【机器学习】基于核的机器学习算法（Kernel-based Algorithms）：原理，应用与优化 2024-05-23 机器学习, 人工智能 66人 已看 随着大数据时代的到来，机器学习已成为处理和分析海量数据的重要工具。在机器学习的众多算法中，基于核的算法因其强大的非线性处理能力而备受关注。本文旨在介绍基于核的算法的基本原理、应用领域以及未来的发展趋势。
【机器学习】基于核的机器学习算法（Kernel-based Algorithms）：原理，应用与优化 2024-05-23 机器学习, 人工智能 60人 已看 随着大数据时代的到来，机器学习已成为处理和分析海量数据的重要工具。在机器学习的众多算法中，基于核的算法因其强大的非线性处理能力而备受关注。本文旨在介绍基于核的算法的基本原理、应用领域以及未来的发展趋势。
【机器学习】基于核的机器学习算法（Kernel-based Algorithms）：原理，应用与优化 2024-05-23 机器学习, 人工智能 51人 已看 随着大数据时代的到来，机器学习已成为处理和分析海量数据的重要工具。在机器学习的众多算法中，基于核的算法因其强大的非线性处理能力而备受关注。本文旨在介绍基于核的算法的基本原理、应用领域以及未来的发展趋势。
图像处理神经网络数据预处理步骤的详细解释和分析 2024-05-23 机器学习, 图像处理, 深度学习, 人工智能, 神经网络 103人 已看 图像预处理步骤对于图像处理神经网络至关重要。这些步骤不仅保证了数据的一致性和质量，还可以通过数据增强等技术提高模型的泛化能力，从而提升模型的整体性能。每一步骤的选择和应用都基于具体任务和数据集的特性，并在模型训练和测试过程中起到关键作用。
图像处理神经网络数据预处理步骤的详细解释和分析 2024-05-23 机器学习, 图像处理, 深度学习, 人工智能, 神经网络 100人 已看 图像预处理步骤对于图像处理神经网络至关重要。这些步骤不仅保证了数据的一致性和质量，还可以通过数据增强等技术提高模型的泛化能力，从而提升模型的整体性能。每一步骤的选择和应用都基于具体任务和数据集的特性，并在模型训练和测试过程中起到关键作用。
图像处理神经网络数据预处理步骤的详细解释和分析 2024-05-23 机器学习, 图像处理, 深度学习, 人工智能, 神经网络 110人 已看 图像预处理步骤对于图像处理神经网络至关重要。这些步骤不仅保证了数据的一致性和质量，还可以通过数据增强等技术提高模型的泛化能力，从而提升模型的整体性能。每一步骤的选择和应用都基于具体任务和数据集的特性，并在模型训练和测试过程中起到关键作用。
深度学习：手撕 RNN（2）-RNN 的常见模型架构 2024-05-23 架构, rnn, 机器学习, 深度学习, 人工智能, 神经网络 170人 已看 双向 RNN 和 DeepRNN 的原理，以及一些应用更加灵活和广泛的架构
贝叶斯算法：机器学习中的“黄金法则”与性能提升之道 2024-05-26 机器学习, 人工智能 48人 已看 本文将详细介绍机器学习贝叶斯算法的基本概念、原理、应用、代码实现以及算法优化，并探讨其在机器学习中的作用及未来发展趋势。
从 0 手撸一个 pytorch 2024-05-19 python, 机器学习, 深度学习, pytorch, 人工智能 78人 已看 最近抽空看了下 Andrej Karpathy 的视频教程，教程的质量很高。教程不需要任何前置机器学习基础，只需要有高中水平的数学基础即可。整个教程从 0 到 1 手撸了一个类 pytorch 的机器学习库micrograd，核心代码不到 100 行。虽然为了简化没有实现复杂的矩阵运算，但是对于理解 pytorch 的设计思想有很大帮助。通过上面的流程可以很容易理解机器学习模型训练框架的设计方案，这一套流程也完全适用于 pytorch，可以帮助更好地理解 pytorch 的训练流程。
图像处理神经网络数据预处理步骤的详细解释和分析 2024-05-23 机器学习, 图像处理, 深度学习, 人工智能, 神经网络 88人 已看 图像预处理步骤对于图像处理神经网络至关重要。这些步骤不仅保证了数据的一致性和质量，还可以通过数据增强等技术提高模型的泛化能力，从而提升模型的整体性能。每一步骤的选择和应用都基于具体任务和数据集的特性，并在模型训练和测试过程中起到关键作用。
第 8 章 机器人实体导航实现01_准备工作(自学二刷笔记) 2024-05-23 自动驾驶, 机器人, 笔记, 机器学习, 人工智能 138人 已看 分布式架构、功能包安装、机器人模型.urdf.xacro以及坐标变换TF
深度学习：手撕 RNN（2）-RNN 的常见模型架构 2024-05-23 架构, rnn, 机器学习, 深度学习, 人工智能, 神经网络 203人 已看 双向 RNN 和 DeepRNN 的原理，以及一些应用更加灵活和广泛的架构
Pytorch训练LeNet模型MNIST数据集 2024-05-29 python, 机器学习, 深度学习, pytorch, 人工智能 77人 已看 补充：这里的transform根据不同的数据集选择不同的值。补充：可以在外面再套一层迭代次数。以MNIST数据集为例。
深度神经网络 2024-05-21 机器学习, dnn, 深度学习, 人工智能, 神经网络 122人 已看 深度神经网络（Deep Neural Network, DNN）是人工智能领域的一个重要分支，主要通过构建多层的神经网络来实现复杂问题的解决。其核心在于利用大量数据进行训练，使得模型能够自动提取特征、识别模式并进行分类和预测。
【机器学习】基于核的机器学习算法（Kernel-based Algorithms）：原理，应用与优化 2024-05-23 机器学习, 人工智能 52人 已看 随着大数据时代的到来，机器学习已成为处理和分析海量数据的重要工具。在机器学习的众多算法中，基于核的算法因其强大的非线性处理能力而备受关注。本文旨在介绍基于核的算法的基本原理、应用领域以及未来的发展趋势。
贝叶斯算法：机器学习中的“黄金法则”与性能提升之道 2024-05-26 机器学习, 人工智能 48人 已看 本文将详细介绍机器学习贝叶斯算法的基本概念、原理、应用、代码实现以及算法优化，并探讨其在机器学习中的作用及未来发展趋势。
【机器学习300问】104、残差网络是怎么起作用的？ 2024-05-29 机器学习, 人工智能 32人 已看 残差网络是怎么起作用的？什么是残差网络？残差网络是怎么解决这些问题的？简单来说，残差网络通过设计允许网络专注于学习每个层级上真正需要改变的部分，从而克服了深度网络训练中的关键障碍。
06.逻辑回归 2024-05-21 算法, 机器学习, 人工智能, 逻辑回归, 数据挖掘 131人 已看 可以通过线性变换到另一个线性空间中，重新定义特征向量。也称linear model。做不了，因为边界是一条直线。假设样本符合高斯分布。减少参数，降低过拟合。
从 0 手撸一个 pytorch 2024-05-19 python, 机器学习, 深度学习, pytorch, 人工智能 79人 已看 最近抽空看了下 Andrej Karpathy 的视频教程，教程的质量很高。教程不需要任何前置机器学习基础，只需要有高中水平的数学基础即可。整个教程从 0 到 1 手撸了一个类 pytorch 的机器学习库micrograd，核心代码不到 100 行。虽然为了简化没有实现复杂的矩阵运算，但是对于理解 pytorch 的设计思想有很大帮助。通过上面的流程可以很容易理解机器学习模型训练框架的设计方案，这一套流程也完全适用于 pytorch，可以帮助更好地理解 pytorch 的训练流程。
Pytorch-01 框架简介 2024-05-21 python, 机器学习, 深度学习, pytorch, 人工智能 76人 已看 PyTorch 是一个开源的机器学习库，由 Facebook 开发并维护。它提供了丰富的工具和功能，特别适用于深度学习任务。PyTorch 的一个显著特点是支持动态计算图，这意味着你可以按照代码的编写顺序定义计算图，使得模型设计和调试更加直观和灵活。PyTorch 还内置了自动求导功能，可以自动计算梯度，简化了神经网络模型的训练过程。除此之外，PyTorch 还提供了各种预训练模型、优化算法和工具，帮助用户构建和训练复杂的神经网络模型。
