- 综合排序
- 最热优先
- 最新优先
- 来自专栏python3
python学习(11)
位置参数 传入参数顺序 、个数必须一致 def add(a,b): return a + b
43510发布于 2020-01-14 - 来自专栏DotNet NB && CloudNative
AI应用实战课学习总结（11）用RNN做时序预测
最近入坑黄佳老师的《AI应用实战课》，记录下我的学习之旅，也算是总结回顾。 今天是我们的第11站，一起了解RNN循环神经网络的基本概念 以及 通过RNN来做时序预测的案例。 Date: 2020-10-10 00:00:00, Actual Activation: 901.0, Predicted Activation: 891.626953125 Date: 2020-10-11
49110编辑于 2025-04-09 - 来自专栏计算机工具
深度学习11：Transformer
和经典的 seq2seq 模型一样，Transformer 模型中也采用了 encoer-decoder 架构。上图的左半边用 NX 框出来的，就代表一层 encoder，其中论文里面的 encoder 一共有6层这样的结构。上图的右半边用 NX 框出来的，则代表一层 decoder，同样也有6层。
56610编辑于 2024-12-14 - 来自专栏Soul Joy Hub
《机器学习技法》学习笔记11——GBDT
http://blog.csdn.net/u011239443/article/details/77435463
83520发布于 2019-02-13 - 来自专栏程序员小航
Spring 源码学习 11：invokeBeanFactoryPostProcessors
invokeBeanFactoryPostProcessors 会执行 BeanFactory 的后置处理器。看到这里会有疑问：
96310发布于 2021-01-12 - 来自专栏与前端沾边
react 学习（11）高阶组件
react 中的高阶组件主要是对于 hooks 之前的类组件来说的，如果组件之中有复用的代码，需要重新创建一个父类，父类中存储公共代码，返回子类，同时把公用属性传到子类中的形式。当然对于现在的 hooks 来说基本用不到了。但是 HOC 的形式也是对应 react 而衍生出来的一种设计形式。我们仅需了解一下它的形式，你可能不会在工作中用到，但是当你维护老的项目时，也可能会接触到。本节只了解简单的使用（小编也没有深入使用过），不做深入探讨。
60010编辑于 2022-06-12 - 来自专栏软件测试经验与教训
Python学习笔记（11）递归
y==0: return 1 else: return x*power(x,y-1) res=power(3,0) print(res) 往期笔记 Python学习笔记 （1） Python学习笔记（2） Python学习笔记（3） Python学习笔记（4） Python学习笔记（5） Python学习笔记（6） Python学习笔记（7） Python学习笔记（8） Python学习笔记（9） Python学习笔记（10）
72350发布于 2018-05-15 - 来自专栏weixuqin 的专栏
redis 学习（11）-- redis pipeline
所以可以看到，如果执行 n 次的话（比如 n 次 set 操作），时间开销是非常大的。
93120发布于 2019-06-02 - 来自专栏米扑专栏
Python 学习入门（11）—— 排序
Python的内置dictionary数据类型是无序的，通过key来获取对应的value。可是有时我们需要对dictionary中 的item进行排序输出，可能根据key，也可能根据value来排。
53160发布于 2019-02-19 - 来自专栏白话互联
【Ai Agent】Ai Agent News | 9月11日速递
今天是9月11日星期四，让我们一起来看看今天 Ai Agent 带来的 AI 领域的重要动态吧！ *角色定义*：明确AI Agent在企业中的定位和职责 *数据整合*：确保AI Agent能够访问高质量的相关数据 *行动规划*：设计Agent能够执行的具体任务和流程 *反馈机制*：建立持续学习和优化的闭环系统 ❤ Indeed Unveils AI Agents for Job Seekers and Recruiters 求职招聘领域迎来AI助手新时代 Indeed推出了两款AI Agents，分别面向求职者和招聘方 ❤ Secure AI Agents at Runtime with Docker Docker推出AI Agent运行时安全解决方案 Docker发布了关于如何在运行时保护AI Agent的新方法， AI Agent时嵌入运行时安全，为AI原生开发提供更可靠的安全保障。
33210编辑于 2025-09-17 - 来自专栏MiningAlgorithms
机器学习11：机器学习算法目录（前）
机器学习算法目录： 一、模型选择与评价： 1，误差：误差由偏差(bias)、方差(variance)和噪声(noise)组成； 2，多分类学习：一对一、一对其余、多对多（参考：西瓜书p63）；单标签二分类 10，概率图模型（参考邱老师的PPT） 11，降维学习：主成分分析（PCA），线性判别分析（LDA）、特征选择；特征降维可分为有监督（LDA）和无监督（LSA、NMF）；主题模型（LDA、LSA） 要点 12，集成学习（已整理为：机器学习5-8）：随机森林（Extra tree、Totally Random Trees Embedding、Isolation forest）、Adboost、GBDT、XGBoost ，既降低泛化误差中的方差；多样性：要求集成学习中不同的个体学习器之间具有足够的差异性； 三、神经网络部分： 1，Neural network基础（batch normalization，dropout， ： 1，马尔科夫决策过程（MarkovDecision Processes）： 2，Q-Learning： 3，Sarsa： 五、迁移学习：多模态学习 六、按监督，非监督分类： 1），监督学习： 1.1
98520发布于 2019-08-08 - 来自专栏WD学习记录
机器学习 学习笔记（11） 贝叶斯分类器
与朴素贝叶斯分类器相似，AODE无需模型选择，既能通过预计计算节省预测时间，也能采取懒惰学习方式在预测时再进行计数，并且易于实现增量学习。 贝叶斯网络学习的首要任务是根据训练数据集来找出结构最恰当的贝叶斯网。“评分搜索”是求解这一问题的常永方法。 常用评分函数通常基于信息论准则，此类准则将学习问题看做一个数据压缩任务，学习的目标是找到一个能以最短编码长度描述训练数据的模型，此时编码的长度包括了描述模型自身所需的字节长度和使用该模型描述数据所需的字节长度 对贝叶斯网学习而言，模型就是一个贝叶斯网，同时每个贝叶斯网描述了一个在训练数据集上的概率分布，自有一套编码机制能使哪些经常出现的样本有更短的编码。 》 《统计学习方法》 《机器学习实战》
1.7K30发布于 2018-09-04 - 来自专栏从零学习云计算
kubernetes学习记录（11）——深入学习Service
在之前的周会上汇报Kubernetes学习结果的时候，被问到一个问题：“一个Service能否提供多种服务，能否代理多组Pod副本？”这里来做一定的研究。 name: shutdown-port nodePort: 30002 selector: app: myweb 试验Service代理多组Pod 在kubernetes学习记录
90600发布于 2017-12-28 - 来自专栏CV学习史
Deep learning with Python 学习笔记（11）
将数据转换为程序的这个过程叫作学习（learning） 深度学习（deep learning）是机器学习的众多分支之一，它的模型是一长串几何函数，一个接一个地作用在数据上。 深度学习模型通常都是层的堆叠，或者更通俗地说，是层组成的图。这些层由权重（weight）来参数化，权重是在训练过程中需要学习的参数。 模型的知识（knowledge）保存在它的权重中，学习的过程就是为这些权重找到正确的值 在深度学习中，一切都是向量，即一切都是几何空间（geometric space）中的点（point）。 在开始学习之前，我们首先需要将模型输入（文本、图像等）和目标向量化（vectorize），即将其转换为初始输入向量空间和目标向量空间。深度学习模型的每一层都对通过它的数据做一个简单的几何变换。 这种几何变换有一个关键性质，就是它必须是可微的（differentiable），这样我们才能通过梯度下降来学习其参数。
65020发布于 2019-09-10 - 来自专栏python3
python基础学习11----函数
定义函数的参数时请以必须参数、默认参数、带一个星号的不定长参数、带两个星号的不定长参数的顺序定义形参
36220发布于 2020-01-19 - 来自专栏IT派
11 个Javascript机器学习库
Neuro.js 这个漂亮的项目是一个深度学习和强化学习JavaScript库的浏览器框架。 有人认为这个项目是convnetjs的继任者，所以实现一个基于全栈式神经网络的机器学习框架和扩展的强化学习支持。 janhuenermann / neurojs - 一个javascript深度学习和强化学习库。 10. mljs 一组库提供由mljs组织开发的用于Javascript的机器学习工具，其中包括有监督学习和无监督学习，人工神经网络，回归算法以及用于统计学，数学等的支持库。下面是一个简短的【演练】。 /hackernoon.com/machine-learning-with-javascript-part-1-9b97f3ed4fe5 mljs --https://github.com/mljs 11
1.3K40发布于 2018-08-10 - 来自专栏信数据得永生
TensorFlow 强化学习：11~15
在机器人强化学习中执行大规模，真实世界的实验是一项艰巨的任务 AI 社区的研究人员正在为机器人强化学习进行实验的标准设置 要点 在本章中，我们经历了机器人技术领域强化学习算法所面临的主要挑战。 破解端到端机器人技术的解决方案将是 AI 社区最大的里程碑。 当前，算法和数据处理单元的不断改进面临挑战。 但是，我们看到机器人执行一般人工任务的日子已经过去了。 在下一章中，我们将研究在计算机视觉领域，尤其是在对象检测中，如何使用强化学习。 十三、图像处理中的强化学习 在本章中，我们将介绍人工智能（AI）社区（计算机视觉）中最著名的应用领域之一。 将 AI 应用于图像和视频已经持续了二十多年。 具有更好的计算能力，诸如卷积神经网络（CNN）及其变体的算法在对象检测任务中表现良好。 在这里，我们将讨论 Paulus 等人（2017 年 11 月）的研究出版物《抽象摘要的深度强化模型》。
62720编辑于 2023-04-27 - 来自专栏mythsman的个人博客
C++11学习笔记3
而在C++11中，变量不再仅仅分为左值与右值了，他引入了另一种值叫将亡值(expire value,xvalue)。 参考资料 深入应用c++11
45520编辑于 2022-11-14 - 来自专栏mythsman的个人博客
C++11学习笔记1
前言 很久以前就知道C++11对我们课上讲的C++有很多改进的地方，当时也没有细学，最近一个偶然的机会陡然发现原来身边的同学好多都对C++11都颇有心得，推崇备至，回头想想在C++14，甚至C++17都不新鲜的现在 ，连C++11都不会的话显然有点说不过去了。。。 于是呢我就打算利用最近闲着的时间，在补《人民的名义》的间隙顺便学学C++11应该也是极好的。 显然，这玩意并没什么用，于是在C++11里，他就变成了可以自动推导的变量类型。 模板别名 c++11引了using的别名语法，事实上就是typedef的加强版。
52910编辑于 2022-11-14 - 来自专栏米扑专栏
Clojure 学习入门（11）—— 宏 macro
clojure macro宏在运行之前机械展开，定义宏相当于给语言增加新特性，写宏的*原则*：
1.3K20发布于 2019-02-18
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