📅  最后修改于: 2022-05-13 01:58:07.680000        🧑  作者: Mango

超参数优化方法 – ML超参数是我们为训练设置的参数。在训练模型时，超参数对准确性和效率有重大影响。因此，需要对其进行准确设置，以获得更好、更有效的结果。让我们首先讨论一些用于优化超参数的穷举搜索方法。详尽的搜索方法网格搜索：在网格搜索中，超参数的可能值被定义到集合中。然后使用笛卡尔积将这些可能的超参数值组合起来，形成一个多维网格。然后我们尝试网格中的所有参数并选择具有最佳结果的超参数设置。随机搜...

📅  最后修改于: 2022-05-13 01:58:07.688000        🧑  作者: Mango

Sparse Transformer：Stride 和 Fixed Factorized Attention研究人员@OpenAI 提出了跨步和固定注意在名为“使用稀疏变换器生成长序列”的论文中。他们认为 Transformer 是一种强大的架构，但是，它具有与序列长度相关的二次计算时间和空间。因此，这抑制了使用大序列的能力。这就是为什么他们还提出了一种新的 Sparse Transformer，...

📅  最后修改于: 2022-05-13 01:58:07.696000        🧑  作者: Mango

全息数据存储什么是全息存储？全息数据存储是一种高信息存储量技术，它通过在支持的介质上制作每个数据实例的全息图片来增强信息存储能力。它取决于光存储设备的类似想法，但它允许利用单个存储卷来存储大量信息。它也被称为三维 (3-D)存储。全息媒体分为一次性写入（不可逆变化）和可重写媒体（变化可逆）。可重写全息存储可以通过晶体中的光折变影响来实现。该存储器框架包括随附的：蓝绿色氩激光器、分束器、反射器、LC...

📅  最后修改于: 2022-05-13 01:58:07.702000        🧑  作者: Mango

Node2Vec 算法先决条件：Word2Vec词嵌入：它是一种语言建模技术，用于将词映射到实数向量。它表示具有多个维度的向量空间中的单词或短语。词嵌入可以使用各种方法生成，如神经网络、共生矩阵、概率模型等。Word2Vec：它由生成词嵌入的模型组成。Node2Vec：一种节点嵌入算法，它根据图中的随机游走计算节点的向量表示。图的邻域节点也通过深度随机游走进行采样。该算法执行有偏差的随机游走过程，...

📅  最后修改于: 2022-05-13 01:58:07.709000        🧑  作者: Mango

循环生成对抗网络（CycleGAN）CycleGAN 是由 .它用于将一幅图像的特征转移到另一幅图像或可以将图像的分布映射到另一幅图像。在 CycleGAN 中，我们将问题视为图像重建问题。我们首先获取图像输入 (x) 并使用生成器 G 转换为重建图像。然后我们使用生成器 F 将这个过程从重建图像反转为原始图像。然后我们计算真实图像和重建图像之间的均方误差损失。这个cycle_GAN最重要的特点是...

📅  最后修改于: 2022-05-13 01:58:07.717000        🧑  作者: Mango

目标检测 vs 目标识别 vs 图像分割对象识别：对象识别是识别图像和视频中存在的对象的技术。它是机器学习和深度学习最重要的应用之一。该领域的目标是教机器像人类一样理解（识别）图像的内容。使用机器学习的对象识别HOG（Histogram of orientation Gradients）特征提取器和SVM（支持向量机）模型：在深度学习时代之前，它是一种最先进的目标检测方法。它采用正样本（包含对象的...

📅  最后修改于: 2022-05-13 01:58:07.725000        🧑  作者: Mango

德宾沃森测试Durbin Watson 检验：由统计学家 James Durbin 教授和 Geoffrey Stuart Watson 开发的检验用于检测回归分析中残差的自相关。它通常被称为 Durbin-Watson d 统计量，其定义为让我们先看一些术语来有一个清晰的理解——回归分析——回归分析是一组统计方法，用于估计因变量 ( Y ) 和一个或多个自变量 ( x ) 之间的关系。这种方法有...

📅  最后修改于: 2022-05-13 01:58:07.732000        🧑  作者: Mango

Power BI – 工具和功能Power BI 是 Microsoft 的数据可视化和商业智能工具，可转换来自不同数据源的数据以创建各种商业智能报告。它提供交互式可视化，最终用户可以使用它自己创建报告和交互式仪表板。强烈建议在继续之前下载 Power-BI 工具。导航 Power BI：Power BI 提供了大量的各种工具和服务来制作创造性的、交互式的和智能的业务报告。导入/导出 .csv 文...

📅  最后修改于: 2022-05-13 01:58:07.739000        🧑  作者: Mango

GAN vs Adversarial Autoencoder 模型的选择在本文中，我们将看到 GAN 与 Adversarial Autoencoder 模型的选择。生成对抗网络 (GAN)生成对抗网络（GAN）是目前最突出的深度生成建模方法之一。 GAN 和 VAE 之间的主要区别在于 GAN 寻求匹配像素级分布而不是数据分布，并且它以不同的方法将模型分布优化为真实分布。GAN 创建图像的过程是...

📅  最后修改于: 2022-05-13 01:58:07.746000        🧑  作者: Mango

人工智能——恩或祸人工智能是计算机科学的一个分支，涉及机器的开发，这些机器可以执行需要人类智能的任务，如语音识别、语言翻译和决策制定。据说人工智能是在机器中模拟人类智能，这些机器被编程为像人类一样思考和执行任务。人工智能在现实生活中的应用多种多样，具体如下：1. 游戏：在象棋这样的战略游戏中，机器被编程为可以生成自己的动作，还可以研究对手的动作，并决定接下来要制作哪部电影。2. 语音识别：一些系统...

📅  最后修改于: 2022-05-13 01:58:07.753000        🧑  作者: Mango

GPT-3：下一次人工智能革命近年来，人工智能革命正在世界各地发生，但最近几个月，如果您是技术爱好者，您就会听说 GPT-3。 Generative Pre-trained Transformer 3 (GPT-3) 是一种使用 Transformer 技术来完成各种任务的语言模型。它是OpenAI（一家人工智能研究实验室和开源公司）创建的第三代语言预测模型。它拥有庞大的 1750 亿个参数，是其...

📅  最后修改于: 2022-05-13 01:58:07.760000        🧑  作者: Mango

什么是AI（人工智能）？人类一直、现在并将永远渴望发明能让他们的生活更轻松、更美好千倍的东西。人类思维的能力总是让我感到困惑。其中一项重大发明就是所谓的AI-人工智能。如果机器会思考不是很好吗？这正是人工智能。我们人类有天生的智慧。但如果机器会思考，那将是人造的。所以，人工智能只是可以思考的机器的统称。现在这里有一些 AI 在现实生活中的例子。首先想到的是机器人。它们是人类的机器复制品。他们可以独...

📅  最后修改于: 2022-05-13 01:58:07.768000        🧑  作者: Mango

预测性维护简介预测性维护是为防止故障发生、零件调整、零件清洁和零件更换而执行的机制。使用预测性维护，可以预测机器、动物或任何实体的寿命。需要根据从各种状态监测传感器和技术收集的数据采取某些措施。预测性维护可以通过以下方式实现：计划维护：计划维护需要大量的人工干预和监控。如果机器出现故障，则会在经济上影响业务。识别异常行为：借助某些机器学习技术和深度学习算法，可以检测异常，这是预测性维护的支柱。这个...

📅  最后修改于: 2022-05-13 01:58:07.774000        🧑  作者: Mango

使用 Google Cloud 进行翻译和自然语言处理先决条件：在 Google Cloud 上创建虚拟机并设置 API在本文中，我们将讨论如何使用 Google Cloud 使用 Google 的翻译和自然语言处理功能。在阅读本文之前，您应该了解如何在虚拟机中创建实例以及如何设置 API（请参阅此）。翻译 API –Google Translator API 的工作方式与此处相同。首先启用 Cl...

📅  最后修改于: 2022-05-13 01:58:07.781000        🧑  作者: Mango

AI中的博弈论博弈论基本上是数学的一个分支，用于在具有预定义规则（游戏或操纵）和结果的背景下，不同参与者（代理）之间的典型战略交互，所有这些参与者都同样理性。每个玩家或代理都是一个理性的实体，他们自私并试图使用特定策略来最大化获得的奖励。所有玩家都遵守一定的规则，以便获得预定义的季后赛——特定结果后的奖励。因此，一场比赛可以定义为一组球员、行动、策略和所有球员都在竞争的最终季后赛。博弈论现在已经成...