人工智慧演算法

影象分類

影象物體分類與檢測演算法綜述 轉自《計算機學報》 目錄 影象物體分類與檢測演算法綜述 目錄 影象物體分類與檢測概述 物體分類與檢測的難點與挑戰 物體分類與檢測資料庫 物體分類與檢測發展歷程 影象物體分類與檢測是計算機視覺研究中的兩個重要的基本問題,也是影象分割、物體跟蹤、行為分析等其他高層視覺任務的 […]

神經網路 II:神經元模型

人工神經網路的生物原型是大腦,人腦中的神經網路是一個非常複雜的組織,其基本組成單位是神經元(神經細胞),成人的大腦中估計有1000億個神經元之多。十九世紀末二十世紀初,在解剖學家、生物學家、醫學家的共同努力下,神經元的組成結構便被研究清楚,一個神經元主要由四部分構成: 細胞體:它是神經元的本體,內有 […]

機器學習演算法-決策樹(二)

決策樹方法最早產生於上世紀60年代,到70年代末。由J Ross Quinlan提出了ID3演算法,此演算法的目的在於減少樹的深度。但是忽略了葉子數目的研究。C4.5演算法在ID3演算法的基礎上進行了改進,對於預測變數的缺值處理、剪枝技術、派生規則等方面作了較大改進,既適合於分類問題,又適合於迴歸問 […]

[機器學習入門] 李巨集毅機器學習筆記-1(Learning Map 課程導覽圖)

在此就不介紹機器學習的概念了。 Learning Map(學習導圖) PDF VIDEO 先來看一張李大大的總圖↓ 鑑於看起來不是很直觀,我“照虎畫貓”做了一個思維導圖如下: 理論上Supervised Learning分支下的內容都可以放在其他Learning Map大類下。 1. Supervi […]

統計學習方法 李航 第二章習題

推薦一下個人部落格 2.1Minsky和Papert指出:感知機因為是線性模型,所以不能表示複雜的函式,如異或。驗證感知機為什麼不能表示異或 明顯可知異或不具有線性可分性,由感知機定義可知,感知機不能表示異或。 2.2模仿例題2.1,構建從訓練資料集求感知機模型的例子 import numpy as […]

深度學習入門篇–手把手教你用 TensorFlow 訓練模型

歡迎大家前往騰訊雲技術社群,獲取更多騰訊海量技術實踐乾貨哦~ 作者:付越 導語 Tensorflow在更新1.0版本之後多了很多新功能,其中放出了很多用tf框架寫的深度網路結構(https://github.com/tensorflow/models ),大大降低了開發難度,利用現成的網路結構,無論 […]

深度學習哪家強?吳恩達、Udacity和Fast.ai的課程我們替你分析好了

  引言 過去2年,我一直積極專注於深度學習領域。我對深度學習的興趣始於2015年初,那個時候Google剛剛開源Tensorflow。我根據Tensorflow的文件快速地嘗試了幾個例程,當時的感覺是深度學習並不簡單。部分原因是因為深度學習的框架很新,也需要更好的硬體支援和耐心來摸索。   時間快 […]