首頁　 資訊　 商機 　 下載　 拆解 　 高校　 招聘 　 雜志　 會展　 EETV　 百科 　 問答　 電路圖　 工程師手冊 　 Datasheet　 100例 　 活動中心　 E周刊閱讀 　 樣片申請
EEPW首頁 >> 主題列表 >> 機器學(xué)習(xí)

機器學(xué)習(xí) 文章 最新資訊

機器學(xué)習(xí)“捧紅”GPU 英特爾地位受挑戰(zhàn)

  • 目前Google、微軟和亞馬遜在打造AI網(wǎng)絡(luò)方面仍處于早期階段，各家采用的方法各有不同，像Google為了提升機器學(xué)習(xí)效能已設(shè)計出自己的芯片，因此最后哪家廠商能成為這場AI芯片戰(zhàn)的勝利者還有待觀察。
  • 關(guān)鍵字： 機器學(xué)習(xí)  GPU   

云中的機器學(xué)習(xí)：FPGA上的深度神經(jīng)網(wǎng)絡(luò)

  • 人工智能正在經(jīng)歷一場變革，這要得益于機器學(xué)習(xí)的快速進步。在機器學(xué)習(xí)領(lǐng)域，人們正對一類名為“深度學(xué)習(xí)”算法產(chǎn)生濃厚的興趣，因為這類算法具有出色的大數(shù)據(jù)集性能。在深度學(xué)習(xí)中，機器可以在監(jiān)督或不受監(jiān)督的方式下從大量數(shù)據(jù)中學(xué)習(xí)一項任務(wù)。大規(guī)模監(jiān)督式學(xué)習(xí)已經(jīng)在圖像識別和語音識別等任務(wù)中取得巨大成功。
  • 關(guān)鍵字： 人工智能  機器學(xué)習(xí)  FPGA  卷積神經(jīng)網(wǎng)絡(luò)  

谷歌發(fā)布"自動機器學(xué)習(xí)"技術(shù) AI可自我創(chuàng)造

  • 　　5月24日消息，據(jù)Inverse報道，今年5月份，谷歌宣布其人工智能(AI)研究取得重大進展，似乎幫助科幻小說中最聳人聽聞的末日預(yù)言成為現(xiàn)實。谷歌推出名為“自動機器學(xué)習(xí)(AutoML)”的技術(shù)，在無需人類工程師的支持下，允許AI進行自我創(chuàng)造。 　　從表面上看，這種技術(shù)可能會讓人覺得AI發(fā)展終于迎來“奇點時刻”，它正在失去控制。但實際上，谷歌正利用它將機器學(xué)習(xí)令人不可思議的力量交到普通人手中。從本質(zhì)上講，AutoML的策略就是利用神經(jīng)網(wǎng)絡(luò)設(shè)計其他神經(jīng)
  • 關(guān)鍵字： 谷歌  機器學(xué)習(xí)  

編輯記者等注定被機器人淘汰？我們可以去學(xué)編程

  • 　　5月5日消息，據(jù)《金融時報》報道，現(xiàn)在也許是放棄從事新聞工作、成為機器學(xué)習(xí)程序員的時候了。這似乎是個符合邏輯的舉動，與“如果不能打敗他們，就加入他們”的理念不謀而合。過去幾年里，我們已經(jīng)看到過成千上萬的專欄文章討論人們擔(dān)心機器人搶走他們的工作。現(xiàn)在看來，唯一可保安全的工作就是為機器人編程。 　　這份工作的薪酬也很吸引人，機器學(xué)習(xí)專家的薪酬是計算機行業(yè)從業(yè)人員中最高的。程序員在線社區(qū)Stack Overflow統(tǒng)計顯示，在美國，機器學(xué)習(xí)專家的平均年薪超過10萬美元。在英國和法國
  • 關(guān)鍵字： 機器人  機器學(xué)習(xí)  

像魚兒離不開水，未來我們將高度依賴機器學(xué)習(xí)

  • 在未來10年中，機器學(xué)習(xí)技術(shù)將日益成為我們生活中不必可少的部分，并改變我們的工作和生活方式。
  • 關(guān)鍵字： 機器學(xué)習(xí)  

斯坦福機器學(xué)習(xí)公開課筆記15——隱含語義索引、奇異值分解、獨立成分分析

  • 　　我們在上一篇筆記中講到了PCA(主成分分析)。PCA是一種直接的降維方法，通過求解特征值與特征向量，并選取特征值較大的一些特征向量來達(dá)到降維的效果。　　本文繼續(xù)PCA的話題，包括PCA的一個應(yīng)用——LSI(Latent Semantic Indexing, 隱含語義索引)和PCA的一個實現(xiàn)——SVD(Singular Value Decomposition,奇異值分解)。在SVD和LSI結(jié)束之后，關(guān)于PCA的內(nèi)容就告一段落。視頻的后半段開始講無監(jiān)督學(xué)習(xí)
  • 關(guān)鍵字： 斯坦福  機器學(xué)習(xí)  

機器學(xué)習(xí)技術(shù)使物聯(lián)網(wǎng)設(shè)備更加強大云端運算為幕后推手

  • 　　物聯(lián)網(wǎng)(IOT))產(chǎn)業(yè)吸引眾多科技廠商投入，而產(chǎn)品是否具備機器學(xué)習(xí)能力，決定其是否能獲得消費者青睞。 　　根據(jù)VentureBeat報導(dǎo)，1996年時，芝加哥的CookCountyHospital急診室使用一種算法來了解，當(dāng)病人出現(xiàn)胸痛癥狀時，是否是因為患有心臟病，應(yīng)該要將他們移入病床。該算法使用一種系統(tǒng)性的基本測試，為快速、有效而且精準(zhǔn)的方法?？梢园?0%的病人劃分到低風(fēng)險領(lǐng)域，其他病人中有95%為心臟病患，精準(zhǔn)度高于一般醫(yī)生判斷的75～89%。而當(dāng)時還沒有深度運算技術(shù)。 　　現(xiàn)在全世界一年有6
  • 關(guān)鍵字： 機器學(xué)習(xí)  物聯(lián)網(wǎng)  

斯坦福機器學(xué)習(xí)公開課筆記14——主成分分析

  • 　　上一篇筆記中，介紹了因子分析模型，因子分析模型使用d維子空間的隱含變量z來擬合訓(xùn)練數(shù)據(jù)，所以實際上因子分析模型是一種數(shù)據(jù)降維的方法，它基于一個概率模型，使用EM算法來估計參數(shù)?！　”酒饕榻BPCA(Principal Components Analysis, 主成分分析)，也是一種降維方法，但是該方法比較直接，只需計算特征向量就可以進行降維了。本篇對應(yīng)的視頻是公開課的第14個視頻，該視頻的前半部分為因子分析模型的EM求解，已寫入筆記13，本篇只是后半部分的筆記，所以內(nèi)容
  • 關(guān)鍵字： 斯坦福  機器學(xué)習(xí)  

人工智能誕生60周年 展望機器學(xué)習(xí)的未來發(fā)展

  • 在最近十年，隨著大數(shù)據(jù)和云計算(大規(guī)模計算)的發(fā)展，機器學(xué)習(xí)進入了發(fā)展的黃金期。
  • 關(guān)鍵字： 人工智能  機器學(xué)習(xí)  

斯坦福機器學(xué)習(xí)公開課筆記13B——因子分析模型及其EM求解

  • 　　本文是《斯坦福ML公開課筆記13A》的續(xù)篇。主要講述針對混合高斯模型的問題所采取的簡單解決方法，即對假設(shè)進行限制的簡單方法，最后引出因子分析模型(Factor Analysis Model)，包括因子分析模型的介紹、EM求解等。　　    　　    　　    　　    　　    　　   &nb
  • 關(guān)鍵字： 斯坦福  機器學(xué)習(xí)  

斯坦福機器學(xué)習(xí)公開課筆記13A——混合高斯模型、混合貝葉斯模型

  • 　　本文對應(yīng)公開課的第13個視頻，這個視頻仍然和EM算法非常相關(guān)，第12個視頻講解了EM算法的基礎(chǔ)，本視頻則是在講EM算法的應(yīng)用。本視頻的主要內(nèi)容包括混合高斯模型(Mixture?of?Gaussian,?MoG)的EM推導(dǎo)、混合貝葉斯模型(Mixture?of?Naive?Bayes，MoNB)的EM推導(dǎo)、因子分析模型(Factor?Analysis?Model)及其EM求解。由于本章內(nèi)容較多，故而分為AB兩篇，本篇介紹至混
  • 關(guān)鍵字： 斯坦福  機器學(xué)習(xí)  

2017全球機器學(xué)習(xí)技術(shù)大會

  • 　　以機器學(xué)習(xí)為代表的人工智能技術(shù)已經(jīng)被公認(rèn)為未來5～10年技術(shù)變革的浪潮，它必將全方位改變未來人們的工作和生活方式。秉承“全球?qū)＜?、連接智慧”的宗旨，我們特邀三十多位全球機器學(xué)習(xí)領(lǐng)域的技術(shù)領(lǐng)袖和行業(yè)應(yīng)用專家，于2017年6月29-30日在北京舉辦「2017全球機器學(xué)習(xí)技術(shù)大會」活動家提供大會在線報名服務(wù)。大會融合主題演講、互動研討、案例分享、高端培訓(xùn)等多種形式，探討機器學(xué)習(xí)在各領(lǐng)域的發(fā)展和實踐應(yīng)用。未來已來，Are?You?Ready??來2017全球機器學(xué)習(xí)技術(shù)大會，一場
  • 關(guān)鍵字： 機器學(xué)習(xí)  

斯坦福機器學(xué)習(xí)公開課筆記12—K-Means、混合高斯分布、EM算法

  • 　　本文對應(yīng)斯坦福ML公開課的第12個視頻，第12個視頻與前面相關(guān)性并不大，開啟了一個新的話題——無監(jiān)督學(xué)習(xí)。主要內(nèi)容包括無監(jiān)督學(xué)習(xí)中的K均值聚類(K-means)算法，混合高斯分布模型(Mixture of Gaussians, MoG)，求解MoG模型的EM算法，以及EM的一般化形式，在EM的一般化形式之前，還有一個小知識點，即Jensen不等式(Jensen’s inequality)。　　    　　  
  • 關(guān)鍵字： 斯坦福  機器學(xué)習(xí)  

人工智能誕生60周年 展望機器學(xué)習(xí)的未來發(fā)展

  • 在最近十年，隨著大數(shù)據(jù)和云計算(大規(guī)模計算)的發(fā)展，機器學(xué)習(xí)進入了發(fā)展的黃金期。2016年12月17日，在2016機器智能前沿論壇上，中外專家探討了機器學(xué)習(xí)的未來發(fā)展與展望。
  • 關(guān)鍵字： 人工智能  機器學(xué)習(xí)  

最全面的52個機器學(xué)習(xí)API盤點，一文讓你全get

  • 　　Microsoft?CogniTIve?Service?-?Computer?Vision:?該API能夠根據(jù)用戶輸入與用戶選擇分析可視化內(nèi)容。譬如根據(jù)內(nèi)容來標(biāo)記圖片、進行圖片分類、人類識別并且返回他們的相似性、進行領(lǐng)域相關(guān)的內(nèi)容識別、創(chuàng)建圖片的內(nèi)容描述、定位圖片中的文本、對圖片內(nèi)容進行成人分級等?！　ekognition:?該API能夠根據(jù)社交圖片應(yīng)用的特點提供快速面部識別與場景識別。譬如基于人眼、嘴、面部以及鼻子等等特征進行性
  • 關(guān)鍵字： 機器學(xué)習(xí)  
共279條 17/19 |‹ « 10 11 12 13 14 15 16 17 18 19 »

機器學(xué)習(xí)介紹

您好，目前還沒有人創(chuàng)建詞條機器學(xué)習(xí)!
歡迎您創(chuàng)建該詞條，闡述對機器學(xué)習(xí)的理解，并與今后在此搜索機器學(xué)習(xí)的朋友們分享。    創(chuàng)建詞條

熱門主題

樹莓派    linux   
關(guān)于我們 - 廣告服務(wù) - 企業(yè)會員服務(wù) - 網(wǎng)站地圖 - 聯(lián)系我們 - 征稿 - 友情鏈接 - 手機EEPW
Copyright ?2000-2015 ELECTRONIC ENGINEERING & PRODUCT WORLD. All rights reserved.
《電子產(chǎn)品世界》雜志社 版權(quán)所有 北京東曉國際技術(shù)信息咨詢有限公司
備案 京ICP備12027778號-2 北京市公安局備案：1101082052    京公網(wǎng)安備11010802012473