墨衍会员
·
AI 创作全网分发
墨衍智能分发
本文由作者通过墨衍一键同步至各平台
1分发平台
100+累计阅读
128平均单平台
已同步平台
优快云
微信公众号
微博
知乎
掘金
百家号
博客园
抖音
小红书
你的文章也可以这样分发
墨衍会员 ¥399起/年，写一次发全网
我也要
优化在机器学习中扮演着重要的角色，它是为了最大化或最小化一个目标函数而对模型参数进行调整的过程。本文将介绍优化的基本概念，并提供一些常用的优化算法的源代码示例。
def gradient_descent(x, y, learning_rate, num_iterations):
m = len(x) 在 Azure ML 上用 .NET 跑机器学习
.NET ML 你在用了吗？
Core ML简介及实时目标检测及Caffe TensorFlow coremltools模型转换
Core ML简介及实时目标检测，Caffe、Tensorflow与Core ML模型转换、Vision库的使用 转载请注明出处 http://blog.youkuaiyun.com/u014205968/article/details/79220659 本篇文章首先会简要介绍iOS 11推出的Core ML机器学习框架，接着会以实际的已经训练好的Caffe、Tensorflow模型为例，讲解coreml
人工智能AI 与 机器学习ML 的关键区别
人工智能（AI）是指计算机系统能够执行通常需要人类智能才能完成的任务。包括理解自然语言、识别图像、解决复杂问题和做出决策。AI的目标是创建能够模仿或超越人类智能的系统。弱人工智能（弱AI）：也称为窄AI，专注于特定任务。例如，语音助手（如Siri和Alexa）和推荐系统（如Netflix和Amazon的推荐算法）。强人工智能（强AI）：也称为通用AI，具有执行任何人类智能任务的能力。目前，强AI仍处于理论阶段，尚未实现。机器学习（ML）是人工智能的一个子领域。
运筹优化（OR）-在机器学习（ML）浪潮中何去何从？
机器学习与运筹优化正走向深度融合：ML擅长预测分析，OR擅长约束优化，二者形成互补。ML可提升OR模型输入质量（如预测-优化框架），但也面临目标错配、不可导性等挑战；OR则能加速ML求解过程。未来趋势是ML与OR协同工作，如ML生成候选解后由OR校正，或在自动驾驶等领域实现感知与规划的有机结合。二者的专业优势（OR的硬约束满足与解释性，ML的数据驱动能力）决定了其不可替代性，将共同推动智能决策发展。
ML4T工作流程：从ML模型到策略回测(交易中的机器学习)
除了大量活跃的个人交易者社区,也有几家银行和交易公司使用backtrader来原型和测试新策略,然后将其移植到生产就绪的平台,如Java。例如,您可以使用我们在本书中遇到的scikit-learn等通用ML库设计和测试生成信号的ML模型,并将模型输出输入单独的回测引擎。这些对象相互作用,以便于输入数据的处理和因子计算,制定和执行策略,接收和执行订单,以及跟踪和度量业绩。简单地说,回测引擎遍历历史价格(和其他数据),将当前值传递给您的算法,收到订单作为回报,并跟踪所得仓位及其价值。
【ML】 李宏毅机器学习笔记
我的github链接 - 课程相关代码： https://github.com/YidaoXianren/Machine-Learning-course-note 0. Introduction Machine Learning: define a set of function, goodness of function, pick the best function Regressio...
李宏毅2020机器学习课程笔记（二）- 深度学习
文章目录1. Deep LearningBrief Introduction of Deep Learning（P12）Backpropagation（P13）Tips for Training DNN（P14）Why Deep-（P15）PyTorch Tutorial（P16） 1. Deep Learning Brief Introduction of Deep Learning（P12） 首先，李宏毅老师介绍了深度学习的发展历程，以及在Google上搜索Deep Learning的结果。 实际上
ML.NET与C#在Jupyter笔记本中的应用：机器学习实践教程
ML.NET 是一个跨平台的开源机器学习框架，由微软开发，旨在将机器学习的能力带给.NET开发者。开发者可以使用C#或F#等.NET支持的语言，轻松地将机器学习模型集成到应用程序中，无论是Web、移动还是桌面应用。ML.NET允许开发者从数据准备、模型训练、评估、优化到最终的模型部署，整个机器学习工作流全部在.NET环境中完成。随着人工智能和机器学习技术的快速发展，ML.NET框架的设计初衷是为了解决.NET开发者在构建智能应用程序时面临的挑战。
ML-Agent：Unity机器学习插件的全面解析
ML-Agent是一个开源的机器学习插件，使得开发者可以通过Unity来训练智能体。这使得在游戏和模拟环境中，使用增强学习技术成为可能，为AI研究和应用提供了全新的实验平台。ML-Agent 为 Unity 环境提供了强大的机器学习工具，其核心功能的设计允许开发者构建和训练智能体，以及在复杂的环境中进行模拟训练。在本章中，我们将详细介绍 ML-Agent 的主要功能，包括多智能体系统支持、智能体间通信机制、延迟奖励机制、环境同步更新、内置评估工具，以及插件的可扩展性。
【python快速编程入门（第二版）黑马程序员课后编程题】
python快速编程入门（第二版）黑马程序员课后编程题
PRPD图谱分析从入门到精通：5种典型放电模式的识别手册
本文详细解析PRPD图谱分析技术，重点介绍电晕放电、悬浮放电等5种典型放电模式的识别方法。通过37组真实案例对比，提供关键识别区和诊断流程图模板，帮助工程师快速掌握变电站设备状态监测的核心技能，提升绝缘缺陷诊断准确率。
dreamerv3复现教程
由于dreamerv3存在很多版本冲突问题，所以很难直接使用和复现。
具身智能数据采集的工程化指南：从时间同步到质量校验
具身智能的模型训练离不开高质量的多模态轨迹数据，而数据采集并非简单的传感器记录。真实场景中，相机图像、机械臂关节状态与力觉信息必须在时间轴上精确对齐，标定的漂移和格式混乱会让看似正常的数据无法用于训练。时间同步与标定一致性，是决定数据质量的核心技术环节。在机器人抓取、操作等工程应用中，一套包含多传感器同步、轻量记录脚本、自动化质量校验与版本管理的数据采集流程，能大幅降低数据生产的失败率。本文从工程视角拆解具身数据采集中的典型问题，并给出可落地的流程设计与校验方法，帮助团队构建可持续迭代的高质量数据集。
Zotero PDF Translate插件实战：DeepL API免费申请与高效翻译配置指南
本文提供Zotero PDF Translate插件配置DeepL API的完整实战指南。详细介绍了如何免费申请DeepL API密钥，解决国内访问问题，并在插件中完成精细配置，实现文献阅读时的无缝划词翻译，大幅提升科研人员和学生的英文文献阅读效率。
换频道——假想《道德经》与量子力学的一些联系
之前看到一位AI PM的前辈分享了自己对于PM境界的看法： 境界一，行事被放心。 境界二，独立主导产品线从0到1，做正确的事，并把事做正确。 境界三，一切以灵魂境界为基础，产品作为其理念的衍生。 对于我，3个月尝试于目标而无获，但塞翁失马焉知非福。自己已经具备境界一，虽然境界二尚未成熟，但境界三却有幸有所思考。 今天，往澳门的动车途中有感而发，为随笔。
Simulink仿真避坑指南：如何设置步长、powergui和模块采样时间才能让控制周期更稳定
本文深入解析Simulink仿真中步长、powergui和模块采样时间的协同配置方法，帮助工程师解决控制周期不稳定问题。通过实际案例和参数调优技巧，指导用户精准设置仿真参数，确保电机控制、电力电子系统等工业仿真结果的可靠性。
C#与天文观测：Celestia模拟星空的奇幻之旅
Celestia就像一艘穿梭在星海中的小飞船，带领我们遨游宇宙。C#则是这艘飞船的智能导航系统，用代码指挥它飞向任何我们向往的星球或星系。首先，下载并安装Celestia，熟悉其基本操作和功能。创建一个星空目标列表，包括不同的恒星、行星和星系。// 示例：定义观察目标列表new SpaceObject("太阳"),new SpaceObject("月球"),new SpaceObject("火星")
Probability and Statistics - 4th edition
Probability and Statistics - 4th edition
efm32 入门.pdf
本PDF共计22页，介绍的是操作驱动API，下载与否自己斟酌。
怀旧版电脑GBC模拟器
再现原版GBC掌机的界面，电脑运行连游戏界面都一样大小，很怀旧，很真实，（英文版）强烈推荐，很小的文件，很难才找到的。
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
订阅专栏 解锁全文
4354
扫一扫
