商圈搜索|帖子搜索|回复搜索
首页 > AI技术百科 > 搜索
393浏览
0点赞

真阳率 true positive rate，假阳率 false positive rate

概念其实是从医学那边引入到机器学习里面的，所以其思维逻辑多多少少会跟做机器学习的有点出入。我们去看病，化验单或报告单会出现（+）跟（-），其分别表型阳性和阴性。比如你去检查是不是得了某种病，阳性（+）就
288浏览
1点赞

Paired t-Test 配对 t 检验

配对 t 检验是一种常见的 t 检验方法，它是指在不同条件下，对同一个整体获取的样本进行分析，以评价条件对其的影响，其中包括不同存放环境、不同测量系统等，此外，t 检验还包括单样本 t 检验、多样本 t 检验等。配
334浏览
1点赞

样本空间 Sample Space

样本空间是随机试验所有可能结果的集合，随机试验中的每个可能结果即样本点，样本空间里可以进行加法运算，可以进行数乘（除）运算，可以求平均值。如果抛掷一枚硬币，那么样本空间就是集合 {正面，反面}；如果投掷
329浏览
0点赞

Base learner 基学习器

一般的基学习器可以由 Logistic回归，决策树，SVM，神经网络，贝叶斯分类器，K-近邻等构成。如果个体学习器是从同种学习算法从训练数据中产生，则可称为同质集成，此时的个体学习器也称作基学习器；集成也可以包含不
442浏览
0点赞

Gaussian kernel function 高斯核函数

高斯核函数是一种常用的核函数，它可以将有限维数据映射到高维空间，高斯核函数定义如下：上述公式涉及到两个向量的欧式距离计算，而且，高斯核函数是两个向量欧式距离的单调函数。σ 是带宽，控制径向作用范围，换
459浏览
0点赞

朴素贝叶斯算法在场景的应用

本文作者通过一些场景案例，带领大家了解一下朴素贝叶斯算法作为聚类算法中的一员，如何来区分各类数组。通过一组参数模型来区分互斥群组中的个体十分常见，我们可以使用朴素贝叶斯分析来应用于这种场景，取决于模型
368浏览
0点赞

朴素贝叶斯算法，python实现代码

概念：　贝叶斯定理：贝叶斯理论是以18世纪的一位神学家托马斯.贝叶斯(Thomas Bayes)命名。通常，事件A在事件B（发生）的条件下的概率，与事件B在事件A（发生）的条件下的概率是不一样的；然而，这两者是有确定的关
390浏览
0点赞

人工智能的应用案例：人脸识别打拐

当前，全国拐卖儿童犯罪活动较为猖獗，受害人及受害家庭数以万计。据民政部估计，目前，全国流浪乞讨儿童数量在100 万-150 万左右。在河南、云南以及两广沿海等地乡村地区，买卖儿童几近市场化，形成了一个完整的地
407浏览
0点赞

人工智能的应用案例：智能病例处理

自然语言处理还可以将积压的病例自动批量转化为结构化数据库，机器学习和自然语言处理技术能自动抓取病历中的临床变量，生成标准化的数据库。随后变量抽提、思路生成到论文图表导出的全过程辅助智能算法能挖掘变量相
504浏览
0点赞

人工智能的应用案例：文字校对

由于拼音输入法的问题和人类固有的粗心大意，自然输入的文字中总是会有 千分之几的错字，个别非常粗心大意的错字率能达到 百分之几。在互联网论坛，日常聊天或者非主流媒体上，有些错字无所谓，但是主流媒体，图书出
3634浏览
3点赞

应用案例：双目作为3D相机，仿照人类双眼感知世界

再再比如说，双目3D相机的demo。顾名思义，3D相机是一种不光可以感知平面信息，同时还可以获取拍摄对象深度信息的相机，而双目3D相机顾名思义，就是通过仿照人类双眼感知世界的方式，用双摄像头成像，接下来通过AI算
371浏览
0点赞

应用案例：AI算法在老酒鉴定

在北京召开的阿里云开发者大会。就是在那天大会的现场，阿里巴巴集团副总裁、达摩院城市大脑实验室负责人华先胜先生首次对外分享了关于AI算法在老酒鉴定中应用案例。而这个技术的结晶就是见甄AI鉴酒盒子。没错，就是
440浏览
3点赞

用Python实现机器学习算法——简单的神经网络

我们将实现一个简单的神经网络架构，将 2 维的输入向量映射成二进制输出值。我们的神经网络有 2 个输入神经元，含 6 个隐藏神经元隐藏层及 1 个输出神经元。
441浏览
0点赞

感知机（Perceptron）

作为第一代神经网络，感知机是只有一个神经元的计算模型。首先将原始输入矢量转化为特征矢量，再用手写程序定义特征，然后学习如何对每个特征加权得到一个标量，如果标量值高于某一阈值，则认为输入矢量是目标类的一
463浏览
0点赞

循环神经网络（ Recurrent Neural Network）

循环神经网络（RNN）有两个强大的属性可以计算任何计算机计算出来的东西：（1）允许存储大量有效信息的分布式隐藏状态（2）用复杂的方式允许更新隐藏状态的非线性动态。RNN强大的计算能力和梯度消失（或爆炸）使其很难训练。通过多层反向传播时，若权重很小，则梯度呈指
435浏览
0点赞

长短期记忆网络（Long/Short Term Memory Network）

HochreiterSchmidhuber（1997年）构建了长短期记忆网络，解决了获取RNN长时间记忆问题，使用乘法逻辑线性单元设计存储单元，只要保持“写入”门打开，信息就会写入并保持在单元中，也可以打开“读取”门从中获取数据
577浏览
0点赞

霍普菲尔德网络（Hopfield Networks）

非线性循环网络有很多种表现方式，较难分析：能达到稳定、震荡或馄饨状态这三种表现形式。Hopfield网络是由有循环连接的二进制阈值单元组成。1982年，约翰·霍普菲尔德发现，如果连接对称，则存在一个全局能量函数，
355浏览
0点赞

玻尔兹曼机（Boltzmann Machine Network）

玻尔兹曼机是一种随机循环神经网络，可以被看作是Hopfield网络的随机生成产物，是最先学习内部representations的神经网络之一。该算法旨在最大限度地提高机器在训练集中分配给二进制矢量的概率的乘积，相当于最大化
394浏览
0点赞

深度自动编码器（Deep Auto-encoders）

该架构提供了两种映射方式，好像是一个做非线性降维非常好的方法，它在训练事例的数量上是线性的（或更好的），而最终编码模型相当紧凑和快速。然而，使用反向传播优化深度自动编码器很困难，若初始权重较小，反向传
391浏览
0点赞

深度信念网络（Deep Belief Network）

反向传播，是人工神经网络计算处理一批数据后每个神经元的误差分布的标准方法，但是也存在一些问题。首先要标注训练数据，但几乎所有数据都没有标注；其次，学习时间不足，这意味着隐藏层数较多的网络较慢；第三，可
上一页   1   2   …   10   11   12   13   14   15   16   …   23   24   下一页
今日排行
本周排行
本月排行
免费注册体验
联系我们

未来已至-为AI数据而生


关注服务号


关注订阅号

AI数据集

AI科学社区

AI数据标注工具

关于我们