解密人工智能：探索机器学习奥秘
机器学习是一种让计算机能够通过经验和数据自我改进的技术。在机器学习中，计算机通过对训练数据的分析和学习，可以自动地发现数据中的规律和模式，并根据这些规律和模式进行预测和决策。
使用核模型高斯过程(KMGPs)进行数据建模
核模型高斯过程是机器学习和统计学中对传统高斯过程的一种扩展。要理解kmgp，首先掌握高斯过程的基础知识，然后了解核模型是如何发挥作用的。
2024年1月的论文推荐
又到月底了，在月初推荐论文的基础上又整理了10篇推荐阅读的论文
机器学习之图像处理——基本概念知识介绍
图像处理的概论图像分析一般利用数学模型并结合图像处理的技术来分析底层特征和上层结构，到从而提取具有一定智能性的信息，其中对图片内容分析，图片内容识别和检测都离不开图像的分类。图像分类目标：已有固定的分类标签集合，然后对于输入的图像，从分类标签集合中找出一个分类标签，最后把分类标签分配给该输入图像。图
AI：01-基于机器学习的深度学习的玫瑰花种类的识别
在进行机器学习和深度学习模型的训练之前，我们需要先准备好相应的数据集。在本文中，我们使用了一个包含17种不同玫瑰花种类的数据集，共有约500张花朵图片。在本文中，我们介绍了如何使用机器学习和深度学习技术来实现玫瑰花种类的识别，并提供了相应的代码实现。通过本文的学习，读者可以了解到深度学习技术在图像识
【Python】人工智能-机器学习——不调库手撕演化算法解决函数最小值问题
怎么用python手撕一个演化算法来解决函数最小值问题？要求不调用其他核心库如tf，sk等，只用numpy、pandas库？这篇文章会告诉你答案！！
人工智能_机器学习092_使用三维瑞士卷数据_利用分层聚类算法进行瑞士卷数据三维聚类---人工智能工作笔记0132
a3.scatter(X[:,0],X[:,1],X[:,2],c=y_) 我们指定图的x,y,z数据轴,然后指定,数据分类 画出散点图。a3.scatter(X[:,0],X[:,1],X[:,2],c=y_) 我们指定图的x,y,z数据轴,然后指定,数据分类 画出散点图。a3.scatter(X
人工智能--认知放大器（上）
机器学习（Machine Learning，简称ML），是人工智能的分支，专注于使用数据和算法，模仿人类学习的方式，逐步提高自身的准确性。神经网络（Neural Networks，简称NN），深度学习的基本组成部分，是一种模仿生物神经网络的结构和功能的数学模型或计算模型，由神经元和层次组成，通过学习
聚类算法（下）：10个聚类算法的评价指标
在聚类算法中，评估聚类结果的好坏是非常重要的。Rand Index：用于衡量聚类结果和真实标签之间的相似度。Adjusted Rand Score：Rand Index的调整版本，可以对随机结果进行惩罚。Mutual Information Score（基于互信息的分数）：衡量聚类结果和真实标签之间
Qualcomm® AI Engine Direct 使用手册（2）
Qualcomm® AI Engine Direct SDK 也经过验证，可在适用于 Linux 的 Windows 子系统 (WSL2) 中运行 环境版本 1.1.3.0，目前仅限于 Linux 主机可运行工件，例如转换器， 模型生成和运行工具（有关更多详细信息，请参阅工具）。如果您想设置自己的
计算机视觉期末复习
立体匹配：为左图像的每个像素点(xl, yl)，在右图像中搜索对应点匹配基元：参与立体匹配，计算相似测度的基本单元常用的匹配基元：像素单个像素存在相似性歧义需结合一行或整幅图像的所有像素同时完成匹配局部窗口区域具有较好的局部独特性隐含假定：窗口内所有像素应能表征中心像素特征具有较好的独特性稀疏且不均
机器学习、人工智能、深度学习的关系
传统的机器学习方法在面对数据量激增的情况下，其性能表现得差强人意，与此形成鲜明对比的是，深度学习反而表现出卓越的性能，特别是在2010年之后，各种深度学习框架的发布及其在各领域的突出表现，更进一步促进了深度学习算法的发展。人工智能范围很广，它是一门新的科学与工程，是研究、开发用于模拟、延伸和扩展人的
个人用户免费，亚马逊正式推出 AI 编程服务 CodeWhisperer
Copilot 服务每月费用为 10 美元（IT之家备注：当前约 69 元人民币），每年费用为 100 美元。CodeWhisperer 经过数十亿行代码的培训并由机器学习提供支持，无论您是学生、新开发人员还是经验丰富的专业人士，CodeWhisperer 都将帮助您提高工作效率。CodeWhisp
提高代码效率的6个Python内存优化技巧
有许多方法可以显著优化Python程序的内存使用，这些方法可能在实际应用中并没有人注意，所以本文将重点介绍Python的内置机制，掌握它们将大大提高Python编程技能。
【古诗生成AI实战】之四——模型包装器与模型的训练
中存储的正是这些词的概率。为了生成文本，我们提取每个位置上概率最高的词的索引，然后根据这些索引在词典中查找对应的词。此外，为了提高配置的灵活性和可维护性，我们将所有的配置项（如批量大小、数据集地址、训练周期数、学习率等）抽取出来，统一放置在一个名为。为此，我们采取了进一步的措施：在模型外面再套上一个
基于协方差矩阵自适应演化策略（CMA-ES）的高效特征选择
特征选择是指从原始特征集中选择一部分特征，以提高模型性能、减少计算开销或改善模型的解释性。
AI：117-基于机器学习的环境污染影响评估
基于机器学习的环境污染影响评估随着全球工业化和城市化的加速发展，环境污染问题日益凸显，对人类生存和健康造成了严重威胁。为了更有效地监测和评估环境污染的影响，人工智能（AI）技术在环境科学领域展现出了巨大的潜力。本文将探讨基于机器学习的环境污染影响评估方法，并提供相应的代码实例。环境污染包括空气、水、
山东大学机器学习期末2022
本来是不想写的，因为不想回忆起考试时啥也不会的伤痛，没想到最后给分老师海底捞，心情好了一些，还是一块写完。
带你完全读懂正则化（看这一篇就够了）
想要了解什么是正则化 ，只需要看这一篇就够了
Boosting三巨头：XGBoost、LightGBM和CatBoost（发展、原理、区别和联系，附代码和案例）
机器学习中，提高模型精度是研究的重点之一，而模型融合技术中，Boosting算法是一种常用的方法。在Boosting算法中，XGBoost、LightGBM和CatBoost是三个最为流行的框架。它们在实际使用中有各自的优势和适用场景，下面将会介绍它们的区别与联系。
