注册 留言板
当前位置:首页 > 方法论 > 开发方法
机器学习系列:递归神经网络

机器学习系列:递归神经网络

2017-03-26   作者:本站编辑    浏览次数:0   

前言 BP神经网络,训练的时候,给定一组输入和输出,不断的对权值进行训练,使得输出达到稳定。但BP神经网络并不是适合所有的场景,并不真正的体现出某些场景的真正特点。回到经典的概率论问题,抛硬币问题,假设你已经抛了100次的,90次是正面的,10次是反面的,问现在继续在抛一次,出现正面的概率是多少?如

训练识别数字图片的模型

训练识别数字图片的模型

2017-03-26   作者:本站编辑    浏览次数:0   

本文根据官方教程,通过MNIST数据,使用Softmax Regressio算法训练一个输入784像素的图片,识别出其对应数字的模型 前一篇文章中我们配置了TensorFlow并根据官方教程训练了一个简单的模型,今天我们继续训练另外一个简单的模型。 MNIST包含一个手写的数字,就好像: 这个案例是

深入理解 flex 布局以及计算

深入理解 flex 布局以及计算

2017-03-26   作者:本站编辑    浏览次数:0   

起因 对于Flex布局,阅读了 大漠老师和其他老师写的文章后,我还是不太理解Flexbox是如何弹性的计算子级项目的大小以及一些其他细节。在大漠老师的帮助下,我去查阅Flexbox 的 W3C 规范文档。 注:本篇博文不适合未接触过Flex 布局的人, 如果想了解flex 布局基础。 对于flex盒

2017 年软件开发人员需要面对的 7 个改变

2017 年软件开发人员需要面对的 7 个改变

2017-03-26   作者:本站编辑    浏览次数:0   

2017年对开发者而言将是有趣的一年,因为这个行业将会发生一些重大的变化。从创建较新的应用程序到添加功能到现有的应用程序,以扩展应用程序跨越其当前的限制,编程将在2017年见证复兴。 人工智能玩得越来越high 人工智能将在2017年大扬其威。AI作为新的用户界面不再是一个片面的方法。我们需要理解,

微服务和分布式对象第一定律

微服务和分布式对象第一定律

2017-03-25   作者:本站编辑    浏览次数:0   

当我写 企业应用程序架构的模式 时,我创造了我所谓的分布式对象设计 第一定律:“不分发你的对象” 。近几个月来, 微服务 引起了很多人的兴趣,导致一些人质疑微服务是否违反了这项定律,如果是,我为什么赞成他们? 在第一个定律声明中,我使用短语“分布式对象”。这折射出一种观点,这种观点在90年代末00年

处理微服务架构的内部架构和外部架构

处理微服务架构的内部架构和外部架构

2017-03-25   作者:本站编辑    浏览次数:0   

关键点 微服务架构MSA并不是一个全新的概念,它旨在通过使用现代技术的优点来正确地实现SOA。 微服务只能解决整体问题的一小部分——架构师们需要将微服务架构作为一种架构实践,并实现它以满足企业级应用要求。 “微”不仅仅只是关注大小,它主要是关注范围。 整合是微服务架构的一个关键方面,在适用时,它可以

Spring+SpringMVC+MyBatis 整合

Spring+SpringMVC+MyBatis 整合

2017-03-24   作者:本站编辑    浏览次数:0   

Spring+SpringMVC+MyBatis(SSM)在我们项目中是经常用到的,这篇文章主要讲解使用Intellij IDEA整合SSM,具体环境如下: 数据库:MySQL5.7 依赖管理:Maven IDE:Intellij IDEA JDK:1.8 服务器:Tomcat 9 首先用Intel

Python机器学习工具:Scikit-Learn介绍与实践

Python机器学习工具:Scikit-Learn介绍与实践

2017-03-24   作者:本站编辑    浏览次数:0   

Scikit-learn 简介 官方的解释很简单: Machine Learning in Python, 用python来玩机器学习。 什么是机器学习 机器学习关注的是: 计算机程序如何随着经验积累自动提高性能。而最大的吸引力在于,不需要写任何与问题相关的特定代码,泛型算法就能告诉你一些关于数据的

深度学习在图像超分辨率重建中的应用

深度学习在图像超分辨率重建中的应用

2017-03-23   作者:本站编辑    浏览次数:0   

超分辨率技术(Super-Resolution)是指从观测到的低分辨率图像重建出相应的高分辨率图像,在监控设备、卫星图像和医学影像等领域都有重要的应用价值。SR可分为两类:从多张低分辨率图像重建出高分辨率图像和从单张低分辨率图像重建出高分辨率图像。基于深度学习的SR,主要是基于单张低分辨率的重建方法

剖析DeepMind神经网络记忆研究:模拟动物大脑实现连续学习

剖析DeepMind神经网络记忆研究:模拟动物大脑实现连续学习

2017-03-23   作者:本站编辑    浏览次数:0   

前几天,Google DeepMind 公开了一篇新论文《克服神经网络中的灾难性遗忘(Overcoming catastrophic forgetting in neural networks)》,介绍了这家世界顶级的人工智能研究机构在「记忆(memory)」方面的研究进展,之后该公司还在其官方博客

共251条记录 1/26页  首页 上一页 下一页 尾页  第
精彩专题
友情链接:
设为首页 - 加入收藏 Copyright @2016 Infocool 版权所有 粤ICP备16000626号