- 文章目录 支持向量机（SVM） 支持向量基本原理 Code Support Vector Machines: 最小化 *雷区* 训练一个基本的SVM 引入核函数的SVM 调节SVM参数: Soft Margin问题 调节C参数 人脸识别 支持向量机（SVM） %matplotlib inline imp... 文章目录 支持向量机（SVM） 支持向量基本原理 Code Support Vector Machines: 最小化 *雷区* 训练一个基本的SVM 引入核函数的SVM 调节SVM参数: Soft Margin问题 调节C参数 人脸识别 支持向量机（SVM） %matplotlib inline imp...
- 2019年7月，普林斯顿大学的Ian W. Davies学者在Nature上发表了一篇文章——有机合成的数字化。 1 摘要 有机合成基本上是由学术实验室进行的，这些实验室由专门研究某些特定化合物或合成步骤的资助。尽管现代合成方法可以帮助我们获得相当复杂的分子，但是预测单个化学反应的结果依旧存在困难。只有通过智能决策帮我们选择最优的合成步骤（... 2019年7月，普林斯顿大学的Ian W. Davies学者在Nature上发表了一篇文章——有机合成的数字化。 1 摘要 有机合成基本上是由学术实验室进行的，这些实验室由专门研究某些特定化合物或合成步骤的资助。尽管现代合成方法可以帮助我们获得相当复杂的分子，但是预测单个化学反应的结果依旧存在困难。只有通过智能决策帮我们选择最优的合成步骤（...
- 作者 | 朱玉磊 审稿 | 李芬 今天给大家介绍来自加拿大蒙特利尔大学Mila人工智能研究所唐建教授课题组在ICML2020上发表的一篇关于关系抽取的文章。作者利用全局关系图来研究不同句子之间的新关系，并提出了一种新的贝叶斯元学习方法。该方法能够有效的学习关系原型向量的后验分布，并利用图神经网络参数化初始先验分布，并使用随机梯度Langevin动力学... 作者 | 朱玉磊 审稿 | 李芬 今天给大家介绍来自加拿大蒙特利尔大学Mila人工智能研究所唐建教授课题组在ICML2020上发表的一篇关于关系抽取的文章。作者利用全局关系图来研究不同句子之间的新关系，并提出了一种新的贝叶斯元学习方法。该方法能够有效的学习关系原型向量的后验分布，并利用图神经网络参数化初始先验分布，并使用随机梯度Langevin动力学...
- 整个医疗保健链中的利益相关者正在寻求将人工智能(AI)纳入其决策过程。从早期药物开发到临床决策支持系统，已经看到了AI如何提高效率和降低成本的示例。本文讨论了应优先考虑的一些关键因素，以使AI在整个医疗保健价值链中成功集成。特别是，研究者认为对模型的可解释性的关注对于深入了解潜在的生物学机制并指导进一步的研究至关重要。此外，讨论了在任何AI框架中集成各种类型的数据以限制... 整个医疗保健链中的利益相关者正在寻求将人工智能(AI)纳入其决策过程。从早期药物开发到临床决策支持系统，已经看到了AI如何提高效率和降低成本的示例。本文讨论了应优先考虑的一些关键因素，以使AI在整个医疗保健价值链中成功集成。特别是，研究者认为对模型的可解释性的关注对于深入了解潜在的生物学机制并指导进一步的研究至关重要。此外，讨论了在任何AI框架中集成各种类型的数据以限制...
- 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 分类算法之k-近邻 k-近邻算法采用测量不同特征值之间的... 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 分类算法之k-近邻 k-近邻算法采用测量不同特征值之间的...
- 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^*
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