timcompp 2019-12-16 17:33:41 如何使用 Julia 语言实现「同态加密+机器学习」? 本文介绍了使用 Julia 语言进行基于同态加密数据机器学习的全过程,对于入门者具有极大的参考价值。应该怎么做呢?在本例中,我们将关注所谓的「同态加密」技术。它使用加密数据评估了 f,并返回了另一个与基于加密值评估 f 的结果对应的加密值。
timcompp 2019-11-18 12:09:29 机器学习能量模型:Facebook的AI主管LeCun所想象的AI未来 ” LeCun认为,另一种方法就是无监督学习。机器学习能量模型:Facebook的AI主管LeCun所想象的AI未来 此外,LeCun还反思了卷积网络的持久吸引力。” LeCun的想法在机器学习方面相当激进的。
timcompp 2019-10-10 15:11:34 被机器学习遗忘的大洲:非洲正尝试建立自己的“NeurIPS会议” 答案是:零。被机器学习遗忘的大洲:非洲正尝试建立自己的“NeurIPS会议” 2018Indaba会议与会者代表分布图统计 Indaba会议逐渐发展壮大 以深度学习为主题的Indaba会议已经成为非洲人工智能社区的结缔组织。
timcompp 2019-06-28 11:30:52 还在为机器学习的因果推理头疼?试试微软的因果推理分析库吧 还在为机器学习的因果推理头疼?试试微软的因果推理分析库吧 因果推理所关注的正是如何回答这些问题。不同于监督学习,因果推理取决于对未观测量的估计。还在为机器学习的因果推理头疼?首先将问题建模为因果图: 还在为机器学习的因果推理头疼?
timcompp 2019-05-24 14:11:15 全球最大免费编程社区来北京啦,最后一次课程@清华报名开启 全球最大免费编程社区来北京啦,最后一次课程@清华报名开启 不知不觉已经和小伙伴一起努力了一个多月啦。这次课程也是知识点讲解的最后一次课程。上周天,School of AI的第四次课程已经开启。常!好!确保每个人都了解课程结构和官方资源。)。
timcompp 2019-05-20 15:36:11 自动驾驶方程式赛车,微软发布机器学习开源框架 | AI一周学术 本周关键词:AutoML、自动驾驶方程式赛车、机器学习的新开源框架 本周热门学术研究 端到端的AutoML在Kaggle Days上处理表格数据 谷歌研究人员最近将一种基于学习的方法应用于表格数据,创建了一种可扩展的端到端AutoML技术。
timcompp 2019-04-22 12:26:04 INT#14 寒武纪研究院院长杜子东:分形冯诺依曼机器学习计算机 目前,几乎所有的机器学习计算机的研究都局限于性能提升和能耗降低。针对编程效率问题,寒武纪提出了分形冯诺依曼机器学习计算机,也即一系列不同规模的、同构的、采用同一套指令集的机器学习计算机。!
timcompp 2019-03-30 21:42:55 机器学习模型评估指标示例 机器学习模型评估指标示例 选择正确的度量来评估机器学习模型 我们什么时候评估我们的机器学习模型呢?>>23.873348.. RMSE:均方根误差 机器学习模型评估指标示例 >>机器学习模型评估指标示例 >
timcompp 2019-03-20 18:37:40 机器学习:CatBoost简介 CatBoost易于实施且功能强大,让我们来看看CatBoost的特别之处。机器学习:CatBoost简介 示例数据集 如果数据 没有时间,CatBoost会随机为每个数据点创建一个人工时间。因此,我们针对不同的数据点训练不同的模型。2。
timcompp 2019-01-20 16:38:54 使用贝叶斯优化为您的机器学习模型找到最佳超参数 超参数优化 为机器学习算法选择合适的参数是一项困难而关键的任务,它对机器学习模型结果产生很大的影响。另一方面,我们可以使用算法找到一组潜在的超参数,并尝试自动优化它们。目的是利用GBM作为机器学习算法优化回归模型的超参数。
timcompp 2019-01-16 18:53:09 高斯过程的直观指南 本文目标是让您直观地了解什么是高斯过程。高斯过程的直观指南 我们更新的信念看起来像这样。高斯过程的直观指南 蓝色:更新的信念。什么是高斯过程?对于高斯过程,我们的证据是训练数据。高斯过程在计算上是昂贵的。高斯过程是非参数方法。
timcompp 2018-12-14 11:19:40 从硬件到框架,30+巨头参与的AI基准竞争结果公布(第一回合) MLPerf 结果展示地址:https://mlperf.org/results/?from=timeline&MLPerf 图像处理基准测试结果大约有+/- 2.5% 的浮动范围,而 MLPerf 基准测试则为+/-5%。
timcompp 2018-10-25 13:22:09 机器学习+天体物理:星辰图像的更高效处理方法 机器学习+天体物理:星辰图像的更高效处理方法 大数据文摘出品 编译:罗然、云舟 为了应对宇宙数据即将出现的指数级增长趋势,天体物理学家也开始将目光投向机器学习。但技术也在不断发展。” 但是将机器学习引入天体物理学研究也存在很多障碍。
timcompp 2018-09-25 14:41:03 机器学习模型可解释性简史 从简单开始 - 线性模型系数 线性模型的可解释性很简单。机器学习模型可解释性简史 可解释性 - 准确性权衡 如果线性模型的解释性很容易,那么如何在更强大的非线性机器学习模型(如随机森林)上实现它?它是否相信模型?机器学习模型可解释性简史
timcompp 2018-09-15 20:54:20 用于Web开发的TOP5机器学习框架盘点 在本文中,我们将讨论一些用于Web开发的主要机器学习框架,例如TensorFlow和Caffe。这就是机器学习框架在Web开发中发挥重要作用的原因。在本文中,我们将讨论一些用于Web开发的主要机器学习框架。它由新加坡国立大学的团队开发。
timcompp 2018-09-11 16:25:13 机器学习中维度的诅咒 机器学习中维度的诅咒 许多机器学习从业者可能已经到了一个十字路口,他们必须选择他们想要包含在他们的机器学习模型中的特征的数量。你有多少个样品?高维空间 机器学习中维度的诅咒 让我们通过考虑超立方体内部的超球面来说明高维空间的广阔性。
timcompp 2018-09-02 09:24:40 机器学习:Python实现简单线性回归 线性和非线性回归的回归模型用于预测实际值。回归技术有所不同,从线性回归到SVR和随机森林回归,根据您需要解决的问题类型,您可以选择其中一种。现在让我们关注系数和常数。机器学习:Python实现简单线性回归 但是我们如何找到最合适的直线呢?
timcompp 2018-09-01 08:35:12 机器学习:Python实现多元线性回归 自变量x的每个值与因变量y的值相关联。最小二乘估计b0,b1,... bp通常由统计软件计算。在这种情况下,虚拟变量将是状态/位置变量。因此,虚拟变量用作开关,并且不需要任何其他变量。所以我们不能在我们的模型中同时包含这两个变量。
timcompp 2018-08-01 10:41:29 谷歌推出用于物端机器学习的微型新AI芯片 (这些优势是目前物端机器学习的卖点) 谷歌推出用于物端机器学习的微型新AI芯片 Edge TPU是TPU的小兄弟,TPU是谷歌公司用来加速人工智能计算的专用处理器,其它消费者能够通过买谷歌云服务来使用这项技术。
timcompp 2018-07-26 14:07:21 GeekPwn2018顶级AI黑客招募令:你有信心致盲AI吗? 因为多数基于机器学习的分类器对于对抗样本是高度敏感的。GeekPwn2018顶级AI黑客招募令:你有信心致盲AI吗?GeekPwn2018顶级AI黑客招募令:你有信心致盲AI吗?GeekPwn2018顶级AI黑客招募令:你有信心致盲AI吗?