- 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...
- 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...
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 -
“智能运维新视野”系列直播 —— 云监控技术深度实践2025/08/29 周五 15:00-16:00
星璇 华为云监控产品经理
本期直播深度解析全栈监控技术实践，揭秘华为云、头部企业如何通过智能监控实现业务零中断，分享高可用系统背后的“鹰眼系统”。即刻预约，解锁数字化转型的运维密码！
回顾中
热门标签