产品提交
文章投稿
登录/注册
显示直达
模型
模型
数据
参数
函数
算法
特征
机器
图像
是一个
条件
回答集编程
回答集编程答案集编程（ASP）是一种针对困难（主要是NP困难）搜索问题的声明式编程形式。它以逻辑编程的稳定模型（答案集）语义为基础。在ASP中，搜索问题被...
知觉透明
知觉透明知觉透明是指在一个表面后面看到另一个表面的现象。在日常生活中，我们经常体验到通过透明表面看物体的感觉。物理上的透明表面允许一定量的光线通过...
可解释的人工智能
可解释的人工智能可解释的人工智能（XAI），或可解释的人工智能，或可解释的机器学习（XML），是指人类可以理解人工智能做出的决定或预测的人工智能（AI）。...
认知型辅导员
认知型辅导员认知型辅导员是一种特殊的智能辅导系统，它利用认知模型，在学生解决问题时向他们提供反馈。这种反馈会立即告知学生他们在辅导界面上的操作是正...
因素语言模型
因素语言模型因素语言模型（FLM）是JeffBilmes和KatrinKirchoff在2003年推出的传统语言模型的扩展。在FLM中，每个词被看作是一个由K个因子组成的向量。一个FL...
深度学习4j
简介EclipseDeeplearning4j是一个用Java编写的用于Java虚拟机（JVM）的编程库。它是一个对深度学习算法有广泛支持的框架。Deeplearning4j包括限制性玻尔兹曼...
预测性学习
预测性学习预测性学习是机器学习的一种技术，在这种技术中，xxx试图通过在各种情况下尝试不同的行动来建立其环境模型。它使用关于其行动似乎具有的效果的知识...
多变量适应性回归样条
多变量适应性回归样条在统计学中，多变量适应性回归样条（MARS）是由JeromeH.Friedman在1991年提出的一种回归分析形式。它是一种非参数回归技术，可以被看作...
神经建模场
神经建模场神经建模场（NMF）是一个机器学习的数学框架，它结合了神经网络、模糊逻辑和基于模型的识别的思想。它也被称为建模场、建模场理论（MFT）、xxx似然...
混合模型
混合模型在统计学中，混合模型是一种概率模型，用于表示整体种群中存在的亚种群，而不要求观察到的数据集应该确定单个观察值所属的亚种群。从形式上看，混合...
生物信息学中的机器学习
简介生物信息学中的机器学习是将机器学习算法应用于生物信息学，包括基因组学、蛋白质组学、微阵列、系统生物学、进化和文本挖掘。在机器学习出现之前，生物...
Lyra（编解码器）
Lyra（编解码器）Lyra是一种有损音频编解码器，旨在以极低的比特率压缩语音。与大多数其他音频格式不同，它使用基于机器学习的算法来压缩数据。Lyra（编解码...
学习曲线（机器学习）
简介在机器学习中，学习曲线（或训练曲线）将一个模型的损失函数在训练集上的最优值与这个损失函数在验证数据集上的评估绘制成图，其参数与产生最优函数的参...
泄漏（机器学习）
简介在统计学和机器学习中，泄漏（也称为数据泄漏或目标泄漏）是指在模型训练过程中使用了预计在预测时不会出现的信息，导致预测分数（指标）在生产环境中运...
潜空间
简介潜空间，也被称为潜特征空间或嵌入空间，是一组物品在流形内的嵌入，其中彼此相似的物品在潜空间内的位置更加接近。潜空间中的位置可以被看作是由一组潜...
知识整合
知识整合知识整合是将多个知识模型（或表征）综合为一个共同的模型（表征）的过程。与涉及合并具有不同模式和表征模型的信息的信息整合相比，知识整合更侧重...
知识提炼
知识提炼在机器学习中，知识提炼是将知识从一个大模型转移到一个小模型的过程。虽然大型模型（如非常深的神经网络或许多模型的集合体）比小型模型有更高的知...
超参数优化
超参数优化在机器学习中，超参数优化或调整是为学习算法选择一组最佳的超参数的问题。超参数是一个参数，其值被用来控制学习过程。相比之下，其他参数（通常...
超参数（机器学习）
超参数（机器学习）在机器学习中，超参数是一个参数，其值被用来控制学习过程。相比之下，其他参数的值（通常是节点权重）是通过训练得出的。超参数可以分为...
初始化分数
初始化分数初始化分数（IS）是一种算法，用于评估由生成式图像模型（如生成式对抗网络（GAN））创建的图像的质量。该分数的计算是基于一个单独的、经过预训练...
生成模型
简介生成模型在统计分类中，有两种主要方法，即生成法和判别法。这些方法通过以不同方式计算分类器，在统计建模的程度上有所不同。术语是不一致的，但根据Jeb...
基金会模型
简介基金会模型是一个大型的人工智能模型，在大规模的无标签数据上进行训练（通常是通过自我监督学习），形成一个可以适应广泛的下游任务的模型。自2018年推...
联合学习
简介联合学习（也称为协作学习）是一种机器学习技术，它在多个分散的边缘设备或持有本地数据样本的服务器上训练算法，而不交换这些数据。这种方法与传统的集...
基于能量的模型
基于能量的模型基于能量的模型（EBM）是一种直接从统计物理学中导入学习的生成模型（GM）形式。GM通过分析一个样本数据集来学习一个基础数据分布。一旦经过训...
扩散模型
简介在机器学习中，扩散模型，也被称为扩散概率模型，是一类潜变量模型。这些模型是使用变异推理训练的马尔科夫链。扩散模型的目标是通过对数据点在潜在空间...
数据版本控制
简介DVC是一个免费的、开源的、与平台无关的版本系统，用于数据、机器学习模型和实验。它旨在使ML模型可共享，实验可重复，并跟踪模型、数据和管道的版本。DV...
数据增强
简介数据分析中的数据增强是用来增加数据量的技术，方法是增加已经存在的数据的稍加修改的副本或从现有数据中新创建的合成数据。在训练机器学习模型时，它可...
约束条件模型
约束条件模型约束条件模型（CCM）是一个机器学习和推理框架，它用声明性的约束条件来增强条件（概率或判别）模型的学习。约束可以作为一种方式，将富有表现力...
概念漂移
概念漂移在预测分析和机器学习中，概念漂移是指模型试图预测的目标变量的统计属性以不可预见的方式随时间变化。这就造成了问题，因为随着时间的推移，预测的...
贝叶斯结构时间序列
贝叶斯结构时间序列贝叶斯结构时间序列（BSTS）模型是一种统计技术，用于特征选择、时间序列预测、现在预测、推断因果影响和其他应用。该模型被设计用于处理...
1
2
3
4
5
6
…
9
添加小工具
点此为“分类归档侧边栏”添加小工具
回答集编程
知觉透明
可解释的人工智能
认知型辅导员
因素语言模型
深度学习4j
预测性学习
多变量适应性回归样条
神经建模场
混合模型
生物信息学中的机器学习
Lyra（编解码器）
学习曲线（机器学习）
泄漏（机器学习）
潜空间
知识整合
知识提炼
超参数优化
超参数（机器学习）
初始化分数
生成模型
基金会模型
联合学习
基于能量的模型
扩散模型
数据版本控制
数据增强
约束条件模型
概念漂移
贝叶斯结构时间序列