ADK.wang AI & 软件技术百科

通过对卷积过程的计算，可以总结出一个通用公式，本书中把它叫作卷积通用公式，用于计算输入图像经过一轮卷积操作后的输出图像的宽度和高度： 其中， W 和 H 分别表示图像的宽度（Weight）和高度（Height）；下标input表示输入图像的相关参数；下标o...

下面的方程反映了这样一个假设的回归输出：学生在数学考试中的成绩，是学生学习的小时数（HRS）、学生家庭社会经济状况（SES）和上“快班”课程的数量（AC）的函数。

收缩方法又称正则化（Regularization），主要包括岭回归（Ridge Reg-ression）和Lasso回归。

麦肯锡（McKinsey）和德勤（Deloitte）等咨询业巨头要通过构建模型来制订商业策略；贝莱德集团（BlackRock）和摩根大通集团（JPMorgan Chase）等金融业大公司要利用模型来选择投资，州立农业保险公司（State Farm）和美国好...

相应的建模技术主要包括关联分析（Association Analysis）、序列分析（Sequence Analysis），即在关联分析的基础上，增加了先后顺序的考虑，以及预测（响应、分类）模型技术，诸如逻辑回归、决策树等。

一篇获得 2008 年ACM 理论与实践奖的论文（Cortes and Vapnik, 1995）对支持向量机引入了软边界分类 器，用于处理带噪声的数据，普拉特（Platt, 1999）的论文还引入了序列最小优化（SMO）算 法，从而可以利用二次规划高效地...

第4章 静态结构分析（具体内容可参考本书第2章） 第5章 静态质量（具体内容可参考本书第2章） 第6章 质量度量（具体内容可参考本书第2章） 6.1 质量因素（Factors） 6.2 分类标准（criteria） 6.3 度量规则（Metrics） 第7...

佩龙-弗罗宾尼斯定理（Perron-Frobenius Theorem） 一个马尔可夫模型必定收敛于一个唯一的统计均衡，只要它满足如下四个条件： 状态集有限：S={1，2，…，K*}。

这两种类型分别对应两个机器学习的范式：归纳学习（Inductive Learning）和转导学习（Transductive Learning）。

年生成對抗網路(GAN)的出現，加速了深度學習在生成式AI領域的應用（圖0-2）。

Flink 支持的拓展库涉及机器学习（FlinkML）、复杂事件处理（CEP），以及图计算（Gelly），还有分别针对流处理和批处理的 Table API 能被 Flink Runtime 执行引擎接受的程序很强大，但是这样的程序有着冗长的代码，编写起来也...

不信你看：当第一项经验误差项是平方损失（Suqare Loss）时，机器学习模型便是线性回归；当第一项变成指数损失（Exponential Loss）时，模型则是著名的Adaboost（一种集成学习树模型算法）；而当第一项为合页损失（Hinge Loss）...

可以选择的典型激活函数包括： - 对数（sigmoid） - 双曲正切 - 整流线性单元（ReLU） - 指数线性单元（ELU） 正弦波 sigmoid型激活函数为： 如果没有sigmoid（或任何类型的激活函数）层，该系统将是一个线性变换函数，对于图像或...

年 深度学习的兴起：Alex Krizhevsky、Ilya Sutskever和Geoffrey Hinton提出了AlexNet，这是一个深度卷积神经网络，它在ImageNet大规模视觉识别挑战（ILSVRC）2012上获得了压倒性胜利。

主要贡献在于基于传统卷积模块，提出高效空间金字塔卷积模块（ESP Module），有助于减少 模型运算量和内存、功率消耗，提升终端设备适用性，方便将其部署到移动端。

提升是指在原来模型的基础上做进一步的效果提升，提升决策树（BDT）的基本思路是采用多棵决策树串行建模。

正如在第16 章中，贝叶斯网络扩展了动作节点和效用节点以创建决策网络一样，我们可 以使用决策节点、奖励节点和效用节点扩展动态贝叶斯网络（DBN）（见第14 章），来创建动 态决策网络（dynamic decision network，DDN），以表示MDP。

超参数通常有算法中的学习率（Learning Rate）、梯度下降法迭代的数量（Iteration）、隐含层数目（Hidden Layer）、隐含层单元数目、激活函数（Activation Function）等，这些数字的值都需要根据实际情况来设置，并且它...

可以选择的典型激活函数包括： - 对数（sigmoid） - 双曲正切 - 整流线性单元（ReLU） - 指数线性单元（ELU） 正弦波 sigmoid型激活函数为： 如果没有sigmoid（或任何类型的激活函数）层，该系统将是一个线性变换函数，对于图像或...

在图3.4 中展示了以下4类NLP任务： 1）文本分类（Text Classification）。

特别是，我们将讨论以下主题： ·机器学习问题的通用结构和使用的数据 ·机器学习模型的属性及其对性能的影响 ·类平衡 ·统计学习的要素（最大后验概率（MAP）和最大似然估计（MLE））

首先，YOLOv7使用最大池化层(MP)来做一次空间降采样，并紧跟一个1×1卷 积压缩通道，同时，YOLOv7还设置了一个与之并行的分支，先用1×1卷积压缩通 317 道，再用步长为2的3×3卷积完成另一次空间降采样。

· 朴素贝叶斯算法（Naive Bayes Algorithm）。

在VOC2007数据集上，凭借着这一系列的改进，YOLOv2不仅大幅度超越了上一代的YOLOv1，同时也超越了同年发表在欧洲计算机视觉国际会议(ECCV)上的新型one-stage检测器：SSD (3) ，成为了那个年代当之无愧的最强目标检测器之一。