• 如何调试神经网络(深度神经网络)?

    神经网络的调试基本上难于绝大多数的程序,因为大部分的神经网络的错误不会以类型错误或运行时错误显现,他们只是使得网络难以收敛。如果你是一个新人,这可能会让你非常沮丧。一个有经验的网络训练者可以系统的克服...
    文章 2017-08-01 1114浏览量
  • 解密蚂蚁金服MISA:37℃的自助语音交互是怎么做到的?

    服务轨迹是时序的特征,历史求助文本是文本特征,精准因子是静态的特征,如何处理如此复杂且多样化的信息,着实让我们费了一番心事。为此,我们创造性的提出了混合网络结构,如下所示: 通过Convolutional Neural ...
    文章 2018-04-13 1683浏览量
  • 车载多传感器融合定位方案:GPS+IMU+MM

    为了解决用户反馈的三大痛点问题:偏航重算、无法定位和抓路错误,结合算法和数据,提出了一套软件+硬件的解决方案。最后,用实测数据验证对用户反馈问题的改善程度。车载应用的痛点 偏航重算:是指在高架或城市峡谷...
    文章 2019-08-20 2409浏览量
  • Andrew Ng深度学习课程笔记

    Ng解释了计算背后的想法,让我理解了TensorFlow是如何执行“神奇的优化”的。第4课:为什么使用深层表达 Ng对DNN的分层方面给出了直观地理解。例如他对人脸识别的解释,神经网络第一层所做的事就是从原始图片中...
    文章 2018-03-16 2320浏览量
  • 如何用人机协同提高客服效率?阿里巴巴客服助手诞生了

    淘系业务复杂,数据视图众多,解决方案更是繁多,对新手来说,这两次映射都是鸿沟,需要花费大量时间摸索,不仅效率低下,甚至会经常给出错误解决方案对会员体验造成更大伤害。第二个阶段是沟通安抚,这个阶段耗时较...
    文章 2019-08-15 1051浏览量
  • 深度学习揭秘之防止过拟合(overfitting)

    主要问题是如何定义低错误率——在某些情况下它可以是1%,而在其他情况下它可以高达10%或更大。在训练神经网络时,设立一个比较模型性能的基准是有所帮助的。通常,这取决于执行此任务的人员能力水平。然后尝试...
    文章 2018-10-23 2966浏览量
  • 如何为智能投顾打造对话系统?这有一份指南可供参考

    那么如何在舆情指数模型的基础上去拟合多因子,也就是如何生成投资组合。首先是怎么选择量化模型。量化模型有很多,包括高频的,低频的,中频的,还有很多不同思路的。如果想应用这些舆情指数,最好的方式其实是采用...
    文章 2018-01-08 851浏览量
  • 第 425 期 Python 周刊

    如何绘制 Seaborn 箱形?链接:https://www.sharpsightlabs.com/blog/seaborn-boxplot/ 本教程讲述绘制 Seaborn 箱形的方法和相关语法,最终使用 Seaborn 绘制一个箱形。分析用户数据以推荐最佳新产品 链接:...
    文章 2020-01-02 2504浏览量
  • 机器学习——支持向量机SVM在R中的实现

    支持向量机是一个相对较新和较先进的机器学习技术,最初提出是为了解决二类分类问题,现在被广泛用于解决多类非线性分类问题和回归问题。继续阅读本文,你将学习到支持向量机如何工作,以及如何利用R语言实现支持...
    文章 2016-05-09 2425浏览量
  • 生物智能与AI——关乎创造、关乎理解(上)

    然而,目前尚不清楚大脑如何解决这个问题。真实的情况是,大脑使用本地学习规则解决它:即每个突触仅使用物理上可用的信息来调整其强度,例如,由突触连接的两个神经元的电活动来奖励和惩罚的任何神经调节输入。解释...
    文章 2018-12-14 1170浏览量
  • 知识图谱数据构建的“硬骨头”,阿里工程师如何拿下?

    因子图是一种概率图模型,用于表征变量和变量间的函数关系,借助因子图可以进行权重的学习和边缘概率的推算。DeepDive系统中,因子图的顶点有两种,一种是随机变量,即提取的候选实体对,另一种是随机变量的函数,即...
    文章 2018-03-14 4459浏览量
  • 可用于实时应用的启发式搜索

    实时启发式搜索:第一个结果 联合编译:章敏、陈圳 ...2显示的是在所有超过千步的解决方法中平均解决的长度以及搜索限制的深度。底部的线显示的是在100个不同的原始状态中53个平均最优步骤。最优解决方法...
    文章 2017-08-01 1077浏览量
  • 深度|蚂蚁金服“刷脸”支付技术解读:错误率低于百万...

    每增加一道特征因子错误识别的概率就将大幅缩小,如此可确保生物识别在精确度上达到金融级的要求。3.多模态识别:脱离“活体检测”的生物识别技术都是纸老虎 不少科幻片中都曾出现特工拿着照片或视频等方法“骗”...
    文章 2018-08-03 2185浏览量
  • 带你读《数据挖掘导论(原书第2版)》之三:分类:...

    前面的例子说明了如何通过询问关于测试实例属性的一系列精心制作的问题来解决分类问题。每次收到答案时,我们都可以提出后续问题,直到能够确定其类别标签。可将这一系列问题及其可能的答案组织成称为决策树的分层...
    文章 2019-11-18 694浏览量
  • 机器学习在高德地图轨迹分类的探索和应用

    全国道路千千万,每天都有巨量的道路变得不可通行,那么如何动态的识别出哪些道路走不通了呢?中所示即为因封路事件导致的导航路线改变 道路不通往往导致该条道路汽车流量突然降低。监控汽车流量的变化是挖掘封路...
    文章 2020-10-16 2910浏览量
  • GMTC 大前端时代前端监控的最佳实践

    发现在接口成功率趋势中,接口请求量大幅上升,伴随着成功率急剧下降,再查看错误信息聚合模块,发现频率最高的错误信息是【交易规则冲突】,深度排查之后,最终找出了原因,是运营配置的双十一优惠规则和平时优惠...
    文章 2018-06-29 3153浏览量
  • redis4.0之基于LFU的热点key发现机制

    为了解决这个问题,redis提供了衰减因子server.lfu_decay_time,其单位为分钟,计算方法也很简单,如果一个key长时间没有访问那么它的计数器counter就要减少,减少的值由衰减因子来控制: unsigned long ...
    文章 2017-12-06 12406浏览量
  • 带你读《基于浏览器的深度学习》之二:神经网络架构

    所以强化学习模型(智能体)强调如何基于环境而执行动作,以取得最大化的预期利益,见2-10。所有的智能体都知道给每个智能体动作的激励和周围的环境。例如,在迷宫中有一个智能体。智能体不知道如何到达迷宫的目的...
    文章 2019-11-12 653浏览量
  • Redis·引擎特性·基于 LFU 的热点 key 发现机制

    为了解决这个问题,redis提供了衰减因子server.lfu_decay_time,其单位为分钟,计算方法也很简单,如果一个key长时间没有访问那么它的计数器counter就要减少,减少的值由衰减因子来控制: unsigned long ...
    文章 2018-09-22 1090浏览量
  • 想知道机器学习掌握的怎么样了吗?...

    回归模型具有多重共线性效应,在不损失太多信息的情况下如何应对这种情况?1.去除所有共线变量 1.去除所有共线变量 2.去除一个变量而不是都去掉 3.我们可以计算 VIF(方差膨胀因子)来检验多重共线性效应,然后根据...
    文章 2017-10-24 829浏览量
  • 针对复杂问题的知识图谱问答KBQA最新进展调研

    该框架首先定义了一个可以直接转化为Lambda演算的查询(Query Graph),然后定义了如何将Semantic Parser的过程演变为查询生成过程(4种State+4种Action),最后通过LambdaRank算法对生成的查询进行排序,选出最佳...
    文章 2020-10-14 2287浏览量
  • 想知道机器学习掌握的怎么样了吗?...

    回归模型具有多重共线性效应,在不损失太多信息的情况下如何应对这种情况?1.去除所有共线变量1.去除所有共线变量 2.去除一个变量而不是都去掉 3.我们可以计算VIF(方差膨胀因子)来检验多重共线性效应,然后根据...
    文章 2016-11-26 10196浏览量
  • 带你读《企业数据湖》之三:Lambda架构:一种数据湖...

    对于单一客户视图用例,3-5显示了如何通过从客户的主数据集生成所谓的批处理视图(中间视图)来实现批处理层。3-5 单 一客户视图——批处理层 对于单一客户视图的用例,客户数据流入批处理层,并在批处理层中...
    文章 2019-10-20 2481浏览量
  • 机器学习算法概述:随机森林&逻辑回归

    在随机森林模型下,使用大量“弱”因子的决策树,来聚合它们的输出,结果能代表“强”的集成。权衡偏差与方差 在任何机器学习模型中,有两个误差来源:偏差和方差。为了更好地说明这两个概念,假设已创建了一个机器...
    文章 2018-08-15 3295浏览量
  • 地图POI类别标签体系建设实践

    此外,应用方对于标签的准召和产出速率也有较高的要求:打标准确率低,则可能导致用户搜索时召回错误POI;覆盖率低,则可能导致用户期待的结果被漏掉;而待建设的大分类有20+,同时每个大分类有数十个子标签,大小...
    文章 2019-08-27 1751浏览量
  • 传说中的贝叶斯统计到底有什么来头?

    p值小于5%并不能保证零假设是错误的,也没有p值大于5%确保零假设是正确的。5.2 置信区间 置信区间也有同样的缺陷,此外因CI不是一个概率分布,没有办法知道哪些值是最有可能的。5.3 贝叶斯因子 贝叶斯因子是p值在...
    文章 2017-08-01 1012浏览量
  • 性能提升2.58倍!阿里最快KV存储引擎揭秘

    解决措施是利用上(Item Format)中的Occupied标志位。当线程2更新B时,首先需要将B的Occupied标志位置位。线程1插入C需要修改B的指针(Next Item Address),若发现Occupied标志位已置位,则需要重新遍历链表,尝试...
    文章 2020-03-13 1269浏览量
  • GANs正在多个层面有所突破

    我相信GANs在这个层面已经有所突破了,因为他们试图优化错误的东西或寻求不存在的平衡等。这就是为什么我喜欢f-GANs、Wasserstein GANs、实例噪声,而不大喜欢在优化层面上做一些修复的尝试:比如DCGAN或改进技术...
    文章 2017-10-24 1136浏览量
  • OpenCASCADE Conic to BSpline Curves-Parabola

    可以证明同一组控制顶点选取不同 的权因子,只要形状因子k相等,则由它们决定的二次有理Bezier曲线是同一条曲线段,不同的权因对应不同的参数化,而且可以根据形状不变因子对二次曲线进行分类: v K=0;表示退化的二...
    文章 2014-10-02 826浏览量
  • 传说中的贝叶斯统计到底有什么来头?

    p值小于5%并不能保证零假设是错误的,也没有p值大于5%确保零假设是正确的。5.2 置信区间 置信区间也有同样的缺陷,此外因CI不是一个概率分布,没有办法知道哪些值是最有可能的。5.3 贝叶斯因子 贝叶斯因子是p值在...
    文章 2018-11-05 912浏览量
1 2 3 4 ... 7 >

云产品推荐

视频直播 大数据计算服务 MaxCompute 国内短信套餐包 ECS云服务器安全配置相关的云产品 开发者问答 阿里云建站 新零售智能客服 万网 小程序开发制作 视频内容分析 视频集锦 代理记账服务 阿里云AIoT 阿里云科技驱动中小企业数字化
http://www.vxiaotou.com