- 综合排序
- 最热优先
- 最新优先
- 来自专栏AI机器学习与深度学习算法
机器学习入门 4-9 更多有关k近邻算法的思想
本系列是《玩转机器学习教程》一个整理的视频笔记。本小节主要使用kNN算法解决回归问题的思路以及回顾总结前面学习到的知识。
63900发布于 2019-11-13 - 来自专栏JNing的专栏
【tensorflow】TFRecord读写机理
1.tfrecord，写的时候是一行一行地写的，读的时候是每batch个行地读的。
80110发布于 2020-03-17 - 来自专栏Golang语言社区
channel机理及调度理解
当当 广告
56130发布于 2018-07-26 - 来自专栏Golang语言社区
channel机理及调度理解
《Go语言编程》一书介绍了libtask库，可以认为这个库等同于go的底层goroutine实现。
47130发布于 2018-07-26 - 来自专栏网络信息安全
熊猫烧香（中）病毒释放机理
熊猫烧香（中）病毒释放机理 1、sub_40277C子函数 2、sub_405684子函数 3、sub_403ED4子函数 4、sub_4057A4子函数 5.分析sub_4057A4后续删除功能 6.
95210编辑于 2024-03-12 - 来自专栏深度学习
【自然语言处理】NLP入门（九）：1、正则表达式与Python中的实现（9）：自动机：⾮确定有限⾃动机与正则表达式
一、前言 本文将介绍自动机理论，简介有限自动机(Finite Automata, FA)、下推自动机(Push-down Automata, PDA)、线性有界自动机(Linear Bounded 人工智能、神经网络、机器学习:作为学习和决策过程的抽象模型。 生物计算建模:可用于模拟和研究生物系统中的计算过程。 数字电路模拟与验证:用于对数字电路进行行为建模和验证。 正则表达式 import re pattern = r'^(13[4-9]\d{8}|15[01289]\d{8})$' x = ["13915556234", "13025621456", "15325645124 print(f"{phone} 是移动手机号码") else: print(f"{phone} 不是移动手机号码") import re pattern = r'(13[4-
71610编辑于 2024-07-30 - 来自专栏AustinDatabases
PostgresQL MVCC 机理与 还得学习
昨天写了些 MYSQL MVCC ，今天就的搞搞 PostgresQL 的MVCC ，最近从某些网站上获得的信息，PostgresQL的 相关人员的需求量在国内开始增加，但和需求相比，会的人少，所以你懂得。
90730发布于 2019-09-05 方法论|机理分析法
为什么需要机理分析法 在现实生活中，影响一个问题的因素往往不止一个，分析问题时就需要从不同方向考虑，所以就引入了机理分析法 算法分析过程和应用步骤： 首先分析现象和结果的影响因素；然后在合理的假设条件下做出各种因素与现象和结果的关系 结语 在运用机理分析法时需要考虑各个因素，对于不同的因素可能需要不同的思考方式，最后得出结果时，还要结合实际情况验证分析的正确性。 END
1.5K20发布于 2019-10-14- 来自专栏贾维斯Echo的博客
计算机理论基础
1.操作系统：就是一个协调、管理、控制计算机硬件资源与应用软件资源的一个控制程序
73830编辑于 2023-10-18 - 来自专栏机器学习算法与Python学习
机器学习(4) -- 神经网络
而神经中枢是由大量的神经元相互连接而成。 一个神经元通过树突接受其他神经元传来的化学物质（信息），从而改变该神经元的电位，当电位到达某一阙值(threshold)时，该神经元被激活，即“兴奋”起来，从而通过轴突向其他神经元发送化学物质，如图4- 图4-3 生物神经系统中的神经元 而神经元模型便是模拟上述的神经元接受信息并传递信息的过程。 但是，异或/同或却是非线性可分的，如图4-9所示。 ? 图4-9 异或/同或问题 在数字逻辑中我们知道可以利用与或非门搭出异或/同或门，那是因为有如下运算法则， a XOR b = ((NOT a) AND b) OR (a AND (NOT b)); a
1.4K60发布于 2018-04-04 - 来自专栏机器学习与自然语言处理
神经网络Neural Networks (part one)
而神经中枢是由大量的神经元相互连接而成。 一个神经元通过树突接受其他神经元传来的化学物质（信息），从而改变该神经元的电位，当电位到达某一阙值(threshold)时，该神经元被激活，即“兴奋”起来，从而通过轴突向其他神经元发送化学物质，如图4- 图4-3 生物神经系统中的神经元 而神经元模型便是模拟上述的神经元接受信息并传递信息的过程。 但是，异或/同或却是非线性可分的，如图4-9所示。 ? 图4-9 异或/同或问题 在数字逻辑中我们知道可以利用与或非门搭出异或/同或门，那是因为有如下运算法则， a XOR b = ((NOT a) AND b) OR (a AND (NOT b)); a
1.3K110发布于 2018-03-13 - 来自专栏机器之心
机器学习模型以出色的精度进行有机反应机理分类
近日，来自英国曼彻斯特大学（UoM）化学系的 Burés 和 Larrosa 报告了一种机器学习模型，展示了可以训练深度神经网络模型来分析普通动力学数据并自动阐明相应的机理类别，而无需任何额外的用户输入 该模型以出色的精度识别各种类型的机理。 研究结果表明，人工智能引导的机理分类是一种强大的新工具，可以简化和自动化机理阐明。预计这项工作将进一步推动全自动有机反应发现和开发的发展。 模型包含 576,000 个可训练参数，并结合使用两种类型的神经网络：(1) 长短期记忆神经网络，一种用于处理时间数据序列（即时间浓度数据）的循环神经网络；(2) 全连接神经网络，用于处理非时间数据（即每次动力学运行中催化剂的初始浓度和长短期记忆提取的特征 预测的机理与早期动力学研究的结论非常吻合。在某些情况下，该模型还识别了在原始工作中没有检测到的机理细节。对于一个具有挑战性的反应，该模型提出了三个非常相似的机理类别。 参考内容：https://www.nature.com/articles/d41586-023-00145-7 人工智能 × [ 生物 神经科学 数学 物理 材料 ] 「ScienceAI」关注人工智能与其他前沿技术及基础科学的交叉研究与融合发展
81130编辑于 2023-03-29 - 来自专栏AustinDatabases
MYSQL MVCC 实现机理 与 知识漏洞要补
说来惭愧，被友人问了一些关于MYSQL 的问题，虽然算不上对答如流，但也算是沉稳应对。唯独折在 MVCC 中MYSQL INNODB 是如何实现的问题上，回答错误扣10分。本着知错能改，有漏洞要补的，精神。还是的把MVCC 以及MYSQL 怎么实现MVCC 的事情重新的学习一遍。
1.1K30发布于 2019-09-04 - 来自专栏深度学习自然语言处理
机器学习之多层感知机理论与实践
我们将要介绍多层感知机神经网络以及反向传播算法，这是现今最流行的神经网络结构。 这个算法就是在算delta，这是从输出神经元开始往回直到输入层的每个神经元的局部梯度下降。要计算输出神经元的delta，我们首先要得到每个输出神经元的误差。 现在可以计算delta了， 这个式子是对于在输出层L的第j个神经元 是输出层L的第j个神经元的值的求导所得的值。 这个式子是对于隐藏层l的第j个神经元。 通过反向传递求导的值，前面的神经元就会知道权重要变化多少以更好地让神经网络的输出符合实际的输出。这一切都要从神经网络的输出与实际输出的差别开始算起。是不是很神奇呢？ 此外，你还可以输入一个‘fileNum'来调用这个神经网络，看下神经网络对你给的图片上的数字的判断是什么。 神经网络把隐藏层的层数和隐藏层的神经元数作为参数来初始化神经元和权重向量。
1.8K40发布于 2018-04-24 - 来自专栏深度学习自然语言处理
详解机器学习之感知机理论与实践
阅读大概需要5分钟 上期回顾 详解机器学习之the Learning Problem 导读 本章讲的是让他机器学习说yes/no，目录分为： 感知机假设集合 感知机学习算法(PLA) 确保数据集线性
1K120发布于 2018-04-16 - 来自专栏企鹅号快讯
机器学习模型与传统机理模型的融合
基于物理过程的各种数学模型在水力、市政、海洋等领域已经得到了很多年的发展和应用，随着这几年机器学习技术的大热，也有越来越多的人尝试将机器学习技术应用在水力、市政领域，但是这些尝试大部分集中在使用机器学习模型替代传统机理模型 那么以后的趋势会是机器学习模型替代机理模型，或是各自应用在不同领域？
4K71发布于 2018-02-26 - 来自专栏CreateAMind
阿尔兹海默症可能的机理
阿尔兹海默症可能的机理 Possible mechanisms of Alzheimer's disease Fig.1 Cerebral artery, from Gray's Atlas of 蒲慕明团队发现海马体内的神经元可以将长时程抑制（Long-term depression，LTD）可塑性自组织地传播到三个方向，分别是突触前侧向传播（Presynaptic lateral spread 陶俊波，博士在读，研究兴趣是计算神经科学、脑科学和AI融合的计算模型。
48210编辑于 2023-12-14 - 来自专栏码力up
四、神经网络的学习（下）
如图4-9所示， 的梯度呈现为有向向量（箭头）。观察图4-9，我们发现梯度指向函数f(x0,x1)的“最低处”（最小值），就像指南针一样，所有的箭头都指向同一点。 虽然图 4-9 中的梯度指向了最低处，但并非任何时候都这样。实际上，梯度会指向各点处的函数值降低的方向。更严格地讲，梯度指示的方向是各点处的函数值减小最多的方向 A。 4.4.2 神经网络的梯度 神经网络的学习也要求梯度。这里所说的梯度是指损失函数关于权重参数的梯度。 比如，有一个只有一个形状为2 × 3的权重W的神经网络，损失函数用L表示。此时，梯度可以用 表示。 求出神经网络的梯度后，接下来只需根据梯度法，更新权重参数即可。 在下一节中，我们会以2层神经网络为例，实现整个学习过程。 4.5 学习算法的实现 神经网络的学习步骤如下所示。 这是学习正常进行的信号，表示神经网络的权重参数在逐渐拟合数据。也就是说，神经网络的确在学习！
28010编辑于 2025-12-18 - 来自专栏AI科技大本营的专栏
从原理到代码，轻松深入逻辑回归模型！
逻辑回归不仅本身非常受欢迎，它同样也是我们将在第 5 章介绍的神经网络的基础。普通神经网络中，常常使用 Sigmoid 对神经元进行激活。 关于神经网络的神经元，第 5 章会有详细的介绍（第 5 章会再次提到 Sigmoid 函数），这里只是先提一下逻辑回归和神经网络的关系，读者有个印象。 效果如图 4-9 所示： ? 图4-9 学习率 ? 时，一元二次损失函数梯度下降过程示意图 第三个例子，我们将 ? 设置为1.1，看一下效果。 图4-9 损失函数if y=1 当p=0的时候，损失函数的值趋近于正无穷，根据 ? ? 说明y的预测值 ? 偏向于0，但实际上我们的 y 真值为 1 。 其中线性回归是逻辑回归的基础，而逻辑回归经常被当做神经网络的神经元，因此逻辑回归又是神经网络的基础。我们借逻辑回归模型介绍了机器学习中离不开的最优化方法，以及最常见的最优化方法——梯度下降。
93020发布于 2019-08-16 - 来自专栏全栈学习专栏
解密openGauss DB4AI框架的内部机理
DB4AI这个方向中，数据库通过集成AI能力，在用户进行AI计算时就可以避免数据搬运的问题。不同于其他的DB4AI框架，本次openGauss开源的原生框架是通过添加AI算子的方式完成数据库中的AI计算。
1K30编辑于 2023-02-01
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号