所有文章
> 当前分类:AI驱动
深度时间序列模型！全面总结！
2025/01/02
时间序列是以固定间隔采样的按时间顺序排序的数值序列。时间序列数据有三个组成部分：趋势、季节性和残差（不规则性）。 趋势代表整体运动，而季节性则捕捉定期变化。去除趋势和周期振荡后的剩余值为残差，可能包括异常值。现实世界的时间序列，其特征...
神经网络算法，超强总结！
【AI驱动】
神经网络算法是深度学习中用于构建模型的核心，它们可以根据不同的应用场景和结构特点分为多个类别。以下是常见的神经网络算法分类及其简要介绍： 1. 按功能分类 a. 人工神经网络（Artificial Neural Networks...
2025/01/02
通透！机器学习各大模型原理的深度剖析！
【AI驱动】
通俗来说，机器学习模型就是一种数学函数，它能够将输入数据映射到预测输出。更具体地说，机器学习模型就是一种通过学习训练数据，来调整模型参数，以最小化预测输出与真实标签之间的误差的数学函数。 机器学习中的模型有很多种，例如逻辑回归...
2025/01/02
深度学习十大影响力算法解析：从DNN到图神经网络的全面探讨
【AI驱动】
自2006年深度学习概念被提出以来，20年快过去了，深度学习作为人工智能领域的一场革命，已经催生了许多具有影响力的算法。那么，你所认为深度学习的top10算法有哪些呢？ 以下是我心目中的深度学习top10算法，它们在创新性、应用价值和...
2025/01/02
神经网络算法 – 一文搞懂CNN（卷积神经网络）
【AI驱动】
本文将从CNN解决了什么问题、人类的视觉原理、CNN的基本原理、典型的CNN及实际应用四个方面，带您一文搞懂卷积神经网络CNN。 一、CNN解决了什么问题 图像处理存在两个难题： 数据量巨大：图像由像素组成，每个像素又由...
2025/01/02
图神经网络(GNN)的数学原理
【AI驱动】
本文结构 首先，我将对图和图神经网络进行深入分析。在这里，我深入探讨了向前传球所采取的细粒度步骤。然后，我继续使用熟悉的端到端技术来训练这些网络。最后，我使用前向传递部分中的步骤作为框架或指南，从文献中介绍流行的图神经网络。注：本文手...
2025/01/02
使用 Node.js + OPEN AI 实现一个自动生成图片项目
【AI驱动】
最近 ChatGPT 非常火，它是由 OpenAI 开发的一种大型语言模型，它可以通过学习大量文本来了解人类语言并生成文本，我身边的程序员们用过之后都觉得要失业了。。。 它背后的 OpenAI ...
2025/01/02
一文彻底搞懂机器学习 – 端到端机器学习
【AI驱动】
机器学习通过构建和训练模型，使计算机能够从数据中自动学习和寻找规律，进而做出预测或决策。而端到端机器学习则是机器学习领域中的一种设计范式，它强调从原始数据到最终输出的完整流程自动化，减少了人工干预，提高了效率和性能。 端到端机器学习的...
2025/01/02
一文彻底搞懂机器学习 – 回归（Regression）
【AI驱动】
回归（Regression）是机器学习中的一种基本方法，其目标是通过分析自变量与因变量之间的关系，建立一个数学模型来预测因变量的值。 线性回归、多项式回归、正则化线性回归是机器学习中常用的回归分析方法。其中线性回归用直线拟合数据关系，...
2025/01/02
神经网络算法 – 一文搞懂Transformer
【AI驱动】
本文将从Transformer的本质、Transformer的原理、Transformer架构改进三个方面，带您一文搞懂Transformer。 一、Transformer的本质 Transformer架构：主要由输入部...
2025/01/02
深度学习的Top10模型
【AI驱动】
自2006年深度学习概念被提出以来，20年快过去了，深度学习作为人工智能领域的一场革命，已经催生了许多具有影响力的算法或模型。那么，你所认为深度学习的最牛的模型有哪些呢？欢迎评论区留言讨论~ 以下是我心目中的深度学习top10模型，它...
2025/01/02
时间序列异常检测的方法总结
【AI驱动】
在本文中将探索各种方法来揭示时间序列数据中的异常模式和异常值。 时间序列数据是按一定时间间隔记录的一系列观测结果。它经常在金融、天气预报、股票市场分析等各个领域遇到。分析时间序列数据可以提供有价值的见解，并有助于做出明智的决策。 ...
2025/01/02
一图胜千言！机器学习模型可视化！！
【AI驱动】
机器学习模型有强大而复杂的数学结构。了解其错综复杂的工作原理是模型开发的一个重要方面。模型可视化对于获得见解、做出明智的决策和有效传达结果至关重要。 在本文中，我们将深入探讨机器学习可视化的艺术，探索帮助我们理解复杂数据驱动系统的各种...
2025/01/02
机器学习算法 – 一文搞懂SL（监督学习）
【AI驱动】
本文将从监督学习的本质、监督学习的原理、监督学习的案例三个方面，带您一文搞懂监督学习Supervised Learning | SL。 一、监督学习的本质 基本思路：利用已知输入和输出数据（即带有标签的数据）进行训练，使...
2024/12/31
机器学习算法 – 一文搞懂UL（无监督学习）
【AI驱动】
本文将从无监督学习的本质、2种无监督学习方式、无监督学习的案例三个方面，带您一文搞懂无监督学习Unsupervised Learning | UL。 一、无监督学习的本质 基本思路：无监督学习不需要预先标注数据，而是通过...
2024/12/31
神经网络算法 – 一文搞懂LSTM（长短期记忆网络）
【AI驱动】
本文将从LSTM的本质、LSTM的原理、LSTM的应用三个方面，带您一文搞懂长短期记忆网络Long Short Term Memory | LSTM。 一、LSTM的本质 RNN 面临问题：RNN（递归神经网络）在处理长...
2024/12/31
搜索文章
热门话题
