<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[EasyAI_的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/EasyAI_</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; EasyAI_]]></copyright><item><title><![CDATA[离散卷积和快速傅里叶变换的解释和实施步骤]]></title><link>https://blog.youkuaiyun.com/EasyAI_/article/details/127427818</link><guid>https://blog.youkuaiyun.com/EasyAI_/article/details/127427818</guid><author>EasyAI_</author><pubDate>Thu, 20 Oct 2022 15:15:04 +0800</pubDate><description><![CDATA[什么是循环卷积、卷积矩阵和环形矩阵？如何使用FFT？]]></description><category></category></item><item><title><![CDATA[【项目实战】使用PyTorch预测汽车从A点到B点的消耗，在 PyTorch 中构建完整的深度学习管道]]></title><link>https://blog.youkuaiyun.com/EasyAI_/article/details/127409582</link><guid>https://blog.youkuaiyun.com/EasyAI_/article/details/127409582</guid><author>EasyAI_</author><pubDate>Wed, 19 Oct 2022 15:55:23 +0800</pubDate><description><![CDATA[近期国际油价油价飞涨，国内成品油零售价格也将再创新高，当你抬头看的油价时候，你有没有注意到在网上，您的汽车从 A 点到 B 点应该花多少油费，这些数字几乎与现实不符？否则，我们可以使用一个嵌入层将每个类别映射到一个可以训练的“随机”向量，这样我们就可以得到一个类别的向量表示，它可以管理大量信息。要对特征进行归一化，我们需要做的就是减去特征的平均值，然后除以标准差，为此我们需要之前提取的统计数据。现在我们的数据已经准备就绪，我们创建了一个数据集，以便在训练期间更好地管理我们的批次。我们使用一个非常有用的。]]></description><category></category></item><item><title><![CDATA[【项目实战】Python基于GARCH模型进行预测特斯拉股票，以及评估金融资产的风险]]></title><link>https://blog.youkuaiyun.com/EasyAI_/article/details/127387465</link><guid>https://blog.youkuaiyun.com/EasyAI_/article/details/127387465</guid><author>EasyAI_</author><pubDate>Tue, 18 Oct 2022 14:27:34 +0800</pubDate><description><![CDATA[当前模型以 1 个时间步长（horizon=1）预测波动率，然后对预测的波动率方差进行平方。现在我们可以在滚动预测过程中使用 n 期的历史数据对我们的模型进行测试。在这一节中，我们使用从第一天到第-(测试规模-i)天的股票日收益值在一个循环中创建一个训练集。年度波动率：我们假设一个日历年有252个交易日，我们把每日波动率乘以252的平方根。月度波动率：我们假设一个月有21个交易日，所以我们把每日波动率乘以21的平方根。从上面的子图中我们可以看到，我们预测的波动率与日收益率基本一致。]]></description><category></category></item><item><title><![CDATA[【图解深度学习】【章节：2-1.1 | 什么是机器学习？】连小学生都能看懂的深度学习基础总结]]></title><link>https://blog.youkuaiyun.com/EasyAI_/article/details/127378176</link><guid>https://blog.youkuaiyun.com/EasyAI_/article/details/127378176</guid><author>EasyAI_</author><pubDate>Mon, 17 Oct 2022 22:14:53 +0800</pubDate><description><![CDATA[机器学习中，将必要的数据传递给机器，人类只需进行简单的设置即可自动学习模式。在公寓的例子中，只要输入房间的大小和租金，它就会学习规律性。我了解到机器学习是机器自动学习问题、做出决策和预测的方法。首先，我们将介绍机器学习，这是一种创建人工智能的机制。机器学习是机器自动学习解决任何问题的技术。机器学习是一种非常有用的技术，因为它可以大大减少人类必须做的处理量。神经网络是一种机器学习。现在，让我们抑制机器学习和预测的方法，机器会自动学习，以解决问题。]]></description><category></category></item><item><title><![CDATA[【图解深度学习】【章节：1-1.4 | 神经网络实战】连小学生都能看懂的深度学习基础总结]]></title><link>https://blog.youkuaiyun.com/EasyAI_/article/details/127309059</link><guid>https://blog.youkuaiyun.com/EasyAI_/article/details/127309059</guid><author>EasyAI_</author><pubDate>Thu, 13 Oct 2022 20:47:31 +0800</pubDate><description><![CDATA[到目前为止，我们已经学习了神经网络的基础知识。现在，让我们从这里使用 Python 实际创建一个简单的人工智能。这次的目的是为了描绘出人工智能发展的全貌。在机器学习中，首先要考虑的是要创建什么样的模型。模型是一个盒子，它根据输入值执行各种计算并得出输出值。这个模型最终会变成我们所说的AI。clf 代表分类器。名称不必是 clf，但通常将分类模型命名为 clf。]]></description><category></category></item><item><title><![CDATA[[Python] 让AI来解决数独和数独谜题]]></title><link>https://blog.youkuaiyun.com/EasyAI_/article/details/127262709</link><guid>https://blog.youkuaiyun.com/EasyAI_/article/details/127262709</guid><author>EasyAI_</author><pubDate>Wed, 12 Oct 2022 14:00:05 +0800</pubDate><description><![CDATA[一个周末，我和我女儿在一起玩数独游戏。不管花多少时间， 都没多少空白 （无法解决） 问题。因此，我想创建一个AI，它可以自动解决数独和无论如何都无法解决的数独问题使用 Python 制作了从数独图像自动派生答案的 AI （人工智能）， 因此做成文章。作为概述，我们使用 PyTorch 创建的 CNN 进行图像识别，并在获得字符后执行深度优先搜索 （DFS）。]]></description><category></category></item><item><title><![CDATA[【AI图像生成】Python初学者能够以爆炸性的速度上手主题StableDiffusion]]></title><link>https://blog.youkuaiyun.com/EasyAI_/article/details/127243801</link><guid>https://blog.youkuaiyun.com/EasyAI_/article/details/127243801</guid><author>EasyAI_</author><pubDate>Mon, 10 Oct 2022 14:40:53 +0800</pubDate><description><![CDATA[快速上手StableDiffusion，生成AI图像]]></description><category></category></item><item><title><![CDATA[【图解深度学习】【章节：1-1.3 | 神经网络中的运动】连小学生都能看懂的深度学习基础总结]]></title><link>https://blog.youkuaiyun.com/EasyAI_/article/details/127229942</link><guid>https://blog.youkuaiyun.com/EasyAI_/article/details/127229942</guid><author>EasyAI_</author><pubDate>Sun, 09 Oct 2022 17:04:09 +0800</pubDate><description><![CDATA[例如，当你输入“3”的图像时，假设“7”的神经元个数最大。也就是说，这个NN的预测结果是错误的。此时，权重会自动调整，使输出神经元“3”的值增加。这不是详细的“如何学习”，而是获得图像的东西。通过使这更加复杂，您可以创建一个神经网络（人工智能）来确定图像中的内容。上图中的输入神经元接收到代表“黑色”的“0.1”。通过显示大量图像并记住它们的特征，您可以创建一个通过更改权重做出合适预测的 NN。在这一章中我们讲述了神经网络中的运动，在下一章中我们会 总结这几天学习的内容并学会如何创建神经网络。]]></description><category></category></item><item><title><![CDATA[【图解深度学习】【章节：1-1.2 | 神经网络输入输出】连小学生都能看懂的深度学习基础总结]]></title><link>https://blog.youkuaiyun.com/EasyAI_/article/details/127194610</link><guid>https://blog.youkuaiyun.com/EasyAI_/article/details/127194610</guid><author>EasyAI_</author><pubDate>Fri, 07 Oct 2022 16:07:44 +0800</pubDate><description><![CDATA[【图解深度学习】【章节：1-1.2 | 神经网络输入输出】连小学生都能看懂的深度学习基础总结]]></description><category></category></item><item><title><![CDATA[【图解深度学习】连小学生都能看懂的深度学习基础总结【第一章什么是神经网络？】]]></title><link>https://blog.youkuaiyun.com/EasyAI_/article/details/127187558</link><guid>https://blog.youkuaiyun.com/EasyAI_/article/details/127187558</guid><author>EasyAI_</author><pubDate>Thu, 06 Oct 2022 21:33:44 +0800</pubDate><description><![CDATA[首先，我们介绍神经网络的基础知识。我图解了很多，即使是小学生也能理解。我认为它比任何文章都更容易理解。]]></description><category></category></item></channel></rss>