📅  最后修改于: 2022-05-13 01:58:06.907000        🧑  作者: Mango

机器人流程自动化 (RPA) – 使用 UIPath 的电子邮件自动化在本文中，我们将学习如何使用 Uipath Studio 自动发送电子邮件。该项目是机器人过程自动化（RPA）的基本应用。用户只需要提供他们的登录凭据和他们想要发送电子邮件的用户电子邮件，剩下的工作将由我们将使用下面提到的步骤创建的机器人完成 –注意：要使此自动化工作，您需要在 Gmail 帐户上启用安全性较低的应用程序的访问权...

📅  最后修改于: 2022-05-13 01:58:06.916000        🧑  作者: Mango

介词逻辑推理先决条件：人工智能中的 Wumpus 世界代理使用逻辑推理来识别哪些方格是安全的，但通过 A*搜索制定计划。我们将在这部分向您展示如何使用逻辑推理来构建计划。基本概念很简单：写一个包含，一组关于初始状态的声明；，所有可能的动作在每个时间的后继状态公理，直到某个最大时间;和目标在某个时间达到的断言：向 SAT 求解器展示整个语句。如果解决方案开发出合适的模型，则可以实现目标；如果该短语不...

📅  最后修改于: 2022-05-13 01:58:06.929000        🧑  作者: Mango

PointNet——深度学习PointNet 是斯坦福大学的一名研究人员于 2016 年提出的。 本文背后的动机是对图像的 3D 表示进行分类和分割。他们使用一种称为点云的数据结构，它是一组表示 3D 形状或对象的点。由于其不规则性，它仅适用于特定用例。许多作者将点云转换为其他一些称为体素（体积像素）的表示，然后再将其输入深度神经网络。然而，这种转换导致数据量太大，并且将量化引入 3D 结构也会导...

📅  最后修改于: 2022-05-13 01:58:06.941000        🧑  作者: Mango

分组卷积与 ANN 相比，卷积神经网络在训练图像数据集时非常有助于减少参数，这使得训练中等大小的图像几乎不可能。用于减少修道院中的参数的方法称为过滤器分组。分组卷积于 2012 年在 AlexNet 论文中首次引入。这种方法背后的主要思想是使用两个 GPU 的有限内存（每个 1.5 GB）来并行训练模型。顺便说一下，模型训练所需的内存不到 3GB。首先，让我们讨论需要分组卷积的其他一些原因：为了在...

📅  最后修改于: 2022-05-13 01:58:06.951000        🧑  作者: Mango

连续核卷积连续内核卷积是由阿姆斯特丹 Verije 大学的研究人员与阿姆斯特丹大学合作在一篇题为“CKConv：Continuous Kernel Convolution For Sequential Data”的论文中提出的。其背后的动机是提出一个模型，该模型使用卷积神经网络和循环神经网络的特性来处理长序列的图像数据。卷积运算设 x ∶R → RNc和 ψ ∶ R → RNc是 R 上的向量值信...

📅  最后修改于: 2022-05-13 01:58:06.966000        🧑  作者: Mango

毫升 |期望最大化算法在机器学习的实际应用中，很常见的是有许多相关的特征可供学习，但只有其中的一小部分是可观察到的。因此，对于有时可观察有时不可观察的变量，我们可以使用观察到该变量可见的实例进行学习，然后在不可观察的实例中预测其值。另一方面，期望最大化算法也可以用于潜在变量（不能直接观察到的变量，实际上是从其他观察变量的值中推断出来的），以便在一般形式的条件下预测它们的值我们知道控制这些潜在变量的...

📅  最后修改于: 2022-05-13 01:58:06.980000        🧑  作者: Mango

F-测试F-Test 是任何利用 F-Distribution 表来实现其目的的测试（例如：ANOVA）。它比较两个总体的方差比率，并确定它们在统计上是否相似。我们可以在以下情况下使用此测试：人口呈正态分布。样本是随机抽取的并且是独立样本。使用的公式涉及的步骤：步骤 1：使用标准偏差 (σ) 并找到数据的方差 (σ2)。 （如果还没有给出）步骤 2：确定原假设和备择假设。H0 -> 方差无差异。H...

📅  最后修改于: 2022-05-13 01:58:06.993000        🧑  作者: Mango

特征向量计算和低秩近似先决条件：特征值和特征向量在深入研究涉及特征向量的计算背后的数学之前，让我们简要讨论一下特征值和特征向量究竟是什么。特征值和特征向量：“特征”这个词的意思是“特征”。一般而言，特征值和特征向量给出了矩阵或向量的特征。特征向量：它是由矩阵 X 表示的向量，当 X 与任何矩阵 A 相乘时，所得矩阵的方向与向量 X 保持相同。仔细观察图 1以查看特征向量的图形表示。图 1：特征向量...

📅  最后修改于: 2022-05-13 01:58:07.010000        🧑  作者: Mango

StyleGAN – 风格生成对抗网络生成对抗网络 (GAN) 是由 Ian Goodfellow 在 2014 年提出的。 自问世以来，提出了很多改进，使其成为最先进的方法来生成包括合成图像在内的合成数据。然而，这些改进大多是在模型的鉴别器部分进行的，该部分改进了生成器的生成能力。这也意味着对生成器部分没有太多关注，导致对 GAN 的生成器部分缺乏控制。在生成部分可以更改一些参数，例如背景，前景...

📅  最后修改于: 2022-05-13 01:58:07.028000        🧑  作者: Mango

SpanBert 的直觉先决条件：BERT模型SpanBERT 与 BERTSpanBERT 是对 BERT 模型的改进，提供了对文本跨度的改进预测。与 BERT 不同，我们在这里执行以下步骤 i) 屏蔽随机连续的跨度，而不是随机的单个令牌。ii）基于跨度边界（称为跨度边界目标）的开始和结束处的标记训练模型以预测整个标记跨度。它与 BERT 模型的不同之处在于其屏蔽方案，因为BERT用于随机屏蔽序...

📅  最后修改于: 2022-05-13 01:58:07.043000        🧑  作者: Mango

深度学习中的计算图什么是计算图？通常，计算图是用于表达和评估数学表达式的有向图。例如，考虑这个：.为了更好地理解，我们引入了两个变量 d 和 e，这样每个操作都有一个输出变量。我们现在有：在这里，我们有三个运算，加法、减法和乘法。为了创建计算图，我们创建节点，每个节点都有不同的操作和输入变量。数组的方向显示了应用于其他节点的输入方向。我们可以通过初始化输入变量并相应地计算图的节点来找到最终的输出值...

📅  最后修改于: 2022-05-13 01:58:07.055000        🧑  作者: Mango

NLP 中的词嵌入什么是词嵌入？它是一种表示单词和文档的方法。 Word Embedding 或 Word Vector 是一个数值向量输入，它代表低维空间中的一个词。它允许具有相似含义的单词具有相似的表示。它们也可以近似含义。一个有 50 个值的词向量可以表示 50 个独特的特征。特征：任何将单词相互关联的东西。例如：Age、Sports、Fitness、Employed 等。每个词向量都有对应...

📅  最后修改于: 2022-05-13 01:58:07.072000        🧑  作者: Mango

机器学习彻底改变视频游戏行业的 6 种方式自从 Xbox 和 Playstaion 等智能手机和视频游戏机问世以来，全球视频游戏行业一直在崛起。 2018 年，该行业的价值为 1390 亿美元。这已经超过了电影、电视和音乐行业的总和。综合所有平台，游戏行业现在在全球拥有 23 亿游戏玩家。电子游戏也是最赚钱的娱乐形式之一。这可以从 Rockstar Games 的侠盗猎车手 V 的总收入 60 亿...

📅  最后修改于: 2022-05-13 01:58:07.087000        🧑  作者: Mango

亚当优化器的直觉先决条件：梯度下降中的优化技术亚当优化器自适应矩估计是一种用于梯度下降优化技术的算法。当处理涉及大量数据或参数的大问题时，该方法非常有效。它需要更少的内存并且效率很高。直观地说，它是“带有动量的梯度下降”算法和“RMSP”算法的组合。亚当如何工作？Adam 优化器涉及两种梯度下降方法的组合：势头：该算法用于通过考虑梯度的“指数加权平均值”来加速梯度下降算法。使用平均值使算法以更快的...

📅  最后修改于: 2022-05-13 01:58:07.103000        🧑  作者: Mango

胶囊神经网络 |机器学习胶囊神经网络 (Capsnets)是一种 ANN（人工神经网络），其主要目标是更好地复制生物神经网络以实现更好的分割和识别。这里的胶囊这个词代表胶囊网络层中的嵌套层。 Capsules 确定对象中特征的参数。在识别人脸的过程中，胶囊不仅会确定是否存在面部特征，还会考虑组织面部特征的各个参数。这意味着只有当胶囊检测到的特征以正确的顺序出现时，系统才会检测到人脸。胶囊的工作是进...