- 深度学习(Deep Learning) 深度学习是基于机器学习延伸出来的一个新的领域，由以人大脑结构为启发的神经网络算法为起源加之模型结构深度的增加发展，并伴随大数据和计算能力的提高而产生的一系列新的算法。 深度学习什么时间段发展起来的？ 其概念由著名科学家... 深度学习(Deep Learning) 深度学习是基于机器学习延伸出来的一个新的领域，由以人大脑结构为启发的神经网络算法为起源加之模型结构深度的增加发展，并伴随大数据和计算能力的提高而产生的一系列新的算法。 深度学习什么时间段发展起来的？ 其概念由著名科学家...
- nature methods副主编，Arunima Singh，3月4日在nature methods上发表文章，探讨了基于深度学习的蛋白质结构预测方向近期的研究进展。 蛋白质结构预测是近几十年来的研究热点，理论方法使人们深入了解了实验难以处理的蛋白质结构。同时，随着测定蛋白质结构的实验方法的改进，大量高质量蛋白质结构数据可... nature methods副主编，Arunima Singh，3月4日在nature methods上发表文章，探讨了基于深度学习的蛋白质结构预测方向近期的研究进展。 蛋白质结构预测是近几十年来的研究热点，理论方法使人们深入了解了实验难以处理的蛋白质结构。同时，随着测定蛋白质结构的实验方法的改进，大量高质量蛋白质结构数据可...
- 1. 什么是竞争和冒险？ 记得我刚学FPGA那会，恶补基础知识，其中之一就是竞争与冒险，我参考了《FPGA之道》，记录了几篇博客： 【 FPGA 】组合逻辑中的竞争与险象问题（一） 第一篇博客中写道了单输入组合逻辑，如下： 这个例子最简单，却最能说明什么是竞争，以及由竞争导致的险象，也即冒险。 输入为A先于not（A）A非到达或门，因此，如果初始令A为1，则NO... 1. 什么是竞争和冒险？ 记得我刚学FPGA那会，恶补基础知识，其中之一就是竞争与冒险，我参考了《FPGA之道》，记录了几篇博客： 【 FPGA 】组合逻辑中的竞争与险象问题（一） 第一篇博客中写道了单输入组合逻辑，如下： 这个例子最简单，却最能说明什么是竞争，以及由竞争导致的险象，也即冒险。 输入为A先于not（A）A非到达或门，因此，如果初始令A为1，则NO...
- 什么是机器学习 机器学习是人工智能的一个分支。人工智能的研究是从以“推理”为重点到以“知识”为重点，再到以“学习”为重点，一条自然、清晰的脉络。机器学习是实现人工智能的一个途径，即以机器学习为手段解决人工智能中的问题。机器学习算法是一类从数据中自动分析获得规律（模型），并利用规律对未知数据进行预测的算法  ... 什么是机器学习 机器学习是人工智能的一个分支。人工智能的研究是从以“推理”为重点到以“知识”为重点，再到以“学习”为重点，一条自然、清晰的脉络。机器学习是实现人工智能的一个途径，即以机器学习为手段解决人工智能中的问题。机器学习算法是一类从数据中自动分析获得规律（模型），并利用规律对未知数据进行预测的算法  ...
- 力场 力场(Force Field, 常简写为FF)这个物理学名词听起来有点高深, 可如果理解了它的含义你就会觉得这是很自然的一个概念, 没有什么特别之处. 在中学物理或者初等力学中, 研究物体的运动都是从分析其受力出发的, 可以说是以力为基础, 这也是称为力学的原因. 牛顿第二定律直接将物体的受力与其加速度联系起来, 这样只要知道了物体的受力情况, 就能计算出其运动轨迹... 力场 力场(Force Field, 常简写为FF)这个物理学名词听起来有点高深, 可如果理解了它的含义你就会觉得这是很自然的一个概念, 没有什么特别之处. 在中学物理或者初等力学中, 研究物体的运动都是从分析其受力出发的, 可以说是以力为基础, 这也是称为力学的原因. 牛顿第二定律直接将物体的受力与其加速度联系起来, 这样只要知道了物体的受力情况, 就能计算出其运动轨迹...
- 1. bit, byte, word, dword, qword的区别 ？ 1 qword = 4 word; 1 dword = 2 word; 1 word = 2 byte; 1 byte = 8 bit; 百度百科的解释： qword 1个二进制位称为1个bit，8个二进制位称为1个Byte，也就是1个字节（8位），2个字节就是1个Word（1个字，1... 1. bit, byte, word, dword, qword的区别 ？ 1 qword = 4 word; 1 dword = 2 word; 1 word = 2 byte; 1 byte = 8 bit; 百度百科的解释： qword 1个二进制位称为1个bit，8个二进制位称为1个Byte，也就是1个字节（8位），2个字节就是1个Word（1个字，1...
- Tensorflow |（1）初识Tensorflow Tensorflow |（2）张量的阶和数据类型及张量操作 Tensorflow |（3）变量的的创建、初始化、保存和加载 Tensorflow |（4）名称域、图 和会话 Tensorflow |（5）模型保存与恢复、自定义命令行参数 模型保存与恢复、自定义命令行参数、 在我们训练或者测试过程中，总会遇到... Tensorflow |（1）初识Tensorflow Tensorflow |（2）张量的阶和数据类型及张量操作 Tensorflow |（3）变量的的创建、初始化、保存和加载 Tensorflow |（4）名称域、图 和会话 Tensorflow |（5）模型保存与恢复、自定义命令行参数 模型保存与恢复、自定义命令行参数、 在我们训练或者测试过程中，总会遇到...
- 概念： 机器学习分支之一强化学习，学习通过与环境交互进行，是一种目标导向的方法。 不告知学习者应采用行为，但其行为对于奖励惩罚，从行为后果学习。 机器人避开障碍物案例： 靠近障碍物-10分，远离障碍物+10分。 智能体自己探索获取优良奖励的各自行为，包括如下步骤： 智能体执行行为与环境交互行为执行后，智能体从一个状态转移至另一个状态依据行为获得相应的奖励或惩罚智能... 概念： 机器学习分支之一强化学习，学习通过与环境交互进行，是一种目标导向的方法。 不告知学习者应采用行为，但其行为对于奖励惩罚，从行为后果学习。 机器人避开障碍物案例： 靠近障碍物-10分，远离障碍物+10分。 智能体自己探索获取优良奖励的各自行为，包括如下步骤： 智能体执行行为与环境交互行为执行后，智能体从一个状态转移至另一个状态依据行为获得相应的奖励或惩罚智能...
- 存储器。 1. rom，ram，flash，ddr，sram，dram，mram..列举并解释一下这些名词。 2. 用verilog实现一个深度为16，位宽8bit的单端口SRAM。搭建一个仿真环境，完成初始化，读取，写入的操作。 3. 接第2题，如果同时对一个地址进行读和写操作，会怎样?实际中应该如何处理? 4. 使用单端口SRAM构造一个双端口同步FIFO。 ... 存储器。 1. rom，ram，flash，ddr，sram，dram，mram..列举并解释一下这些名词。 2. 用verilog实现一个深度为16，位宽8bit的单端口SRAM。搭建一个仿真环境，完成初始化，读取，写入的操作。 3. 接第2题，如果同时对一个地址进行读和写操作，会怎样?实际中应该如何处理? 4. 使用单端口SRAM构造一个双端口同步FIFO。 ...
- 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-...
- 今天给大家介绍2019年12月发表在Nature Machine Intelligence的论文“Prediction of drug combination effects with a minimal set of experiments”，该工作由芬兰分子医学研究所（FIMM）的研究者完成。本研究建立机器学习模型，通过极少量的实验就可以对药物... 今天给大家介绍2019年12月发表在Nature Machine Intelligence的论文“Prediction of drug combination effects with a minimal set of experiments”，该工作由芬兰分子医学研究所（FIMM）的研究者完成。本研究建立机器学习模型，通过极少量的实验就可以对药物...
- 文章目录 线性回归 什么是线性回归 线性回归要解决什么问题 线性回归的一般模型 回归的经验误差 如何使用模型 模型计算 过拟合与欠拟合(underfitting and overfitting) 解决方法 Code（源码实现） 简单线性回归（最小二乘法） 线性回归（梯度下降法） 线性回归 什么是... 文章目录 线性回归 什么是线性回归 线性回归要解决什么问题 线性回归的一般模型 回归的经验误差 如何使用模型 模型计算 过拟合与欠拟合(underfitting and overfitting) 解决方法 Code（源码实现） 简单线性回归（最小二乘法） 线性回归（梯度下降法） 线性回归 什么是...
- 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...
上滑加载中
推荐直播
-
华为云码道 × 仓颉编程：工程化AI编码探索2026/05/27 周三 19:00-21:00
刘俊杰-华为云仓颉语言专家/李炎-华为云码道技术专家/王智鹏-OpenCangjie开源社区发起人
本场直播围绕华为云仓颉语言与华为云码道的深度结合，展示华为云智能编程从零基础到高效落地的完整生态能力。以华为云码道为引擎，仓颉语言为载体，带给大家日常提效、趣味创新到极速量产的开发体验。
即将直播
热门标签