- 综合排序
- 最热优先
- 最新优先
- 来自专栏产品经理的人工智能学习库
模糊神经网络（Neuro-fuzzy | FNN）
模糊神经网络就是模糊理论同神经网络相结合的产物，它汇集了神经网络与模糊理论的优点，集学习、联想、识别、信息处理于一体。
3.7K10发布于 2019-12-18 - 来自专栏数据库相关
【转】Elasticsearch学习 查询（prefix、wildcard、regexp、fuzzy）
、前缀搜索 prefix不计算相关度评分性能较差前缀搜索匹配的是分词后的词项前缀搜索没有缓存前缀搜索尽可能把前缀长度设置的更长GET product/_search{ "query": { "fuzzy *san" } }}2. flags参数含义 四、模糊查询 fuzzy1. 用法GET testindex/_search{ "query": { "fuzzy": { "name": "xiaolahu" } }} 3. 参数编辑距离：把字符改成正确的，需要挪到的次数GET testindex/_search{ "query": { "fuzzy": { "name": { "value" match": { "name": { "query":"xiaoloahu", "fuzziness": 1 } } }} match是分词的，fuzzy
62500编辑于 2025-06-03 - 来自专栏Path Tracking Letters
论文解读——A novel fuzzy observer-based steering control approach……
《A novel fuzzy observer-based steering control approach for path tracking in autonomous vehicles》是期刊《 IEEE Transactions on Fuzzy Systems》在2019年第27卷第2期上刊载的一篇论文。 《IEEETransactions on Fuzzy Systems》的中科院大类分区（工程技术）是1区，小类分区（工程：电子与电气）是1区，2019年影响因子为9.518。
54000发布于 2020-09-01 - 来自专栏Rust语言学习交流
【每周一库】 simsearch - a simple and lightweight fuzzy search engine
本期的每周一库带来的是simsearch，一个运行在内存的轻量级字符串模糊搜索引擎。
46530发布于 2020-09-23 - 来自专栏小工匠聊架构
白话Elasticsearch27-深度探秘搜索技术之误拼写时的fuzzy模糊搜索技术
www.roncoo.com/view/55 ---- 官方指导 https://www.elastic.co/guide/en/elasticsearch/reference/current/query-dsl-fuzzy-query.html 官方Blog : https://www.elastic.co/blog/found-fuzzy-search 强烈推荐 ---- 例子 我们知道，搜索的时候，可能输入的搜索文本会出现误拼写的情况。 fuzzy搜索技术 --> 自动将拼写错误的搜索文本，进行纠正，纠正以后去尝试匹配索引中的数据 实例 如下： 模拟一批数据 POST /my_index/my_type/_bulk { "index 查询 GET /my_index/my_type/_search { "query": { "fuzzy": { "text": { "value": "surprize 纠正了2次，也可以匹配上，在fuziness指定的2范围内 surprize --> surprising -> z -> s，去掉e，ing，3次，总共要5次，才可以匹配上，始终纠正不了 ---- fuzzy
67020发布于 2021-08-17 - 来自专栏全栈程序员必看
dsp移相全桥pwm_功放整流桥为什么烧
= 1; else Fuzzy_pid.Kii = 1-0.8*(2*fabss(Fuzzy_pid.E0)-Fuzzy_pid.A)/Fuzzy_pid.A; if(Fuzzy_pid.E0 >=Fuzzy_pid.T2&&Fuzzy_pid.E0 <=Fuzzy_pid.T1 ) { Fuzzy_pid.P1 = Fuzzy_pid.P -Fuzzy_pid.T2)*Fuzzy_pid.C1); Fuzzy_pid.I1 = Fuzzy_pid.I*(1-(fabss(Fuzzy_pid.E0)-Fuzzy_pid.T2 (Fuzzy_pid.T1-Fuzzy_pid.T2)*Fuzzy_pid.C3); Fuzzy_pid.P = Fuzzy_pid.P1; Fuzzy_pid.I Fuzzy_pid.P*(Fuzzy_pid.E0-Fuzzy_pid.E1)+ 1/Fuzzy_pid.I*Fuzzy_pid.E0*Fuzzy_pid.Kii
52130编辑于 2022-11-01 - 来自专栏数据库与编程
Oracle 数据库中的数据质量运算符
FUZZY_MATCH FUZZY_MATCH运算符与语言无关。它确定两个字符串之间的相似性，并支持此处列出的几种算法。 UTL_MATCH 包逐字节计算，而 FUZZY_MATCH 逐字符计算。因此UTL_MATCH仅适用于单字节字符串之间的比较，而FUZZY_MATCH处理多字节字符集。 , fuzzy_match(bigram, col1, col2) as bigram, fuzzy_match(trigram, col1, col2) as trigram , fuzzy_match(whole_word_match, col1, col2) as wwm, fuzzy_match(longest_common_substring , fuzzy_match(jaro_winkler, col1, col2, relate_to_shorter) as jaro_winkler, fuzzy_match
51810编辑于 2024-01-08 - 来自专栏拓端tecdat
MATLAB、R用改进Fuzzy C-means模糊C均值聚类算法的微博用户特征调研数据聚类研究
其次对改进Fuzzy C-means算法进行文献回顾，对其概况、基本思想、算法进行详细介绍，再是应用了改进Fuzzy C-means算法，本文的数据是由所设计地软件在微博平台上获取的数据，最后得到相关结论和启示 改进 Fuzzy C-means 算法 Fuzzy C-means算法概述 Fuzzy C-means算法是聚类算法中主要算法之一，它是一种基于划分的聚类算法，是最为经典的，同时也是使用最为广泛的一种基于划分的聚类算法 C-means 仿真过程 本文采用MATLAB软件对数据进行改进Fuzzy C-means聚类分析。 本文重点集中学习了研究了 改进Fuzzy C-means聚类算法的思想、原理以及该算法的优缺点。并运用改进Fuzzy C-means算法对所采集的数据进行聚类分析，深化了对该算法的理解。 但是本文也存在非常多的不足，例如未对较多的对改进Fuzzy C-means的改进算法作深刻剖析，仿真实验的数据量较少，再者对改进Fuzzy C-means实验的结果分析还并不到位。
72110编辑于 2022-12-08 《人工智能导论》第 4 章 不确定性推理方法
(fan_fuzzy[rule["fan"]], antecedent_strength) return fan_fuzzy def defuzzify(self, fan_fuzzy = self.apply_rules(temp_fuzzy, humidity_fuzzy) # 去模糊化 fan_speed = self.defuzzify(fan_fuzzy """ fan_speed, temp_fuzzy, humidity_fuzzy, fan_fuzzy = self.control(temperature, humidity) (y=temp_fuzzy["hot"], color='b', linestyle=':', label=f'热: {temp_fuzzy["hot"]:.2f}') plt.xlabel }') plt.axhline(y=humidity_fuzzy["潮湿"], color='b', linestyle=':', label=f'潮湿: {humidity_fuzzy
15510编辑于 2026-01-21- 来自专栏范传康的专栏
基于TF-IDF和KNN的模糊字符串匹配优化
What & why Fuzzy String matching 模糊字符串匹配（Fuzzy string matching）是一种查找近似模式（而不是完全匹配）的技术。 [rnu08tsxzg.png] fuzzy_tf_df 实现 import pandas as pd import numpy as np from fuzzywuzzy import fuzz, process : nearest_values, _ = tfidf_nn(messy, clean, n_neighbors, **kwargs) results = [find_matches_fuzzy string matching algorithm start = time.time() df_result = (df.pipe(fuzzy_tf_idf, # Function and messy 扩展阅读 RoomType DataSet Natural Language Processing for Fuzzy String Matching with Python Fuzzy String
2.4K31发布于 2021-04-30 - 来自专栏salesforce零基础学习
Salesforce Admin篇（一）Duplicate Management
有两种类型可供选择： Exact / Fuzzy。 Exact大部分字段都可以选择，Fuzzy针对常用的字段可以选择。针对Exact以及Fuzzy选择如何影响匹配规则会在下面说明。 看到上面的两个声明方式，可以看到exact需要完全匹配，fuzzy可以模糊匹配，那针对匹配两个值的准确率是多少，运用什么规则匹配，我们还要针对fuzzy方式提出另外几个概念。 2. :First Name matching method比较 Fuzzy: Last Name Exact Keyboard Distance Metaphone 3 Maximum 90 Fuzzy: Fuzzy: City Edit Distance Exact Maximum 85 Fuzzy: Street Exact Weighted Average 80 街道字段的比较方式和上面的电话号码类似 FIELDS Matching Method Match Blank Fields Company Fuzzy(Company) Yes Email Exact Yes Phone Fuzzy(Phone
1.1K30发布于 2019-07-10 - 来自专栏全栈程序员必看
simulink实现模糊PID控制[通俗易懂]
实现模糊PID控制的资源链接如右：simulink实现模糊PID控制资源 LabVIEW实现模糊PID控制可参考博客：LabVIEW实现模糊PID控制博客 模糊系统建立 在matlab命令行输入fuzzy 根据相关文献定义规则，将建立好的模糊文件命名为Fuzzy_PID并保存到本地文件中，用于下一步的导入。 量化后的值通过saturation函数处理后传入模糊系统，模糊系统设定如下图，其中Fuzzy_PID应在命令行通过如下语句导入到系统中。 Fuzzy_PID = readfis(‘Fuzzy_PID’) 模糊系统设定输出的范围均为[-1,1]，因此也应根据相关经验乘以量化因子，并与初始PID参数，即P：0.05，I：0.01，D
3K10编辑于 2022-08-31 matlab利用模糊算法控制PID参数实现模糊控制
示例：误差e的模糊化（以5档划分） e_fuzzy = { 'NB': triangular(-10, -10, -5), 'NS': triangular(-10, -5, 0), 重心法解模糊示例 def centroid(fuzzy_set): integral = sum(x * membership(x) for x in fuzzy_set) return integral / sum(membership(x) for x in fuzzy_set) 4. self.fis = FuzzyInferenceSystem() # 模糊推理系统 def update(self, e, ec): # 模糊化输入 fuzzy_input = {'e': e, 'ec': ec} # 执行推理 delta_Kp, delta_Ki, delta_Kd = self.fis.infer(fuzzy_input
1.2K10编辑于 2025-07-24- 来自专栏Ken的杂谈
Spring Boot 2.x 入门：Spring MVC请求映射(@RequestMapping)入门
5、通配符映射 @RequestMapping("/fuzzy") @Controller public class FuzzyMappingController { @RequestMapping @ResponseBody public String single(HttpServletRequest request) { return "fuzzy single" + 匹配URL为/fuzzy/single?请求，? 为1个字符 @RequestMapping(“/fuzzy”) @RequestMapping(“/multi*”) 匹配URL为/fuzzy/multi请求，为≥1个字符 @RequestMapping (“/fuzzy”) @RequestMapping(“/regex/{name:[A-z]+}”) 匹配URL为/regex/请求，为≥1个英文字母 四、备注 1、@RequestMapping注解说明
2.1K10发布于 2021-03-28 - 来自专栏方才编程
ES系列11：Term-level queries 之 3种模糊查询和terms_set query
带着问题学习才高效 1、wildcard query、prefix query、fuzzy query 这3种模糊查询的异同点是什么？ } } } 该DSL等价于 wildcard query 的 "wildcard" : { "author": "方*" }，等价于sql【where author like "方%”】 03 fuzzy 是一种误拼写时的fuzzy模糊搜索技术，用于搜索的时候可能输入的文本会出现误拼写的情况。比如输入"方财兄"，这时候也要匹配到“方才兄”。 通过简单示例，理解 fuzzy query： GET /blogs_index/_search { "query": { "fuzzy" : { "author max_expansions：fuzzy查询将扩展到的最大术语数。默认为50。 transpositions：是否支持模糊转置（ab→ ba）。默认值为false。
2.4K20发布于 2020-11-13 - 来自专栏第三方工具
es语法 rest api 模拟query 根据中文姓名搜索demo
"李小龙", "operator": "OR", "prefix_length": 0, "max_expansions": 50, "fuzzy_transpositions "李小龙", "operator": "OR", "prefix_length": 0, "max_expansions": 50, "fuzzy_transpositions operator": "OR", "prefix_length": 0, "max_expansions": 50, "fuzzy_transpositions operator": "OR", "prefix_length": 0, "max_expansions": 50, "fuzzy_transpositions "prefix_length": 0, "max_expansions": 50, "fuzzy_transpositions
25510编辑于 2024-10-09 - 来自专栏机器之心
专访 | 诺基亚首席科学家范力欣：用模糊逻辑实现可解释的深度神经网络
所以，从 80 年代就有研究提出，将模糊逻辑比较好的解释性，与神经网络的学习能力相结合，组成模糊神经网络 (fuzzy neural network FNN)。 回顾人工智能的历史，从上世纪 60 年代开始引人注目的模糊逻辑 (fuzzy logic)，发展历程中经历了一个完整的从经验主导到夯实理论基础，从大规模投入应用到日渐式微的过程。 从发展历史来说，模糊逻辑 (fuzzy logic) 这个术语是 UC Berkeley 的教授 Lotfi Aliasker Zadeh 于 1965 在他的论文「Fuzzy sets」中提出。 在明年一月，IEEE 的期刊 Transactions on Fuzzy Systems 会推出深度学习特刊。 Fan. (2017) "Revisit Fuzzy Neural Network: Demystifying Batch Normalization and ReLU with Generalized
1.6K20发布于 2018-08-07 - 来自专栏网络安全随笔
浅谈DLP数据防泄漏技术
借用开源GitHub - ssdeep-project/ssdeep: Fuzzy hashing API and fuzzy hashing tool，整体流程如下：#include <stdio.h >#include <stdlib.h>#include <inttypes.h>#include "fuzzy.h"#define FILENAME "foo.dat"#define SIZE 0x50000void ); // 模拟第一个文件的hash值 result2 = (char *)malloc(FUZZY_MAX_RESULT); // 模拟第二个文件的hash值 if (NULL == result cybersecurity/information-protection/data-loss-prevention#our-dlp-solutionsGitHub - ssdeep-project/ssdeep: Fuzzy hashing API and fuzzy hashing tool
1.4K10编辑于 2024-03-20 - 来自专栏SimpleAI
如何在只有词典的情况下提升NER落地效果
但是对于这种远程监督的形式，存在比较多的问题，这个论文主要探讨两种：多标签(multi-label tokens) 和标签不完善的问题； 针对multi-label tokens，论文提出的是Fuzzy-LSTM-CRF Fuzzy-LSTM-CRF 1.1 标注策略 梳理一下，我们现在手上有词典； 词典包含两个部分，一部分是已知实体类型（假设是2个，当然可能更多或者更少）；另一个部分就是我们通过某种方式挖掘出来的高质量实体对应的未知类型 Fuzzy-LSTM-CRF优化公式 看架构图： ? Fuzzy-LSTM-CRF 2. AutoNER 区别于Fuzzy-LSTM-CRF 模型沿用传统架构，在这里论文提出一种新的标注架构-Tie or Break； 这个标注框架更加关注的是当前token和上一个token是否在同一个实体里面 在Fuzzy-LSTM-CRF，需要注意的细节是，对于未知类型的标注，我们使用的策略是标注所有已知类型； 对于AutoNER，有两个细节需要注意，一个是新的标注框架tie or break，重点在于去看两个相邻单词是否属于同一个实体
1.6K10发布于 2021-02-19 - 来自专栏各类技术文章~
什么是人工智能中的模糊逻辑及其应用？
Fuzzy 指的是不清楚或模糊的东西。AI 中的模糊逻辑为推理提供了宝贵的灵活性。在本文中，我们将按以下顺序了解此逻辑及其在人工智能中的实现： What is Fuzzy Logic? Why do we use Fuzzy Logic? Architecture Membership Function Fuzzy Logic vs Probability Applications of Fuzzy Logic Advantages & Disadvantages Fuzzy Logic in AI: Example 什么是模糊逻辑？ Fuzzy Logic 模仿一个人如何做出决定，只是速度要快得多。因此，您可以将其与神经网络一起使用。 这些是模糊逻辑的一些常见应用。现在，让我们来看看在 AI 中使用模糊逻辑的优缺点。
3.9K11发布于 2021-10-23
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