将博客搬至优快云

已于 2022-02-07 15:06:26 修改
阅读量214 收藏
点赞数
CC 4.0 BY-SA版权
文章标签： 机器学习 python android 算法 深度学习
于 2021-12-27 09:16:56 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/SkyNullCode/article/details/122190759

为了方便将之前分享的文章发表到优快云，特写该篇文章。 后续新写的文章，还会在掘金上更新。 为了方便将之前分享的文章发表到优快云，特写该篇文章。 后续新写的文章，还会在掘金上更新。 为了方便将之前分享的文章发表到优快云，特写该篇文章。 后续新写的文章，还会在掘金上更新。

 

   公众号：audio_video_render 会持续更新一些干货资源，欢迎大家关注。有想了解的技术也可以给我留言，我会尽量帮你解决。​​​​​​​

SkyNullCode
关注
运维系列：csdn博客搬家：及其方便的博客迁移、搬家工具，支持主流博客平台----CsdnSyncHexo。
weixin_54626591的博客
09-14 243
csdn博客搬家：及其方便的博客迁移、搬家工具，支持主流博客平台----CsdnSyncHexo。
《将博客搬至优快云》
As Time As By
11-14 416
将博客搬至优快云
将博客搬至 优快云
IT老男孩
02-04 649
本文永久链接: https://www.xtplayer.cn/csdn/blog-sync-to-csdn/我的博客即将同步至 优快云 社区，这是我的 优快云 主页：https://blog.csdn.net/hongxiaolu
将博客搬至优快云 —— python 调用 so 库 需要注意的地方
VizXu的博客
05-29 7122
两年前在oschina写的博客，现在搬到优快云。
公众号搬家至优快云博客，有哪几种途径？
夏目的博客
05-13 672
写博客是总结归纳再阐述的一个过程，一篇文章辛辛苦苦敲出来后，总想分享给更多的人，许多小伙伴都有了微信公众号，但是同时维护着博客跟微信公众号，时间上根本不够用，为解决这个问题，优快云特开通公众号同步功能，只需要把您的优快云 ID与微信公众号ID绑定即可！ 公众号同步的操作方法： 1.把您的公众号ID与优快云 博客地址发送至邮箱：luhui#csdn.net （把#号换成@） 2.加优快云博客小姐姐的微信号，备注：申请公众号同步 图片: https://uploader.shimo.im/f/kSvtP
MSN博客搬家至优快云的XML-RPC工具
MSN博客搬家工具是一个用于将内容从MSN（现在称为Windows Live Spaces）博客平台迁移至其他博客服务的实用程序。鉴于MSN博客服务最终停止运营，用户需要将博客内容迁移到其他博客平台以避免数据丢失。 #### 2. XML-...
深入理解XGBoost（何龙 著）学习笔记（四）
limiaoiao的博客
06-18 782
例如，f(x,y),对参数x求偏导为∂f/∂x，对参数y求偏导为∂f/∂y，组成梯度向量(∂f/∂x, ∂f/∂y)ᵀ，简称为∇f(x,y)。函数f(x,y)在点（x0,y0）处沿着∇f(x,y)移动，其函数值增加的最快，换一句话说，如果沿着梯度的反方向，则函数值下降的最快，更容易找到最小值。线性回归的目标是，对于输入向量x，预测其目标值y。可以看到，在计算梯度距离时会乘一个步长系数α，梯度向量决定了梯度下降的方向，而步长则决定了梯度下降的距离，还是以下山为例，步长就是沿最陡峭的方向向前走一步的距离。
【机器学习】SAE(Sparse Autoencoders)稀疏自编码器
zwhszdx的博客
06-13 792
SAE(Sparse Autoencoders)稀疏自编码器概念讲解
文献阅读|基于PSMA PET/CT使用机器学习增强前列腺癌的诊断与风险评估
羊羊的博客
06-17 793
本研究基于68Ga-PSMA-617 PET/CT影像，采用机器学习构建前列腺癌诊断与风险评估模型。共纳入191例患者（116例前列腺癌、75例良性增生），提取放射组学特征，利用mRMR和LASSO筛选关键变量，构建六种机器学习模型。结果显示，模型在鉴别恶性病变和预测不良病理特征（如Gleason评分、ISUP分级等）方面表现良好，AUC最高达0.938。进一步对39例样本进行蛋白质组学分析，发现影像特征与10个差异蛋白显著相关，提示放射组学在分子层面具有一定生物学解释力。
AI与机器学习ML：利用Python 从零实现神经网络
AI人工智能的学习之路
06-13 873
本文介绍了神经网络的基本结构与工作原理。通过一个包含10个观测值和3个特征变量的简单数据集示例，详细阐述了神经网络的前向传播过程，包括输入层、隐藏层和输出层的计算流程。文章重点讲解了反向传播机制和梯度下降算法，说明如何利用损失函数（二进制交叉熵）来调整权重和偏差参数，以最小化预测误差。示例中展示了ReLU和Sigmoid激活函数的使用场景，并演示了从输入数据到预测输出的完整计算过程，为理解神经网络的内部机制提供了清晰的技术路径。
【python深度学习】Day53 对抗生成网络
2203_75479908的博客
06-14 384
对抗生成网络（GAN）摘要 GAN由生成器与判别器组成，通过对抗训练提升生成能力。生成器将随机噪声转化为样本，判别器区分真实与生成数据。采用nn.Sequential简化网络结构，LeakyReLU避免神经元失活。在心脏病数据集不平衡样本中，使用GAN生成病人样本可提升分类器F1分数。典型应用包括图像/文本生成和数据增强，改进模型如WGAN、CGAN等进一步拓展了应用场景。（149字）
李宏毅2025《机器学习》第二讲-深度解构AI Agent：让大型语言模型学会记忆、使用工具与制定计划
rzb1986的专栏
06-15 845
通过对李宏毅老师课程的深度解构，我们得以窥见现代AI Agent设计的宏伟蓝图。其核心驱动力，已不再是无尽的数据投喂和模型训练，而是转向如何巧妙地设计交互框架与提示策略，从而唤醒并组织现有大型语言模型中沉睡的巨大潜力
生成对抗网络（GANs）入门介绍指南：让AI学会“创造“的魔法（二）【深入版】
LJ1147517021的博客
06-15 1035
生成对抗网络（GANs）入门介绍指南：让AI学会“创造“的魔法（二）【深入版】
【第二章:机器学习与神经网络概述】01.聚类算法理论与实践-(2)层次聚类算法（Hierarchical Clustering）
IT古董
06-18 399
摘要：层次聚类是一种无需预设类别数的无监督学习方法，通过构建层次树揭示数据结构。主要分为聚合型（自底向上）和切分型（自顶向下）两类。聚合型通过计算簇间距离（单链接、完全链接、平均链接等）迭代合并簇。Python示例展示了Scipy库实现过程，并分析了该方法无需预设K值但计算成本高的特点。层次聚类适用于基因分析等需要多层次结构分析的场景，其效果受距离度量方式和linkage策略影响显著。
机器学习重构光子学设计范式：从智能器件到前沿系统
m0_75133639的博客
06-18 454
摘要： AI与光子学融合研究呈现六大前沿方向，包括光子器件逆向设计和光学神经网络等。研究构建了系统性知识框架，通过仿真平台实战掌握核心设计技术，并利用机器学习实现器件智能生成。重点突破光学神经网络、芯片制造优化和智能测量系统三大方向，结合Nature/Science案例，贯通全研发链条。该研究将AI工具深度嵌入光子器件研发，推动科研范式向数据驱动转型，为光子芯片等热点领域提供创新方法论。
全面详解机器学习核心概念与算法：从基础到高级应用
最新发布
weixin_67868534的博客
06-18 493
机器学习是人工智能的核心分支，通过算法让计算机从数据中自动学习规律并做出预测或决策，无需显式编程。其核心在于​​数据驱动​​，利用统计学、优化理论等跨学科方法构建数学模型，实现分类、回归、聚类等任务。根据学习范式，机器学习分为： ​​监督学习​​（如线性回归、决策树），依赖标注数据训练模型； ​​无监督学习​​（如K-means、PCA），挖掘无标签数据的内在结构； ​​强化学习​​（如Q-learning），通过试错与奖励机制优化决策策略。 集成学习（如Bagging、Boosting）通过组合多个弱学
机器学习 (ML) 基础入门指南
牛奶夹心巧克力
06-18 667
机器学习 (ML) 基础入门指南，通俗易懂的大模型学习教程
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值