摘要：
1. 简介 使用机器学习时，我们有不同的指标来告诉我们模型的表现如何。但是，这些措施可能会混淆它们的含义、如何解释或它们究竟是什么。知道了这一点，我们可以推断出更多关于我们模型的信息。 在本教程中，我们将重点介绍损失和准确性。它们都是训练模型时要考虑的基本值。 2. 损失 损失是一个值，表示模型中误 阅读全文
摘要：
1. 简介 在本教程中，我们将讨论生成对抗网络（GAN），一种无监督的深度学习方法。主要，我们将介绍构成 GAN 的两个主要模型的架构，即生成器和鉴别器模型。我们还将通过它们的损失函数分析两个模型之间的主导行为。 2. 生成对抗网络 GAN是一个机器学习框架，由Ian J. Goodfellow于2 阅读全文
摘要：
1. 概述 在本教程中，我们将介绍生成对抗网络 （GAN）。 首先，我们将介绍术语生成模型及其分类法。然后，将描述GAN的架构和训练管道，并附有详细示例。最后，我们将讨论GAN的挑战和应用。 2. 生成模型 在机器学习中，有两种主要的学习类型: 在监督学习中，我们被给予自变量X和相应的标签Y，我们的 阅读全文
摘要：
1. 概述 在本文中，我们将探讨蒙特卡罗树搜索 （MCTS） 算法及其应用。 我们将通过在Java 中实现井字游戏来详细研究它的阶段。我们将设计一个通用解决方案，该解决方案可用于许多其他实际应用，只需进行最少的更改。 2. 简介 简单地说，蒙特卡罗树搜索是一种概率搜索算法。它是一种独特的决策算法，因 阅读全文
摘要：
1. 概述 机器学习包括应用数学和统计方法让机器从数据中学习。它由四大技术家族组成： 监督学习 半监督学习 无监督学习 强化学习 在本文中，我们将探讨机器学习的目的以及何时应该使用特定技术。因此，我们将根据简单的示例了解它们的工作原理。 2. 监督学习 监督学习是一种由向机器学习模型提供标记数据组成 阅读全文
摘要：
1. 概述 在本教程中，我们将讨论使用生成对抗网络 （GAN） 进行数据增强。首先，我们将介绍数据增强和 GAN，然后我们将介绍一个能够生成非常逼真的样本的 GAN 架构。 2. 数据增强 深度学习彻底改变了许多领域，并已成为许多复杂任务（如文本翻译、图像分割和自动语音识别）的最新方法。大型注释数据 阅读全文