会员中心
搜索
登录
注册

解决方案

数字化转型通用方案行业方案安全方案大数据人工智能物联网行业展望自动控制其他

产品|技术

白皮书产品介绍技术介绍技术创新模型算法

政策|规范

政策规范行动计划

电子书

电子书课件

报告|论文

报告模板论文

机器学习入门算法：从线性模型到神经网络

近段时间以来，我们频频听到「机器学习（machine learning）」这个词（通常在预测分析（predictive analysis）和人工智能（artificial intelligence）的上下文中）。几十年来，机器学习实际上已经变成了一门独立的领域。由于现代计算能力的进步，我们最近才能够真正大规模地利用机器学习。而实际上机器学习是如何工作的呢？答案很简单：算法（algorithm）。

  • 2021-04-18
  • 阅读633
  • 下载0
  • 5页
  • pdf

EM算法在P范混合模型的参数估计中的应用_彭飞

针对多种分布形式混合的观测数据，建立了P范分布混合模型，考虑到模型中混合数属于不完全数据，引入EM算法，对该混合模型的参数进行估计，详细推导了P范混合模型参数估计的迭代公式，并给出了相应的迭代步骤。最后采用混合高斯分布数据、拉普拉斯分布与高斯分布混合数据以及实测GPS观测值残差数据，验证了本文公式的正确性和适应性。算例结果表明，相比于单一概率分布，P范混合模型能够准确反映数据分布的实际情况，同时利用EM算法估计的模型参数具有较高的精度。

  • 2021-04-23
  • 阅读632
  • 下载0
  • 11页
  • pdf

大数据运维实战，Kudu性能测试

大数据运维实战，Kudu性能测试 日益增长的用户数量导致每日数据量不断增长，当前的集群面临严峻的处理能力和稳定性的挑战，需要调整相应的参数进行优化，需要进行kudu性能测试。

  • 2021-04-20
  • 阅读630
  • 下载0
  • 11页
  • pdf

谷歌中国工程师团队提出颠覆性算法模型，Waymo实测可提高预测精准度

“周围的车辆和行人在接下来数秒中会做什么？”要实现安全的自动驾驶，这是一个必须回答的关键问题，这也就是自动驾驶领域中的行为预测问题。 自动驾驶公司 Chris Urmson 去年曾在一次采访中表示，感知和预测能力很关键，如果有一个模型能预测未来 5 秒会发生什么，这将能很大程度加速自动驾驶的发展。 行为预测的难点在于周围行人、车辆的不确定性和各种规则之外的行为。这些状况难以进行确定性的预测，只能通过训练数据分析各种行为的可能性来达到更加合理的预测效果。另一个难点是盲区与遮挡问题。

  • 2021-04-17
  • 阅读630
  • 下载0
  • 6页
  • pdf

从浅层模型到深度模型：概览机器学习优化算法

本篇论文旨在介绍关于将最优化方法应用于机器学习的关键模型、算法、以及一些开放性问题。这篇论文是写给有一定知识储备的读者，尤其是那些熟悉基础优化算法但是不了解机器学习的读者。首先，我们推导出一个监督学习问题的公式，并说明它是如何基于上下文和基本假设产生各种优化问题。然后，我们讨论这些优化问题的一些显著特征，重点讨论 logistic 回归和深层神经网络训练的案例。本文的后半部分重点介绍几种优化算法，首先是凸 logistic 回归，然后讨论一阶方法，包括了随机梯度法（SGD）、方差缩减随机方法（variance reducing stochastic method）和二阶方法的使用。最后，我们将讨论如何将这些方法应用于深层神经网络的训练，并着重描述这些模型的复杂非凸结构所带来的困难。

  • 2021-04-18
  • 阅读628
  • 下载0
  • 11页
  • pdf

网格模型上基于线性插值的自适应保特征去噪算法_岳少阳

网格去噪是改善扫描设备所得数据并为后续数字几何处理提供理想模型的重要步骤.针对近年来涌现出的各种网格去噪算法难以平衡好时间消耗和去噪结果之间的关系,提出一种高效的基于线性插值的框架性保特征去噪算法,将体现结构特征的充分磨光模型与包含综合信息的噪声模型进行联合分析,通过自适应的线性插值算法逐步从噪声模型中提取出特征信息加到光滑模型中,从而实现保持不同程度特征（从显著特征到微弱特征）的去噪结果.同时提出迭代去噪算法的迭代终止判别条件,可为不同迭代去噪算法提供自动且可靠的终止条件.大量在不同复杂度和不同噪声程度的模型上的实验结果表明,与现有的局部迭代算法相比,该算法取得更好的视觉效果和较低的均方角度误差值,能够保持不同程度的特征且具有较好的时间性能.

  • 2021-04-30
  • 阅读626
  • 下载0
  • 12页
  • pdf

机器学习十大常用算法

通过本篇文章大家可以对ML的常用算法形成常识性的认识。没有代码，没有复杂的理论推导，仅是图解，介绍这些算法是什么以及如何应用（例子主要是分类问题）。以后有机会再对单个算法做深入地解析。 今天的算法如下： 1、决策树 2、随机森林算法 3、逻辑回归 4、SVM 5、朴素贝叶斯 6、K最近邻算法 7、K均值算法 8、Adaboost 算法 9、神经网络 10、马尔可夫

  • 2021-05-12
  • 阅读625
  • 下载0
  • 20页
  • doc

BP神经网络模型算法

BP（Back Propagation）算法,是1986年由Rinehart和McClelland为首的科学家提出，按误差逆向传播算法训练多层前馈网络，是目前最广泛的神经网络模型之一。BP网络能学习和存储大量的输入-输出模式映射关系，而无需事前揭示描述这种映射关系的数学方程。学习过程使用最快下降法，通过反向传播来不断调整网络的权值和阈值，使网络的误差平方和最小。

  • 2021-04-18
  • 阅读624
  • 下载0
  • 11页
  • pdf