學習筆記【機器學習重點與實戰】

讀書筆記:《人工智慧》

讀書筆記 摘自:《人工智慧》(作者:李開復 王詠剛) 第一章 人工智慧來了 人工智慧已經來了,而且它就在我們身邊,幾乎無處不在。 人類,你好! “不管我們是碳基人類還是矽基機器人,都沒有本質的區別。我們中的每一員都應獲得應有的尊重。” 每當前沿科技取得重大突破,為我們預示出人工智慧的瑰麗未來時,許多 […]

粒子群演算法實戰分享-附原版動畫PPT(技術分享也可以文藝範?)

版權宣告:本文為博主原創文章,未經博主允許不得轉載。   本文是針對博主使用粒子群優化演算法解決水面無人艇靜態、動態障礙物規避,及場地佈局三類問題,做了更深入的總結分析。   與目前火熱的機器學習不同,智慧優化演算法需要對問題建立確定的模型,具有明確的優化目標函式,對優化變數不斷的尋優。通過對三種演 […]

粒子群優化演算法解決場地資源佈局問題-演算法原型探討

版權宣告:本文為博主原創文章,未經博主允許不得轉載。   本篇文章的命題來源於博主參加工作後的第一項任務,用智慧優化演算法解決工程實際中關於某施工場地相關資源佈局的問題。由於博主的碩士畢業論文(詳見第3章 基於PSO的已知靜態路徑規劃方法)涉及到了粒子群優化演算法,有一定經驗,固對於本命題欲採用粒子 […]

學習筆記【機器學習重點與實戰】——9 聚類演算法原理

1 K-Means K-Means演算法,也被稱為K-均值演算法或K-平均,是一種廣泛使用的聚類演算法,或者為其它聚類演算法的基礎。 K-Means是發現給定資料集的 k 個簇的演算法。簇個數 k 是使用者給定的,每一個簇通過其質心(centroid), 即簇中所有點的中心來描述。 K-Means演 […]

學習筆記【機器學習重點與實戰】——10 聚類演算法實現與實戰

1 K-Means演算法實現 K-Means演算法過程虛擬碼表示如下: 建立k個點作為起始質心(經常是隨機選擇) 當任意一個點的簇分配結果發生改變時 對資料集中的每個資料點 對每個質心 計算質心與資料點之間的距離 將資料點分配到距其最近的簇 對每一個簇,計算簇中所有點的均值並將均值作為質心 實現程式 […]

學習筆記【機器學習重點與實戰】——11 頻繁項集與關聯關係挖掘演算法

1 頻繁項集與關聯關係挖掘演算法 從大規模資料集中尋找物品間的隱含關係被稱作關聯分析(association analysis ) 或者關聯規則學習(association rule learning)。關聯分析是用於發現大資料集中元素間有趣關係的一個工具集,可以採用兩種方式來量化這些有趣的關係。第 […]

學習筆記【機器學習重點與實戰】——12 EM演算法

1 EM演算法 之前章節的例項中都假設訓練樣本所有屬性變數的值都已被觀測到,即變數都是觀測變數(observable variable),訓練樣本是”完整”的。但在現實應用中往往會遇到”不完整”的訓練樣本,即存在未觀測變數(”隱變數” – hidden variable 或 latent […]

AI轉型學習計劃

第四次工業革命 國家戰略目標:“到2030年人工智慧理論、技術與應用總體達到世界領先水平,成為世界主要人工智慧創新中心,智慧經濟、智慧社會取得明顯成效,為躋身創新型國家前列和經濟強國奠定重要基礎。” 繼網際網路、移動網際網路後又一大風口 國內人工智慧人才缺口500萬 AI熱已經無需多提,關於AI的資 […]