ADK.wang AI & 软件技术百科
全库汇聚全球 22,000+ 核心技术词条,深度引证上千本行业权威学术专著,涵盖大模型原理、云原生、架构设计与工程效能。
22,077
全量学术技术词条
9 大
核心专业领域体系
10,000+
权威专著深度引证
100%
原书精粹与工业对齐
专业技术领域分类
共 862 篇词条分为复杂指令集 (CISC)
最常见的指令集架构分类方法是 , 根据指令的复杂度将其分为复杂指令集 ( CISC) 和精简指令 集 ( RISC ) 。
分为监督学习
Supervised Learning
机器学习算法按照 学习方式 分类,可以分为监督学习(Supervised Learning)、非监督学习(Unsupervised Learning)、半监督学习(Semi-supervised Learning)、强化学习(Reinforcement L...
分众分类
Folksonomy
kizasi.jp 的“关注排名”与“分众分类(Folksonomy)搜索”
分分析法 (PCA)
还讲解和实现了 的 技术— 成分分析法(PCA)。
分层聚类分析 (HCA)
图1-7:无标签的训练集,用于无监督学习 这里有一些最重要的无监督学习算法(大部分会在第8章和第9章中 介绍): ·聚类算法 ·k-均值算法 ·DBSCAN ·分层聚类分析(HCA)
分支全卷积网络 (FCN)
图7.8 Mask RCNN的结构 Mask RCNN将Fast RCNN的RoI池化层升级成了RoI对齐(Align)层,并且在边界框识别的基础上添加了分支全卷积网络(FCN)层,即Mask层,用于语义Mask识别,通过RPN生成目标候选框,然后对每个目...
分散度 (WCD)
类内分散度 (WCD)的定义为 Calinski-Harabasz指标定义为BCD(k)和WCD(k)之间的比率: 当我们寻找低的类内分散度(密集的聚集体)和高的类间分散度(分离好的聚集体)时,需要找到使该指数最大化的聚类数目。
分类信息表
Craigslist
大型的综合类报纸被解绑后,分成了分类信息表(Craigslist)、股市行情(Yahoo)、八卦新闻(Buzzfeed)、餐馆点评(Yelp)以及各种自成一体并自行发展的故事。
分类分布
Categorical Distribution
主要性质有: 其期望和方差为: Multinoulli分布也叫范畴分布、分类分布(Categorical Distribution),是伯努利分布从两个取值状态到多个取值状态的扩展,Multinoulli分布是单个 k 值随机分布,经常用来表示对象分类的分...
分类方案
Classification Schemes
(7)分类方案和打标签 分类方案(Classification Schemes)是代表受控词表的代码。
分类模块 (CRM)
随后,特征融合模块(CFM)将多模态特征进行有效整合,利用交互机制捕捉模态间的关联性,最终通过分类模块(CRM)生成预测结果。
分类结构类似国际癌症研究机构 (IARC)
准则的分类结构类似国际癌症研究机构(IARC)制定的化学物对人类的致癌危险度评定的分级方法。
切比雪夫网络
ChebyNet
为了解决复杂度高的问题,Defferrard等提出了切比雪夫网络(ChebyNet),将卷积核定义为多项式的形式,并用切比雪夫展开来近似计算卷积核,大大提高了计算效率。
到数据驱动特征
CNN Feature Map
图9-2 R-CNN算法框架 R-CNN使用CNN(ConvNet)对区域抽取特征向量,实现了从经验驱动特征(SIFT、 HOG)到数据驱动特征(CNN Feature Map)的转换,从而极大地提高了特征对样本的处 理和表示能力。
前者 (ALL)
赛后分享的思路如下: 1. 数据:选择使用SIIM-ISIC比赛的2018年、2019年和2020年(3年所有的数据一起成为ALL)的数据共同完成训练与验证,并记录了ALL数据和2020年数据的交叉验证得分,发现前者(ALL)的稳定性更好。
前馈神经网络层
Feed-Forward Network
Attention)与前馈神经网络层(Feed-Forward Network)。
前馈神经网络模型 (NNLM)
下面我们再从自然语言处理的统计语言模型出发,谈论一下它的三个发展阶段:NGram语言模型、前馈神经网络模型(NNLM)和循环神经网络模型(RNNLM)。
剖面节点
Profile
(4)段剖面节点(Profile) 【功能】段剖面节点可以采用图表查看分段或聚类后的结果,可以对因子在区分数据和 总体数据中的分布进行探索。
剩余网络
Fast R-CNN
像送入Faster R-CNN进行检测,conv layers代表基础网络(例如VGG16、ZF)的卷积层,这部分就是RPN与Fast R-CNN共享的结构;图像经过conv layers,得到特征图;将特征图送入RPN,得到建议框;将建议框和特征图一起送...
加州大学埃文分校 (UCI)
这里我们采用的是加州大学埃文分校(UCI)的机器学习数据仓库,该仓库维护了大约300多个机器学习的常用数据集。
加权残差连接 (WRC)
如何利用这些特征组合来提高CNN的准确率?YOLOv4在尝试了多种组合后,使用了包含加权残差连接(WRC)、跨阶段部分连接(CSP)、跨小批量标准化(CmBN)、自对抗训练(SAT)、Mish激活、Mosaic数据增强、DropBlock正则化和CIoU损...
加速反向传播 (BP)
IBM最新发表在 Nature 的论文中,研究人员通过实验,展 示了模拟非易失性存储器(NVM)能够有效地加速反向传播(BP)算 法,后者是许多最新的人工智能算法的核心。
动强化学习
Passive RL
按给定条件进行分类,强化学习可分为基于模型的强化学习(Model-Based RL)和无模型强化学习(Model-Free RL),以及主动强化学习(Active RL)和被动强化学习(Passive RL)。
动物保护协会 (SPCA)
不如你给动物保护协会(SPCA)打一个电话?” “为什么你不自己打电话呢?”Q医生反问。