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

复旦团队发布国内首个类ChatGPT模型MOSS，邀公众参与内测

ChatGPT发布以来，基于指令学习技术的类ChatGPT模型在我国能否开发成功，成为业界关注的一个焦点。今天，解放日报·上观新闻记者从复旦大学自然语言处理实验室获悉，国内第一个对话式大型语言模型MOSS已由邱锡鹏教授团队发布至公开平台（https://moss.fastnlp.top/），邀公众参与内测。

  • 2023-02-21
  • 阅读3057

机器学习基础图表：概念、原理、趋势和算法

四大会计师事务所之一的普华永道（PwC）发布了多份解读机器学习基础的图表，其中介绍了机器学习的基本概念、原理、历史、未来趋势和一些常见的算法。为便于读者阅读，机器之心对这些图表进行了编译和拆分，分三大部分对这些内容进行了呈现，希望能帮助你进一步扩展阅读。

  • 2021-02-09
  • 阅读2377
  • 下载11
  • 16页
  • pdf

统计学入门-第二章 参数估计：正态分布均值的区间估计

在前面两节中，我们学习了矩估计和极大似然估计，它们有一个共同特点，就是得到的都是点估计量（Point Estimate）。例如，使用样本均值 对总体均值 进行估计，得到的是一个具体的数值，这就是点估计的意思。点估计的优点很明显，那就是简单易懂。以股票收益率为例，某股票的长期平均收益率是 ，但是很遗憾 是未知参数。因此，我们需要用样本均值 去估计它。为此，我们计算了过去200个交易日的收益率均值，发现 。请问：如果你现在投资该股票， 是你对未来长期收益率的预期吗？答：不是的。为什么？因为我对该股票未来收益率的长期预期应该是 。在目前的模型假设下, 是一个固定的参数，跟样本无关。但是， 是一个统计量，会受到所用数据的影响。比如，使用199个交易日或者201个交易日所得到的 会有所不同。所以这里的 仅仅是对 的一个估计。前面提到，只要是估计就会有误差。只要有误差，就意味着真实的 ，大概率不是 。因此，如果我们只关注点估计 ，那么该估计量的估计误差就被彻底忽略了。另一方面， 作为一个合理估计（例如：矩估计），我们相信它距离真值 ，不应该“太远”，应该保持一个虽然随机但是合理的距离。但是，什么样的距离才是合适的距离呢？能否根据这个距离，构造一个以 为中心，大小合适的区间呢？我们希望该区间能够以很大的可能性覆盖真值 ，这个区间就是我们要构造的区间估计（Interval Estimate），区间估计中一种最重要的方法就是置信区间（Confidence Interval）。

  • 2022-08-03
  • 阅读1979
  • 下载0
  • 14页
  • docx

深度学习基础-经典卷积神经网络

卷积神经网络（Convolutional Neural Networks, CNN）是一类包含卷积计算且具有深度结构的前馈神经网络（Feedforward Neural Networks），是深度学习（deep learning）的代表算法之一。经典的神经网络结构，分别是LeNet-5、AlexNet和VGGNet。本问对经典卷积神经网络进行讲解。

  • 2021-02-13
  • 阅读1963
  • 下载1
  • 8页
  • pdf

基于自适应观测器的永磁同步直线电机模型预测控制系统设计

为了优化永磁同步直线电机的调速性能，解决永磁同步直线电机对速度传感器依赖程 度高的问题，该文设计一种带模型参考自适应观测器的永磁同步直线电机预测电流控制系统 （MPC-MRAS）。利用去除交叉耦合电动势的定子电压方程设计模型预测电流控制器，取代传统电流控制器；自适应观测器的参考模型利用电机的实际模型进行设计，可调模型利用估计的电流模型进行设计，电机估值速度通过参考模型和可调模型的电流差值设计的自适应律得出。该方案不仅降低电流控制器对电机参数的依赖程度，消除电流耦合对模型预测控制器的影响；同时，还使控制系统的复杂性和成本得到了简化，提高控制系统的控制性能和抗干扰能力。利用仿真软件搭建预测控制器和自适应观测器应用于电机控制系统验证所提控制策略的优越性。经过验证该控制策略可以实现对速度进行在线准确辨识，并且还可以有效地减少电流纹波和提高电流的跟踪性能。

  • 2021-06-18
  • 阅读1936
  • 下载0
  • 11页
  • pdf

基于改进深度强化学习算法的电力市场监测模型研究_许杨子

针对典型深度强化学习算法若干显性固有弊端,提出了一种改进深度强化学习算法,设计了基于改进深度强化学习算法的电力市场监测模型。引入智能体（agent）机制,Agent执行动作（action）并把当前收益（reward）和未来收益反馈给环境（environment）模拟策略网络,在有限马尔科夫决策过程中引入多重Q网络机制实现深度估值网络。以国家电网某电力公司为效能评价载体,基于谷歌的Tensorflow 1.2.1和OpenAI的Gym 0.9.2环境开发了验证环境并对模型进行了实证分析,仿真验证结果表明所提模型可以在较短的时间内处理多维波动非线性电力市场监预测模型,在稳定性、监测自主性、预测准确性、对抗环境下的模型性能等方面具有明显优势。

  • 2021-06-18
  • 阅读1928
  • 下载0
  • 6页
  • pdf

基于机器学习算法的肝硬化相关肝性脑病预测模型的构建_谈军涛

目的 构建基于机器学习算法的肝硬化相关肝性脑病预测模型。方法 采用横断面研究方法，收集2019年6月－2020年6月于重庆市7家医疗机构就诊的1498例肝硬化患者，依据是否发生肝性脑病分为肝性脑病组（n=285）与非肝性脑病组（n=1213）。随机抽取70%（1048例）患者的临床资料作为训练集构建预测模型，其余30%（450例）作为测试集进行内部验证。采用单因素logistic回归筛选输入指标，应用基于机器学习的logistic回归、随机森林、决策树和XGBoost算法构建诊断预测模型，比较4种方法构建的模型对肝硬化相关肝性脑病的预测诊断价值。结果 Logistic回归、随机森林、决策树和XGBoost模型均提示，凝血酶原活动度（OR=0.933，95% CI 0.921～0.946）、年龄（OR=1.045，95% CI 1.029～1.061）、全血钠（OR=0.964，95% CI 0.928～1.000）及尿素氮（OR=1.063，95% CI 1.022～1.105）是肝性脑病的重要影响因素。Logistic回归、随机森林、决策树和XGBoost模型的灵敏度分别为0.843、0.904、0.759、0.892，特异度分别为0.785、0.695、0.717、0.706，AUC分别为0.875、0.883、0.767、0.847。结论 基于机器学习算法建立的肝硬化相关肝性脑病风险预测模型具有较高的诊断价值，其中Logistic回归模型和随机森林模型的诊断效能优于决策树模型和XGBoost模型。

  • 2021-04-20
  • 阅读1905
  • 下载1
  • 17页
  • pdf

基于MASD_TPM模板匹配算法的股市决策模型_史建楠

股票市场的形态分析和趋势预测是时间序列研究领域重要的研究方向。针对股票市场价格形态复杂,转折点形态预测困难的问题,文章提出了一种多尺度自适应模板匹配算法（MASDTPM）来识别股票价格的形态走势。该算法在传统的模板匹配技术（TPM）中引入了匹配序列长度控制和插值重采样来避免匹配形态单一的问题。结果显示,基于该算法构建的决策交易模型在上证50等相关指数上能较为准确地识别市场价格的旗型形态,其收益超过多组对比模型平均水平。

  • 2021-06-17
  • 阅读1892
  • 下载0
  • 4页
  • pdf