AI算法与模型 第7页
AI算法与模型模块深入探讨机器学习、优化算法和深度学习等人工智能的核心技术。通过详细的理论讲解与实战案例，帮助学习者理解各种算法的原理和应用，掌握如何构建和优化AI模型。无论是监督学习、无监督学习，还是神经网络的实现与优化，这里都提供了系统的学习资料~
排序
强化学习基础概念
1 概念 在这个不断进步的技术世界中，强化学习（Reinforcement Learning, RL）作为机器学习的一个重要分支，正迅速发展成为理解人工智能（AI）和机器学习领域的关键。与传统的机器学习方法相比...
9个月前
遗传算法（Genetic Algorithm）
算法引言 遗传算法是一种模拟生物进化过程的搜索启发式算法。想象一下长颈鹿的进化过程：在古代，长颈鹿的祖先可能都有着不同长度的脖子。在食物竞争激烈的环境下，那些脖子较长、能够触及更高...
9个月前
神经网络算法详解
引言 神经网络，作为人工智能和机器学习领域的核心技术之一，具有极其重要的意义。它们通过模拟人类大脑的工作机制，使计算机能够学习和识别复杂的模式和数据。这种能力使得神经网络在诸多领域...
11个月前
模拟退火（Simulated Annealing)
算法引言 模拟退火算法是一种启发式搜索算法，它受到物理学中固体物质退火过程的启发。在物理学中，退火是一种将材料加热至高温，然后缓慢冷却以减少材料内部应力的过程。在这个过程中，材料的...
9个月前
反向传播算法（Back Propagation）
反向传播算法 梯度下降和反向传播是神经网络训练过程中两个非常重要的概念，它们密切相关。梯度下降是一种常用的优化算法，它的目标是找到一个函数的最小值或最大值。在神经网络中，梯度下降算...
11个月前
决策树（Decision tree）
算法引言 决策树是一种非常直观的机器学习算法，它模仿了我们日常生活中的决策过程。想象一下，你要决定周末去哪里玩，这个决定可能会基于一系列问题：天气怎么样？交通方便吗？费用多少？根据...
11个月前
降维算法之主成分分析 (Principal Component Analysis, PCA)
主成分分析（PCA）是一种统计方法，用于减少数据的维度，同时尽量保留原始数据中的方差。PCA在机器学习和数据可视化中有着坚实的地位，因为它可以有效地简化数据，同时保留其核心特征。 1 算法...
10个月前
SENet：通道维度的注意力机制
0.引言 SENet于2017.9提出，其通过显式地建模卷积特征通道之间的相互依赖性来提高网络的表示能力。即通道维度上的注意力机制。SE模块仅需微小的计算成本，却产生了显著的性能改进。SENet Block...
11个月前
VAN：基于卷积实现的注意力
0.引言 虽然Transformer最初是为自然语言处理任务而设计的，但最近已经在各种计算机视觉领域掀起了风暴。然而，图像是有空间信息的二维数据，这给计算机视觉中应用Transformer带来了三个挑战： ...
10个月前
变分自编码器（VAE）算法详解
VAE模型简明指导 VAE最想解决的问题是如何构造编码器和解码器，使得图片能够编码成易于表示的形态，并且这一形态能够尽可能无损地解码回原真实图像。 这似乎听起来与PCA（主成分分析）有些相似...
9个月前
