- 1.简介 深度学习模型通常需要大量有标签数据才能训练出一个优良的分类器。但是，包括医学图像分析在内的一些应用无法满足这种数据要求，因为标注数据需要很多人力劳动。在这些情况下，多任务学习（MTL）可以通过使用来自其它相关学习任务的有用信息来帮助缓解这种数据稀疏问题。 微众银行首席智能官、香港科技大学讲座教授、国际人工智能联合会理事会主席、吴... 1.简介 深度学习模型通常需要大量有标签数据才能训练出一个优良的分类器。但是，包括医学图像分析在内的一些应用无法满足这种数据要求，因为标注数据需要很多人力劳动。在这些情况下，多任务学习（MTL）可以通过使用来自其它相关学习任务的有用信息来帮助缓解这种数据稀疏问题。 微众银行首席智能官、香港科技大学讲座教授、国际人工智能联合会理事会主席、吴...
- 大数据分析场景和模型应用 数据分析建模需要先明确业务需求，然后选择是 描述型分析 还是 预测型分析。 如果分析的目的是描述目标行为模式，就采用描述型数据分析，描述型分析就考虑 关联规则、 序列规则 、 聚类 等模型。 如果是预测型数据分析，就是量化未来一段时间内，某个事件的发生概率。有两大... 大数据分析场景和模型应用 数据分析建模需要先明确业务需求，然后选择是 描述型分析 还是 预测型分析。 如果分析的目的是描述目标行为模式，就采用描述型数据分析，描述型分析就考虑 关联规则、 序列规则 、 聚类 等模型。 如果是预测型数据分析，就是量化未来一段时间内，某个事件的发生概率。有两大...
- 今天介绍美国佐治亚理工学院计算机学院的Jimeng Sun团队在AAAI2020的论文，该研究提出了一种分子生成模型的优化策略——CORE（Copy & Refine Strategy），其核心思想是：在每个生成步骤中，CORE将决定是从输入分子复制子结构（Copy）还是加入新的子结构（Refine）。 背景 设... 今天介绍美国佐治亚理工学院计算机学院的Jimeng Sun团队在AAAI2020的论文，该研究提出了一种分子生成模型的优化策略——CORE（Copy & Refine Strategy），其核心思想是：在每个生成步骤中，CORE将决定是从输入分子复制子结构（Copy）还是加入新的子结构（Refine）。 背景 设...
- 这是统计学的基本概念，随便找本概率论基础都可以找到这些概念，看不懂的就看多几遍，重点在记住和知道应用场合，知识点之间的衔接很重要，理解为王。 文章目录 1. 随机变量分类 2. 常见的离散分布 2.1 伯努利分布(0-1分布) 2.2 二项分布 2.3 泊松分布 3. 连续分布 3.1 均匀分布 3.2 正态分布 3.3 指... 这是统计学的基本概念，随便找本概率论基础都可以找到这些概念，看不懂的就看多几遍，重点在记住和知道应用场合，知识点之间的衔接很重要，理解为王。 文章目录 1. 随机变量分类 2. 常见的离散分布 2.1 伯努利分布(0-1分布) 2.2 二项分布 2.3 泊松分布 3. 连续分布 3.1 均匀分布 3.2 正态分布 3.3 指...
- DGL 纽约大学、纽约大学上海分校、AWS上海研究院以及AWS MXNet Science Team共同开源了一个面向图神经网络及图机器学习的全新框架，命名为Deep Graph Library（DGL）。 用于图上的深度学习，支持PyTorch、MXNet等多种深... DGL 纽约大学、纽约大学上海分校、AWS上海研究院以及AWS MXNet Science Team共同开源了一个面向图神经网络及图机器学习的全新框架，命名为Deep Graph Library（DGL）。 用于图上的深度学习，支持PyTorch、MXNet等多种深...
- 文章目录 线性代数的基础操作 简单生成一个行向量 行向量的转置 (无效做法) 行向量的转置 直接生成一个列向量 (二维数组) 向量的内积 向量的外积 生成一个零矩阵 生成一个对角矩阵 生成一个单位矩阵 矩阵和矩阵相乘 利用Python求矩阵的秩 利用Python求矩阵的逆 利用Python求解线性方程 方程无解，使用投影来找到最佳近似解 ... 文章目录 线性代数的基础操作 简单生成一个行向量 行向量的转置 (无效做法) 行向量的转置 直接生成一个列向量 (二维数组) 向量的内积 向量的外积 生成一个零矩阵 生成一个对角矩阵 生成一个单位矩阵 矩阵和矩阵相乘 利用Python求矩阵的秩 利用Python求矩阵的逆 利用Python求解线性方程 方程无解，使用投影来找到最佳近似解 ...
- 数据几乎无处不在。当前存在的数字数据量正在快速增长。这个数字每两年翻一番，完全改变了我们的基本生存方式。根据IBM的一篇论文，2012年每天生成约25亿千兆字节的数据。《福布斯》的另一篇文章告诉我们，数据的增长速度比以往任何时候都要快。该文章还暗示，到2020年，每秒将为这个星球上的所有人类居民开发约17亿新信息。随着数据以更快的速度增长，出现了与处理和处理数据相关的新术... 数据几乎无处不在。当前存在的数字数据量正在快速增长。这个数字每两年翻一番，完全改变了我们的基本生存方式。根据IBM的一篇论文，2012年每天生成约25亿千兆字节的数据。《福布斯》的另一篇文章告诉我们，数据的增长速度比以往任何时候都要快。该文章还暗示，到2020年，每秒将为这个星球上的所有人类居民开发约17亿新信息。随着数据以更快的速度增长，出现了与处理和处理数据相关的新术...
- @Author：Runsen 图像识别本质上是一种计算机视觉技术，它赋予计算机“眼睛”，让计算机通过图像和视频“看”和理解世界。 在开始阅读本文之前，建议先了解一下什么是tensor、什么是torch.autograd以及如何在 PyTorch 中构建神经网络模型。 CIFAR-10 数据集 本教程使用具有 10 个类的CIFAR10 数据集：‘airplane... @Author：Runsen 图像识别本质上是一种计算机视觉技术，它赋予计算机“眼睛”，让计算机通过图像和视频“看”和理解世界。 在开始阅读本文之前，建议先了解一下什么是tensor、什么是torch.autograd以及如何在 PyTorch 中构建神经网络模型。 CIFAR-10 数据集 本教程使用具有 10 个类的CIFAR10 数据集：‘airplane...
- 随机森林与支持向量机 随机森林 目的 随机森林是一个用随机方式建立的，包含多个决策树的分类器。其随机性主要体现在两个方面：(1)训练每棵树时，从全部训练样本(样本数为N)中选取一个可能有重复的大小同样为N的数据集进行训练(即BootStrap取样)；(2)在每个节点，随机选取所有特征的一个子集，用来计算最佳的分割方式。 优点 能够处理高维(即特征很多)的... 随机森林与支持向量机 随机森林 目的 随机森林是一个用随机方式建立的，包含多个决策树的分类器。其随机性主要体现在两个方面：(1)训练每棵树时，从全部训练样本(样本数为N)中选取一个可能有重复的大小同样为N的数据集进行训练(即BootStrap取样)；(2)在每个节点，随机选取所有特征的一个子集，用来计算最佳的分割方式。 优点 能够处理高维(即特征很多)的...
- 文章目录 感知机 感知机代码实现 支持向量机（硬间隔） 原优化问题的对偶问题 SMO求解对偶问题最优解 软间隔支持向量机 KKT条件 w ∗ , b ∗ w^*,b^* 文章目录 感知机 感知机代码实现 支持向量机（硬间隔） 原优化问题的对偶问题 SMO求解对偶问题最优解 软间隔支持向量机 KKT条件 w ∗ , b ∗ w^*,b^*
- 文章目录 XGBoost 参考文献： 1. XGBoost原理 损失函数 正则项 树分裂（树结构）打分算法： 总结 XGBoost包的特点 2. XGBoost参数 通用参数 1、booster[默认gbtree] 2、silent[默认0] 3、nthread[默认值为最大可能的线程数] booster参数 1、et... 文章目录 XGBoost 参考文献： 1. XGBoost原理 损失函数 正则项 树分裂（树结构）打分算法： 总结 XGBoost包的特点 2. XGBoost参数 通用参数 1、booster[默认gbtree] 2、silent[默认0] 3、nthread[默认值为最大可能的线程数] booster参数 1、et...
- 一，CSV 逗号分隔值（逗号分隔值，CSV，有时也称为字符分隔值，因为分隔字符也可以不是逗号），其文件以纯文本形式存储表格数据（数字和文本）。字幕：纯意味着该文件的英文一个字符序列，不含必须像二进制数字那样被解读的数据。CSV文件由任意数目的记录组成，记录间以某种换行符分隔;每条记录由字段组成，字段间的分隔符是其它字符或字符串，最常见的的英文逗号或制表符。通常，所有记录都有... 一，CSV 逗号分隔值（逗号分隔值，CSV，有时也称为字符分隔值，因为分隔字符也可以不是逗号），其文件以纯文本形式存储表格数据（数字和文本）。字幕：纯意味着该文件的英文一个字符序列，不含必须像二进制数字那样被解读的数据。CSV文件由任意数目的记录组成，记录间以某种换行符分隔;每条记录由字段组成，字段间的分隔符是其它字符或字符串，最常见的的英文逗号或制表符。通常，所有记录都有...
- Machine Learning | 机器学习简介 Machine Learning | (1) Scikit-learn与特征工程 Machine Learning | (2) sklearn数据集与机器学习组成 Machine Learning | (3) Scikit-learn的分类器算法-k-近邻 Machine Learning | (4) Scikit-... Machine Learning | 机器学习简介 Machine Learning | (1) Scikit-learn与特征工程 Machine Learning | (2) sklearn数据集与机器学习组成 Machine Learning | (3) Scikit-learn的分类器算法-k-近邻 Machine Learning | (4) Scikit-...
- 研究人员已经开发出一种使用深度学习来识别与疾病相关基因的人工神经网络。该研究发表在2020年2月12日《 Nature Communications》上。 人工神经网络揭示了大量基因表达数据中的模式，并发现了与疾病相关的基因。来自瑞典林雪平大学的开发人员希望该方法最终可以应用于精准医学和个性化治疗。 科学家根据不同蛋白质或基因如何相互作用... 研究人员已经开发出一种使用深度学习来识别与疾病相关基因的人工神经网络。该研究发表在2020年2月12日《 Nature Communications》上。 人工神经网络揭示了大量基因表达数据中的模式，并发现了与疾病相关的基因。来自瑞典林雪平大学的开发人员希望该方法最终可以应用于精准医学和个性化治疗。 科学家根据不同蛋白质或基因如何相互作用...
- @Author：Runsen 目标定位 图像分类或图像识别模型只是检测图像中对象的概率。与此相反，对象定位是指识别图像中对象的位置。对象定位算法将输出对象相对于图像的位置坐标。在计算机视觉中，定位图像中对象的最流行方法是借助边界框来表示其位置。 可以使用以下参数初始化边界框： bx, by : 边界框中心的坐标bw : 边界框的宽度 wrt 图像宽度bh : ... @Author：Runsen 目标定位 图像分类或图像识别模型只是检测图像中对象的概率。与此相反，对象定位是指识别图像中对象的位置。对象定位算法将输出对象相对于图像的位置坐标。在计算机视觉中，定位图像中对象的最流行方法是借助边界框来表示其位置。 可以使用以下参数初始化边界框： bx, by : 边界框中心的坐标bw : 边界框的宽度 wrt 图像宽度bh : ...
上滑加载中
推荐直播
-
HDC深度解读系列 - Serverless与MCP融合创新，构建AI应用全新智能中枢2025/08/20 周三 16:30-18:00
张昆鹏 HCDG北京核心组代表
HDC2025期间，华为云展示了Serverless与MCP融合创新的解决方案，本期访谈直播，由华为云开发者专家(HCDE)兼华为云开发者社区组织HCDG北京核心组代表张鹏先生主持，华为云PaaS服务产品部 Serverless总监Ewen为大家深度解读华为云Serverless与MCP如何融合构建AI应用全新智能中枢
回顾中 -
关于RISC-V生态发展的思考2025/09/02 周二 17:00-18:00
中国科学院计算技术研究所副所长包云岗教授
中科院包云岗老师将在本次直播中，探讨处理器生态的关键要素及其联系，分享过去几年推动RISC-V生态建设实践过程中的经验与教训。
回顾中 -
一键搞定华为云万级资源，3步轻松管理企业成本2025/09/09 周二 15:00-16:00
阿言 华为云交易产品经理
本直播重点介绍如何一键续费万级资源，3步轻松管理成本，帮助提升日常管理效率！
回顾中
热门标签