随机变量的分布函数

分布函数 密度函数

RSE和RMSE

是对应的预测值,n是总观测数。RMSE越小,说明预测模型的精度越高。在统计学中,RSE和RMSE分别代表相对标准误差和均方根误差。是样本观测值的平均值。RSE越小,说明样本估计值的精度越高。其中,s是样本观测值与平均值之间的标准偏差,

TSMixer:谷歌发布的用于时间序列预测的全新全mlp架构

这是谷歌在9月最近发布的一种新的架构 TSMixer: An all-MLP architecture for time series forecasting

隐函数的求导

有隐函数就有显函数,我们首先要了解显函数的定义:隐函数:例如:对于有些隐函数,我们可以显化:但是有些隐函数,我们并不能显示化这个隐函数,我们就不能显示化对于这个函数,我们发现以下特征:当x趋近于正无穷时,y也趋近于正无穷。当x趋近于负无穷时,y也趋近于负无穷。假设我们把这里的x当作1,然后再对y进行

使用轮廓分数提升时间序列聚类的表现

我们将使用轮廓分数和一些距离指标来执行时间序列聚类实验,并且进行可视化

【课堂笔记】运筹学第二章:对偶问题

单位第iii种资源在最优方案中做出贡献的估价做法:通过求导得到每一种资源带来的利润的提升是多少所有问题一定能找到对偶问题,但是其对偶问题不一定有意义.原问题对偶问题收益最大化代价最小化方程的个数,即种类的个数决策变量数价值系数对偶问题右端的项向量,即约束资源的约束价值系数与前面内容有所重复,即BCB

有 AI,无障碍,AIoT 设备为视障人群提供便利

据世界卫生组织统计,全球共有 2.85 亿视障人群,其中 3,900 万人彻底失明。随着全球老龄化程度加剧,这一数字在未来将会不断升高。虽然视障群体不断扩大,但是相应的无障碍设施却相对落后。针对视障人群的辅助设备则存在价格昂贵、操作复杂等问题,难以满足他们的日常需求。为此,广东技术师范大学和武汉科技

Adam原理

深度学习中Adam优化方法的计算公式

向量化操作简介和Pandas、Numpy示例

在本文中,我们将探讨什么是向量化,以及它如何简化数据分析任务。

深度学习在通信领域中的应用

深度学习在通信领域中的应用深度学习作为人工智能领域的一个热门技术,一直在探索新的应用领域。近年来,深度学习在通信领域中的应用也逐渐受到关注。通信领域需要面对各种挑战和问题,例如信道估计、信号检测、通信系统优化等等。这些问题的解决,可以大大提升通信系统的性能和效率。本文将重点介绍深度学习在通信领域中的

【人工智能】GPT-4 的使用成本,竟然是GPT-3.5的50倍之多 —— 大语言模型(LLM)开发者必须知道的数字

这篇文章的作者来自开源人工智能框架Ray的开发公司Anyscale。主要贡献者是Google前首席工程师Waleed Kadous。他也曾担任Uber CTO办公室工程战略负责人。其中一位华人合作者是Google前员工Huaiwei Sun。他来自江苏昆山,本科毕业于上海交通大学工业设计专业。期间,

Origin曲线拟合教程

利用origin进行线性拟合的一些分析教程

机器学习和人工智能如何改变未来的就业和职业发展

在开始探讨人工智能和机器学习技术如何改变未来的就业和职业发展之前,我们先来了解一下这些技术的相关术语和概念。随着人工智能和机器学习技术的不断发展和普及,它们已经成为了未来职业发展的重要方向之一。无论是在生产制造、金融投资还是医疗保健领域,这些技术都将会带来更多的机遇和挑战。未来,人工智能和机器学习技

机器学习环境配置

在学习一段时间机器学习后,本菜鸟深受环境配置的毒打,故记录一点步骤为以后电脑万一需要格式化做准备以及为新人提供一点帮助吧。本文讲述内容包含python、tensorflow、anaconda、Numpy、jupyter、CUDA、Pytorch的安装。

车牌识别数据集(蓝牌、黄牌、绿牌)及相关转换代码

车牌识别数据集(可识别车牌字符),已经手工标注并筛选好可直接使用。

【机器学习】朴素贝叶斯算法

朴素贝叶斯(Naive Bayes)是经典的机器学习算法之一,也是为数不多的基于概率论的分类算法。由于朴素贝叶斯计算联合概率,所以朴素贝叶斯模型属于生成式模型。经典应用案例包括:文本分类、垃圾邮件过滤等。

人工智能智能决策支持系统:技术、特点和挑战

机器学习:机器学习是一种人工智能技术,通过训练模型,让模型从数据中学习规律,并自动调整模型参数,从而实现对决策问题的分析和预测。深度学习:深度学习是一种更加先进的机器学习技术,通过多层神经网络的训练,可以实现更加复杂的特征提取和特征表示,从而实现更加准确的分析和预测。自然语言处理:自然语言处理是一种

【人工智能的数学基础】什么是交叉熵损失函数?逻辑回归的损失函数数学表达式,并用具体的计算实例来说明

逻辑回归中用到的损失函数是交叉熵损失函数。交叉熵损失函数是一种用于衡量分类模型预测结果和真实标签之间的差距的损失函数,通常用于二分类问题。对于逻辑回归,我们希望模型能够输出一个概率值,表示样本属于正例的概率。hθx11e−θTxhθ​x1e−θTx1​其中,θ\thetaθ是模型的参数,xxx是样本

AI工程化—— 如何让AI在企业多快好省的落地?

反过来看,利用工程化技术去优化模型的自学习能力,能让模型保持持续更新、迭代和演进,随着数据和业务的变化不断进行自适应,避免衰退,始终保持在最佳状态,为业务场景带来更好的效果、更多的价值。本书作者根据自己多年在软件研发、运维、DevOps和机器学习等领域的从业经验,对MLOps这一新生事物的原理和工具

常用的相似度度量总结:余弦相似度,点积,L1,L2

本文将介绍几种常用的用来计算两个向量在嵌入空间中的接近程度的相似性度量。