深度學(xué)習(xí)(Deep Learning)(也稱為深度結(jié)構(gòu)學(xué)習(xí)【Deep Structured Learning】、層次學(xué)習(xí)【Hierarchical Learning】或者是深度機器學(xué)習(xí)【Deep Machine Learning】)是一類算法集合,是機器學(xué)習(xí)的一個分支。查看全文>>
通訊、感知與行動是現(xiàn)代人工智能的三個關(guān)鍵能力,在這里我們將根據(jù)這些能力/應(yīng)用對這三個技術(shù)領(lǐng)域進(jìn)行介紹:查看全文>>
測試者與被測試者(一個人和一臺機器)隔開的情況下,通過一些裝置(如鍵盤)向被測試者隨意提問。多次測試(一般為5min之內(nèi)),如果有超過30%的測試者不能確定被測試者是人還是機器,那么這臺機器就通過了測試,并被認(rèn)為具有人類智能。查看全文>>
線性回歸(Linear regression)是利用回歸方程(函數(shù))對一個或多個自變量(特征值)和因變量(目標(biāo)值)之間關(guān)系進(jìn)行建模的一種分析方式。 特點:只有一個自變量的情況稱為單變量回歸,多于一個自變量情況的叫做多元回歸查看全文>>
bagging集成與boosting集成的區(qū)別:Bagging:對數(shù)據(jù)進(jìn)行采樣訓(xùn)練;查看全文>>
集成學(xué)習(xí)通過建立幾個模型來解決單一預(yù)測問題。它的工作原理是生成多個分類器/模型,各自獨立地學(xué)習(xí)和作出預(yù)測。這些預(yù)測最后結(jié)合成組合預(yù)測,因此優(yōu)于任何一個單分類的做出預(yù)測。查看全文>>