完善資料讓更多小伙伴認(rèn)識(shí)你,還能領(lǐng)取20積分哦,立即完善>
標(biāo)簽 > 數(shù)據(jù)集
文章:1155個(gè) 瀏覽:25385次 帖子:27個(gè)
探索“What-If”場(chǎng)景通常意味著編寫一次性的自定義代碼來(lái)分析特定模型
What-If 工具擁有各種功能,包括使用 Facets 自動(dòng)可視化數(shù)據(jù)集、手動(dòng)編輯數(shù)據(jù)集示例并查看相關(guān)更改的影響,以及自動(dòng)生成局部依賴圖(顯示模型的預(yù)...
2018-10-11 標(biāo)簽:機(jī)器學(xué)習(xí)數(shù)據(jù)集 4133 0
Keras和TensorFlow究竟哪個(gè)會(huì)更好?
Keras 依然作為一個(gè)庫(kù),與 TensorFlow 分開(kāi),進(jìn)行獨(dú)立操作,所以仍存在未來(lái)兩者會(huì)分開(kāi)的可能性;然而,我們知道 Google 官方同時(shí)支持 ...
2018-10-11 標(biāo)簽:數(shù)據(jù)集深度學(xué)習(xí)Keras 2.2萬(wàn) 0
為何基于決策樹(shù)的模型經(jīng)久不衰?何時(shí)使用基于決策樹(shù)的模型?
現(xiàn)在是植樹(shù)時(shí)刻!我決定使用Titanic數(shù)據(jù)集,機(jī)器學(xué)習(xí)社區(qū)最著名的數(shù)據(jù)集之一。你可以從Kaggle(c/titanic)或GitHub(alanmar...
2018-10-09 標(biāo)簽:數(shù)據(jù)集決策樹(shù)R語(yǔ)言 1.0萬(wàn) 0
一個(gè)名為Metaverse的工具來(lái)幫助人們快速生成逼真的訓(xùn)練數(shù)據(jù)
有的算法需要使用者具有一定的編程能力,而有的算法生成的結(jié)果卻又不是那么逼真。我們真正需要的是一個(gè)能夠方便高效地生成大規(guī)模訓(xùn)練數(shù)據(jù)來(lái)訓(xùn)練網(wǎng)絡(luò)完成對(duì)新物體的...
2018-10-08 標(biāo)簽:計(jì)算機(jī)視覺(jué)數(shù)據(jù)集 6163 0
9月最受歡迎的機(jī)器學(xué)習(xí)開(kāi)源項(xiàng)目Top10!
YOLOv3 是當(dāng)前最先進(jìn)的實(shí)時(shí)檢測(cè)目標(biāo)的系統(tǒng),相比于前兩個(gè)版本,第三版針對(duì)小目標(biāo)的精度有顯著提升。YOLOv3 的 Github 目錄包含了全部基于 ...
2018-10-08 標(biāo)簽:機(jī)器學(xué)習(xí)數(shù)據(jù)集開(kāi)源項(xiàng)目 3156 0
從簡(jiǎn)介、計(jì)算步驟、應(yīng)用三方面進(jìn)行理解PCA的降維作用
數(shù)據(jù)集看起來(lái)像一個(gè)從原點(diǎn)到右上角延伸的細(xì)長(zhǎng)扁平的橢圓。要降低整個(gè)數(shù)據(jù)集的維度,我們必須把點(diǎn)映射成一條線。下圖中的兩條線都是數(shù)據(jù)集可以映射的,映射到哪條線...
2018-10-08 標(biāo)簽:PCA數(shù)據(jù)集 9752 0
在這個(gè)項(xiàng)目里,我們用了兩個(gè)公開(kāi)的數(shù)據(jù)集,A中包含了來(lái)自倫敦三家不同醫(yī)院的數(shù)據(jù),有將近600名病人。數(shù)據(jù)集B包含了來(lái)自美國(guó)、中國(guó)和德國(guó)25家不同醫(yī)院的12...
2018-10-08 標(biāo)簽:人工智能數(shù)據(jù)集深度學(xué)習(xí) 5643 0
基于生成網(wǎng)絡(luò)(GAN)來(lái)輔助藝術(shù)家進(jìn)行更具創(chuàng)意的設(shè)計(jì)項(xiàng)目
該項(xiàng)目的目標(biāo)不是制造一把功能性椅子,而是為人類設(shè)計(jì)師創(chuàng)造一個(gè)激發(fā)靈感的“視覺(jué)提示”,為了探索了如何讓機(jī)器學(xué)習(xí)用作藝術(shù)和設(shè)計(jì)工具來(lái)啟發(fā)人的思維,就像超現(xiàn)實(shí)...
2018-09-28 標(biāo)簽:神經(jīng)網(wǎng)絡(luò)GAN數(shù)據(jù)集 5548 0
什么是Adam、ReLU、YOLO?解釋深度學(xué)習(xí)的一些常用術(shù)語(yǔ)
AlexNet是一個(gè)流行的CNN架構(gòu),有八層,它比LeNet更廣泛,因此訓(xùn)練用時(shí)也更長(zhǎng)。2012年,AlexNet贏得了ImageNet圖像分類挑戰(zhàn)。相...
2018-09-28 標(biāo)簽:算法數(shù)據(jù)集深度學(xué)習(xí) 1.9萬(wàn) 0
如何利用兩種機(jī)器學(xué)習(xí)的方法——邏輯回歸和樸素貝葉斯分類器
特征工程是不一個(gè)簡(jiǎn)單的技能,它更像是復(fù)雜的藝術(shù)形式。 它包含了考慮數(shù)據(jù)集和域的過(guò)程,選擇對(duì)于模型最有用的特征,以及測(cè)試特征以優(yōu)化選擇。 Scikit-l...
2018-10-04 標(biāo)簽:分類器機(jī)器學(xué)習(xí)數(shù)據(jù)集 6381 0
基于對(duì)圖片的語(yǔ)音描述,可以學(xué)習(xí)在圖片中辨認(rèn)目標(biāo)物體
這項(xiàng)工作是Harwath等人早期一項(xiàng)研究的擴(kuò)展,他們當(dāng)時(shí)研究將語(yǔ)音與相關(guān)主題的圖片相連接。在早期研究中,他們從Mechanical Turk平臺(tái)的分類數(shù)...
2018-10-04 標(biāo)簽:語(yǔ)音識(shí)別機(jī)器學(xué)習(xí)數(shù)據(jù)集 3267 0
新方法開(kāi)啟了多種語(yǔ)言快速翻譯、精準(zhǔn)翻譯的大門
用無(wú)監(jiān)督的雙語(yǔ)詞典推斷法進(jìn)行詞對(duì)詞翻譯并不是好的翻譯方法,因?yàn)樵~語(yǔ)可能會(huì)丟失,或打亂順序,或出現(xiàn)錯(cuò)誤。但是,它能最大程度地保留文本的意思。我們可以用語(yǔ)言...
2018-10-04 標(biāo)簽:機(jī)器翻譯數(shù)據(jù)集 3622 0
一種兼具神經(jīng)網(wǎng)絡(luò)高效性和高斯過(guò)程靈活性的方法——神經(jīng)過(guò)程
我們可以把NP看作是根據(jù)“context points”中的“target points”建模的模型,相關(guān)信息通過(guò)潛在空間z從左側(cè)流向右側(cè),從而提供新的...
2018-10-04 標(biāo)簽:神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)集深度學(xué)習(xí) 4941 0
nuTonomy發(fā)布自動(dòng)駕駛數(shù)據(jù)集nuScenes
數(shù)據(jù)集是機(jī)器學(xué)習(xí)算法的命脈——從某種意義上講,數(shù)據(jù)集對(duì)于自動(dòng)駕駛等人工智能應(yīng)用領(lǐng)域,最重要的是它們的質(zhì)量最高。同時(shí),數(shù)據(jù)集也衍生出自動(dòng)駕駛行業(yè)新的商業(yè)模式。
2018-09-19 標(biāo)簽:數(shù)據(jù)集自動(dòng)駕駛 1.6萬(wàn) 0
谷歌開(kāi)源了一款工具名為What-If,無(wú)需編寫代碼就能分析一款機(jī)器學(xué)習(xí)模型
What-If工具有多種功能,包括用Facets自動(dòng)對(duì)你的數(shù)據(jù)集進(jìn)行可視化、從數(shù)據(jù)集中手動(dòng)編輯樣本的能力以及觀察這些變化帶來(lái)的影響、并且自動(dòng)生成part...
2018-09-24 標(biāo)簽:谷歌機(jī)器學(xué)習(xí)數(shù)據(jù)集 3527 0
TensorFlow宣布開(kāi)源TXF的一個(gè)重要組件:“數(shù)據(jù)驗(yàn)證”
對(duì)于數(shù)據(jù)集中不斷增加的新數(shù)據(jù),我們需要用原模式對(duì)它們進(jìn)行驗(yàn)證。但是,在常規(guī)設(shè)置中,這個(gè)模式每個(gè)一段時(shí)間都會(huì)維護(hù)一次,它基于統(tǒng)計(jì)信息,而統(tǒng)計(jì)信息又會(huì)受新加...
2018-09-24 標(biāo)簽:機(jī)器學(xué)習(xí)數(shù)據(jù)集TensorFlow 1936 0
AUC是否可以直接用作損失函數(shù)去優(yōu)化呢?
TP(true positive):表示樣本的真實(shí)類別為正,最后預(yù)測(cè)得到的結(jié)果也為正;FP(false positive):表示樣本的真實(shí)類別為負(fù),最后...
2018-09-11 標(biāo)簽:函數(shù)分類器數(shù)據(jù)集 1.5萬(wàn) 0
MIT不斷開(kāi)發(fā)新的方法來(lái)分析從儀表化車隊(duì)收集的大規(guī)模數(shù)據(jù)集
在MIT - AVT研究的頭14個(gè)月里,車輛每天行駛里程的可視化。這種可視化沒(méi)有顯示最近幾個(gè)月,因?yàn)槊枯v車內(nèi)的高容量存儲(chǔ)支持?jǐn)?shù)據(jù)卸載之間的擴(kuò)展記錄以及隨...
2018-09-10 標(biāo)簽:計(jì)算機(jī)視覺(jué)數(shù)據(jù)集深度學(xué)習(xí) 3908 0
面向機(jī)器學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)突變算法
與最先進(jìn)的人工設(shè)計(jì)架構(gòu)、基于強(qiáng)化學(xué)習(xí)的架構(gòu)搜索方法、以及基于進(jìn)化算法的其他自動(dòng)化方法的結(jié)果相比,結(jié)構(gòu)突變算法在分類錯(cuò)誤上稍高出前幾種方法,但耗時(shí)要少得多...
2018-09-08 標(biāo)簽:神經(jīng)網(wǎng)絡(luò)機(jī)器學(xué)習(xí)數(shù)據(jù)集 2967 0
如何使用TensorFlow Hub文本模塊構(gòu)建一個(gè)模型,以根據(jù)相關(guān)描述預(yù)測(cè)電影類型
您所選擇的預(yù)訓(xùn)練文本嵌入是您模型中的一個(gè)超參數(shù),所以最好用不同的文本嵌入進(jìn)行試驗(yàn),看看哪個(gè)的準(zhǔn)確性最高。先從用與您的文本最接近的文本訓(xùn)練過(guò)的模型開(kāi)始。由...
2018-09-07 標(biāo)簽:數(shù)據(jù)集TensorFlow遷移學(xué)習(xí) 3428 0
編輯推薦廠商產(chǎn)品技術(shù)軟件/工具OS/語(yǔ)言教程專題
電機(jī)控制 | DSP | 氮化鎵 | 功率放大器 | ChatGPT | 自動(dòng)駕駛 | TI | 瑞薩電子 |
BLDC | PLC | 碳化硅 | 二極管 | OpenAI | 元宇宙 | 安森美 | ADI |
無(wú)刷電機(jī) | FOC | IGBT | 逆變器 | 文心一言 | 5G | 英飛凌 | 羅姆 |
直流電機(jī) | PID | MOSFET | 傳感器 | 人工智能 | 物聯(lián)網(wǎng) | NXP | 賽靈思 |
步進(jìn)電機(jī) | SPWM | 充電樁 | IPM | 機(jī)器視覺(jué) | 無(wú)人機(jī) | 三菱電機(jī) | ST |
伺服電機(jī) | SVPWM | 光伏發(fā)電 | UPS | AR | 智能電網(wǎng) | 國(guó)民技術(shù) | Microchip |
Arduino | BeagleBone | 樹(shù)莓派 | STM32 | MSP430 | EFM32 | ARM mbed | EDA |
示波器 | LPC | imx8 | PSoC | Altium Designer | Allegro | Mentor | Pads |
OrCAD | Cadence | AutoCAD | 華秋DFM | Keil | MATLAB | MPLAB | Quartus |
C++ | Java | Python | JavaScript | node.js | RISC-V | verilog | Tensorflow |
Android | iOS | linux | RTOS | FreeRTOS | LiteOS | RT-THread | uCOS |
DuerOS | Brillo | Windows11 | HarmonyOS |