全部 人工智能學(xué)科動態(tài) 人工智能技術(shù)資訊 人工智能常見問題 技術(shù)問答

• • 

    紅黑樹：基于紅黑規(guī)則實現(xiàn)自平衡排序二叉樹

    每一個節(jié)點可以是紅或者黑;紅黑樹不是通過高度平衡的，它的平衡是通過“紅黑規(guī)則”進(jìn)行實現(xiàn)的。紅黑樹規(guī)則規(guī)定每一個節(jié)點或是紅色的，或者是黑色的，根節(jié)點必須是黑色。如果某一個節(jié)點是紅色，那么它的子節(jié)點必須是黑色。 查看全文>>

    人工智能技術(shù)資訊2023-10-24 |傳智教育 |紅黑樹規(guī)則,什么是紅黑樹

  • 

    VGG的網(wǎng)絡(luò)架構(gòu)有哪些特點？

    VGG可以看成是加深版的AlexNet，整個網(wǎng)絡(luò)由卷積層和全連接層疊加而成，和AlexNet不同的是，VGG中使用的都是小尺寸的卷積核(3×3)，其網(wǎng)絡(luò)架構(gòu)如下圖所示： 查看全文>>

    人工智能技術(shù)資訊2023-10-13 |傳智教育 |VGG網(wǎng)絡(luò)架構(gòu),VGG圖像分類,什么是VGG

  • 

    什么是EM算法？通過實例演示EM算法實現(xiàn)流程

    EM算法也稱期望最大化(Expectation-Maximum,簡稱EM)算法。 它是一個基礎(chǔ)算法，是很多機器學(xué)習(xí)領(lǐng)域算法的基礎(chǔ)，比如隱式馬爾科夫算法(HMM)等等。 EM算法是一種迭代優(yōu)化策略，由于它的計算方法中每一次迭代都分兩步， 其中一個為期望步(E步)， 另一個為極大步(M步)， 所以算法被稱為EM算法(Expectation-Maximization Algorithm)。 查看全文>>

    人工智能技術(shù)資訊2023-09-22 |傳智教育 |EM算法實現(xiàn)流程,EM算法

  • 

    怎樣用Seaborn庫繪制單變量分布和雙變量分布？

    Seaborn基于 Matplotlib核心庫進(jìn)行了更高級的API封裝，可以輕松地畫出更漂亮的圖形，而Seaborn的漂亮主要體現(xiàn)在配色更加舒服，以及圖形元素的樣式更加細(xì)膩。 查看全文>>

    人工智能技術(shù)資訊2023-09-22 |傳智教育 |Seaborn庫繪制單變量分布和雙變量分布圖

  • 

    解決哪類問題需要使用HMM模型？HMM模型是什么？

    什么樣的問題解決可以用HMM模型。使用HMM模型時我們的問題一般有這兩個特征： 查看全文>>

    人工智能技術(shù)資訊2023-08-29 |傳智教育 |HMM模型能做什么,HMM模型是什么

  • 

    SVM算法api中的SVC、NuSVC、LinearSVC

    SVM具有良好的魯棒性，對未知數(shù)據(jù)擁有很強的泛化能力，特別是在數(shù)據(jù)量較少的情況下，相較其他傳統(tǒng)機器學(xué)習(xí)算法具有更優(yōu)的性能。使用SVM作為模型時，通常采用如下流程： 查看全文>>

    人工智能技術(shù)資訊2023-07-28 |傳智教育 |SVM算法api

  • 

    未來哪些行業(yè)能用到人工智能技術(shù)？

    人工智能，簡單的說，就是寫一個程序，像人那樣去判斷和思考，來服務(wù)各行各業(yè);相當(dāng)于寫個程序能模擬人那樣去思考判斷。程序能像人那樣總結(jié)經(jīng)驗，產(chǎn)生智慧，是社會生產(chǎn)力發(fā)展的主流變革方向，意義重大。 查看全文>>

    人工智能技術(shù)資訊2023-06-06 |傳智教育 |人工智能是什么,人工智能學(xué)習(xí),人工智能培訓(xùn)

  • 

    人工智能開發(fā)：微調(diào)模型來完成圖像的分類任務(wù)

    如何在只有6萬張圖像的MNIST訓(xùn)練數(shù)據(jù)集上訓(xùn)練模型。學(xué)術(shù)界當(dāng)下使用最廣泛的大規(guī)模圖像數(shù)據(jù)集ImageNet，它有超過1,000萬的圖像和1,000類的物體。然而，我們平常接觸到數(shù)據(jù)集的規(guī)模通常在這兩者之間。假設(shè)我們想從圖像中識別出不同種類的椅子，然后將購買鏈接推薦給用戶。一種可能的方法是先找出100種常見的椅子，為每種椅子拍攝1,000張不同角度的圖像，然后在收集到的圖像數(shù)據(jù)集上訓(xùn)練一個分類模型。另外一種解決辦法是應(yīng)用遷移學(xué)習(xí)(transfer learning)，將從源數(shù)據(jù)集學(xué)到的知識遷移到目標(biāo)數(shù)據(jù)集上。例如，雖然ImageNet數(shù)據(jù)集的圖像大多跟椅子無關(guān)，但在該數(shù)據(jù)集上訓(xùn)練的模型可以抽取較通用的圖像特征，從而能夠幫助識別邊緣、紋理、形狀和物體組成等。這些類似的特征對于識別椅子也可能同樣有效。 查看全文>>

    人工智能技術(shù)資訊2023-06-06 |傳智教育 |微調(diào),熱狗識別,

  << 1 2 3 4 5 6 7 8 9 10 > >>