helloworld_54277843的头像 ID: 22311371611

helloworld_54277843

HelloWorld 社区成员

54277843

文章19
个人网站0
加入社区2022

迁移学习(Transfer Learning)的背景、历史及学习课

迁移学习(TransferLearning)的背景、历史及学习人工智能培训网chinaai.org迁移学习的背景、历史及学习1、迁移学习提出背景在机器学习、深度学习和数据挖掘的大多数任务中,我们都会假设training和inference时,采用的数据服从相同的分布(distribution)、来源于相同的特征空间(featurespace)。但

卷积神经网络表征可视化研究综述

卷积神经网络表征可视化研究综述(1)转载自:人工智能技术与咨询源自:自动化学报作者:司念文张文林屈丹罗向阳常禾雨牛铜摘要近年来,深度学习在图像分类、目标检测及场景识别等任务上取得了突破性进展,这些任务多以卷积神经网络为基础搭建识别模型,训练后的模型拥有优异的自动特征提取和预测性能,能够为用户提供“输入–输出”形式的端到端解决方案.然而,

AVS视频编码标准的演变:20年来的创新与发展

AVS视频编码标准的演变:20年来的创新与发展转载自:人工智能培训网(https://www.chinaai.org.cn/newsinfo/2821164.html)1研究意义20世纪90年代至21世纪初,MPEG和VCEG等国际标准工作组制定了系列视频编码标准,如MPEG1,H.261,MPEG2/H.262标准等。在这些编码标准中几乎没有我国专利的

迁移学习(Transfer Learning)

迁移学习(TransferLearning)转自:中国人工智能培训网链接:https://www.chinaai.org.cn/《国务院关于印发新一代人工智能发展规划的通知》指出:“新一代人工智能重大科技项目,聚焦基础理论和关键共性技术的前瞻布局,包括研究大数据智能、跨媒体感知计算、混合增强智能、群体智能、自主协同控制与决策等理论,研究知识计算引擎与知识服

边缘计算:盘点100个知识点

边缘计算:盘点100个知识点转载自中国人工智能培训网链接:https://www.chinaai.org.cn/newsinfo/3168616.html编者按:本文编译自OpenGlossaryofEdgeComputing,仅供学习交流。3G、4G、5G第三代、第四代和第五代蜂窝技术。简单来说,3G代表智能手机及其移动网络浏览器的引入;4G是

卷积神经网络模型发展及应用

卷积神经网络模型发展及应用转载地址:http://fcst.ceaj.org/CN/abstract/abstract2521.shtml深度学习是机器学习和人工智能研究的最新趋势,作为一个十余年来快速发展的崭新领域,越来越受到研究者的关注。卷积神经网络(CNN)模型是深度学习模型中最重要的一种经典结构,其性能在近年来深度学习任务上逐步提高。由于可以自动学

大数据建模、分析、挖掘技术应用

时间2022年8月5日—2022年8月9日北京(同时转线上直播)(5日报到,6日9日上课)课程第一天一、大数据概述二、大数据处理架构Hadoop三、分布式文件系统HDFS四、分布式数据库HBase第二天五、MapReduce六、Spark七、IPythonNotebook运行PythonSpark程序八、PythonSpark集成开发环境第三

人工智能在计算机视觉及网络领域中的应用

人工智能在计算机视觉及网络领域中的应用文/张大巍摘要这些年人工智能技术已经全面深入到人们日常生活中去,为人们日常生活提供了各种便利条件。计算机应用,人工智能现象,已经成为当前计算机市场的常态。本篇文章主要分析计算机网络应用人工智能的重要性。简要阐释人工智能技术基本理论,然后分析计算机应用过程中,人工技能技术存在的问题。分析当前市场计算机网络哪些方面应用了人

室内定位中非视距的识别和抑制算法研究综述(部分)

源自:控制与决策作者:齐小刚陈谌李芷楠针对存在非视距(nonlineofsight,NLOS)的室内定位算法进行研究.首先描述室内定位中的常用技术和算法(航迹推算、指纹识别定位、邻近探测、极点定位、三角定位、多边定位、质心定位),概括其原理、优缺点和适用场景;其次,通过仿真测试说明研究NLOS识别和抑制的必要性;再次,分别介

计算机取证技术及其发展趋势

作者:卢卓飞摘要近年来,随着计算机技术的发展,计算机进入千家万户。计算机安全问题逐渐成研究热点,其中计算机取证技术作为计算机安全技术中的重要组成部分,它的发展对于我国的计算机安全具有十分重要的作用。基于此,笔者研究计算机取证技术,探索它的整体发展趋势。计算机技术的普及,让计算机成为人们生活中必不可少的部分。目前网络暴力事件时有发生,针对这一类网络事件的调查取

大数据建模

大数据建模、分析、挖掘技术应用研修班的通知随着2015年9月国务院发布了《关于印发促进大数据发展行动纲要的通知》,各类型数据呈现出了指数级增长,数据成了每个组织的命脉。今天所产生的数据比过去几年所产生的数据大好几个数量级,企业有了能够轻松访问和分析数据以提高性能的新机会,如何从数据中获取价值显得尤为重要,也是大数据相关技术急需要解决的问题。大数据是需要新处理

深度强化学习

2022年数字信息化培训项目系列各企、事业单位:随着科技的快速发展,人工智能俨然成了当今社会的关注焦点。而在人工智能的发展上,深度学习、强化学习、迁移学习等成为了科学界、工业界研究和应用的热点。在实际研究和应用过程当中,研究人员逐渐发现了深度学习单独应用的缺点,如没有决策能力,不可推理等。而深度强化学习,作为一种崭新的机器学习方法,同时具有感知能力和决策能力

递归神经网络(RNN)

递归神经网络(RNN)RNN是最强大的模型之一,它使我们能够开发如分类、序列数据标注、生成文本序列(例如预测下一输入词的SwiftKeykeyboard应用程序),以及将一个序列转换为另一个序列(比如从法语翻译成英语的语言翻译)等应用程序。大多数模型架构(如前馈神经网络)都没有利用数据的序列特性。例如,我们需要数据呈现出向量中每个样例的特征,如表示句子、段

序列数据和文本的深度学习

序列数据和文本的深度学习用于构建深度学习模型的不同文本数据表示法:理解递归神经网络及其不同实现,例如长短期记忆网络(LSTM)和门控循环单元(GatedRecurrentUnit,GRU),它们为大多数深度学习模型提供文本和序列化数据;为序列化数据使用一维卷积。可以使用RNN构建的一些应用程序如下所示。文档分类器:识别推文或评论的情感,对新闻文章

机器学习基础

本章涵盖了以下主题:分类和回归之外的其他类型的问题;评估问题,理解过拟合、欠拟合,以及解决这些问题的技巧;为深度学习准备数据。请记住,在本章中讨论的大多数技术都是机器学习和深度学习通用的,一部分用于解决过拟合问题的技术(如dropout)除外。4.1 三类机器学习问题在之前的所有例子中,尝试解决的是分类(预测猫或狗)或回归(预测用户在平台上花费的平均时

深入了解神经网络

深入了解神经网络本章将介绍用于解决实际问题的深度学习架构的不同模块。前一章使用PyTorch的低级操作构建了如网络架构、损失函数和优化器这些模块。本章将介绍用于解决真实问题的神经网络的一些重要组件,以及PyTorch如何通过提供大量高级函数来抽象出复杂度。本章还将介绍用于解决真实问题的算法,如回归、二分类、多类别分类等。本章将讨论如下主题:详解神经网络的不

使用深度学习进行图像分类

解决任何真实问题的重要一步是获取数据。Kaggle提供了大量不同数据科学问题的竞赛。我们将挑选一个2014年提出的问题,然后使用这个问题测试本章的深度学习算法,并在第5章中进行改进,我们将基于卷积神经网络(CNN)和一些可以使用的高级技术来改善图像识别模型的性能。大家可以从https://www.kaggle.com/c/dogsvscats/data下载数

PyTorch已为我们实现了大多数常用的非线性激活函数

PyTorch已为我们实现了大多数常用的非线性激活函数,我们可以像使用任何其他的层那样使用它们。让我们快速看一个在PyTorch中使用ReLU激活函数的例子:在上面这个例子中,输入是包含两个正值、两个负值的张量,对其调用ReLU函数,负值将取为0,正值则保持不变。现在我们已经了解了构建神经网络架构的大部分细节,我们来构建一个可用于解决真实问题的深度学习架构。