525浏览

0点赞

张量大小 (Tensor size)

小小程序员

05-15 23:35

334浏览

0点赞

张量形状 (Tensor shape)

小小程序员

05-15 23:35

625浏览

0点赞

张量处理单元 (TPU, Tensor Processing Unit)

小小程序员

05-15 23:35

401浏览

0点赞

张量 (Tensor)

小小程序员

05-15 23:35

387浏览

0点赞

时态数据 (temporal data)

小小程序员

05-15 23:35

335浏览

0点赞

合成特征 (synthetic feature)

小小程序员

05-15 23:34

370浏览

0点赞

监督式机器学习 (supervised machine learning)

小小程序员

05-15 23:34

341浏览

0点赞

结构风险最小化 (SRM, structural risk minimization)

小小程序员

05-15 23:34

363浏览

0点赞

随机梯度下降法 (SGD, stochastic gradient descent)

小小程序员

05-15 23:34

348浏览

0点赞

步长 (step size)

小小程序员

05-15 23:34

315浏览

0点赞

步 (step)

小小程序员

05-15 23:33

318浏览

0点赞

平稳性 (stationarity)

小小程序员

05-15 23:33

301浏览

0点赞

静态模型 (static model)

小小程序员

05-15 23:33

535浏览

0点赞

平方损失函数 (squared loss)

小小程序员

05-15 23:33

653浏览

0点赞

平方合页损失函数 (squared hinge loss)

小小程序员

05-15 23:33

534浏览

0点赞

稀疏特征 (sparse feature)

小小程序员

05-15 23:33

313浏览

0点赞

softmax

小小程序员

05-15 23:33

285浏览

0点赞

序列模型 (sequence model)

小小程序员

05-15 23:32

314浏览

0点赞

半监督式学习 (semi-supervised learning)

小小程序员

05-15 23:32

1083浏览

0点赞

受试者工作特征曲线（receiver operating characteristic, 简称 ROC 曲线）

小小程序员

05-15 23:32

上一页 1 2 … 3 4 5 6 7 … 8 9 下一页

相关搜索

今日排行

8条1分类
7条2区
8条3SET
37条4神经网络
5条52021
2条6分割
6条7data
190条8学习
176条9机器学习

本周排行

37条1神经网络
5条22021
176条3机器学习
19条4人
6条5data
190条6学习
3条7paper
2条8分割
8条9分类

本月排行

37条1神经网络
5条22021
176条3机器学习
19条4人
6条5data
190条6学习
3条7paper
2条8分割
8条9分类

首页

TagableDB数据集

公开数据集

AI技术百科

张量大小 (Tensor size)

张量形状 (Tensor shape)

张量处理单元 (TPU, Tensor Processing Unit)

张量 (Tensor)

时态数据 (temporal data)

合成特征 (synthetic feature)

监督式机器学习 (supervised machine learning)

结构风险最小化 (SRM, structural risk minimization)

随机梯度下降法 (SGD, stochastic gradient descent)

步长 (step size)

步 (step)

平稳性 (stationarity)

静态模型 (static model)

平方损失函数 (squared loss)

平方合页损失函数 (squared hinge loss)

稀疏特征 (sparse feature)

softmax

序列模型 (sequence model)

半监督式学习 (semi-supervised learning)

受试者工作特征曲线（receiver operating characteristic, 简称 ROC 曲线）

AI数据集

AI科学社区

AI数据标注工具

关于我们

咨询 • 合作