下...

📅  最后修改于: 2022-05-13 01:58:09.147000        🧑  作者: Mango

时间反向传播——RNN介绍：循环神经网络是那些处理顺序数据的网络。他们不仅使用当前输入预测输出，而且还考虑了之前发生的输入。换句话说，当前输出取决于当前输出以及存储元件（它考虑了过去的输入）。为了训练这样的网络，我们使用了很好的旧反向传播，但略有不同。我们不会在特定时间“t”独立训练系统。我们在特定时间“t”以及在时间“t”之前发生的所有事情（如 t-1、t-2、t-3）对其进行训练。考虑以下 R...

📅  最后修改于: 2022-05-13 01:58:09.150000        🧑  作者: Mango

简单遗传算法 (SGA)先决条件 -遗传算法介绍 ：简单遗传算法（SGA）是遗传算法遵循的三种策略之一。SGA 从创建大小为 N 的初始种群开始。然后，我们评估每个解决方案/个体的优度/适应度。之后，检查收敛标准，如果满足则收敛算法，否则进行下一步 -从之前的种群中选择 Np 个个体。随机创建交配池。执行交叉。在后代解决方案中执行突变。在后代解决方案中执行反演。用新创建的解决方案替换上一代的旧解决...

📅  最后修改于: 2022-05-13 01:58:09.153000        🧑  作者: Mango

加权乘积法——多标准决策加权乘积法是一种多标准决策方法，其中会有多个备选方案，我们必须根据多个标准确定最佳备选方案。还有其他可用的方法，包括加权总和法 (WSM)、与理想解相似的偏好排序技术 (TOPSIS)、VIKOR、MOORA、GTMA 等。让我们通过一个例子来了解加权乘积法的工作原理。考虑这样一种情况，我们必须在 5 名参加面试的候选人中选择最佳候选人。表 1 包含 5 名学生的详细信息，...