摘要:
IBM Watson启示录:AI不应该仅仅是炫技 https://mp.weixin.qq.com/s/oNp8QS7vQupbi8fr5RyLxA 导语:当AI成为全球CEO口中的热词,关于“什么是好AI ”的讨论显得更加至关重要,因为这也许关系企业的未来生死。 年中“AI价值观”的热点落下帷幕后 阅读全文
摘要:
人工神经网络 核心:一个多层的复合函数。 人工神经网络在本质上是一个多层的复合函数: 它实现了从向量x到向量y的映射。由于使用了非线性的激活函数f,这个函数是一个非线性函数。 神经网络训练时求解的问题不是凸优化问题。反向传播算法由多元复合函数求导的链式法则导出。 标准的神经网络是一种有监督的学习算法 阅读全文
摘要:
一句话总结随机森林 核心:用有放回采样的样本训练多棵决策树,训练决策树的每个节点是只用了无放回抽样的部分特征,预测时用这些树的预测结果进行投票。 随机森林是一种集成学习算法,它由多棵决策树组成。这些决策树用对训练样本集随机抽样构造出样本集训练得到。随机森林不仅对训练样本进行抽样,还对特征向量的分量随 阅读全文
摘要:
一句话总结卷积神经网络 核心:一个共享权重的多层复合函数。 卷积神经网络在本质上也是一个多层复合函数,但和普通神经网络不同的是它的某些权重参数是共享的,另外一个特点是它使用了池化层。训练时依然采用了反向传播算法,求解的问题不是凸优化问题。 和全连接神经网络一样,卷积神经网络是一个判别模型,它既可以用 阅读全文
摘要:
一句话总结K均值算法 核心:把样本分配到离它最近的类中心所属的类,类中心由属于这个类的所有样本确定。 k均值算法是一种无监督的聚类算法。算法将每个样本分配到离它最近的那个类中心所代表的类,而类中心的确定又依赖于样本的分配方案。这是一个先有鸡还是先有蛋的问题。 在实现时,先随机初始化每个类的类中心,然 阅读全文
摘要:
一句话总结kNN算法 核心:模板匹配,将样本分到离它最相似的样本所属的类。 kNN算法本质上使用了模板匹配的思想。要确定一个样本的类别,可以计算它与所有训练样本的距离,然后找出和该样本最接近的k个样本,统计这些样本的类别进行投票,票数最多的那个类就是分类结果。下图是kNN算法的示意图: 在上图中有红 阅读全文
摘要:
一句话总结决策树 核心:一组嵌套的判定规则。 决策树在本质上是一组嵌套的if-else判定规则,从数学上看是分段常数函数,对应于用平行于坐标轴的平面对空间的划分。判定规则是人类处理很多问题时的常用方法,这些规则是我们通过经验总结出来的,而决策树的这些规则是通过训练样本自动学习得到的。下面是一棵简单的 阅读全文
摘要:
一句话总结贝叶斯分类器 核心:将样本判定为后验概率最大的类。 贝叶斯分类器直接用贝叶斯公式解决分类问题。假设样本的特征向量为x,类别标签为y,根据贝叶斯公式,样本属于每个类的条件概率(后验概率)为: 分母p(x)对所有类都是相同的,分类的规则是将样本归到后验概率最大的那个类,不需要计算准确的概率值, 阅读全文
摘要:
SAP MM MIGO & Return Delivery 组合实现部分数量的Reversal 在笔者看来,MIGO这个事务代码里的Return Delivery主要用于采购退货场景。 先找到之前收货的101物料凭证号,然后在MIGO + Return Delivery里,输入该物料凭证号,然后输入 阅读全文
摘要:
https://mp.weixin.qq.com/s/cU8eIppltByj5pJgwKNP8Q “不忘初心,潜心计算一甲子;牢记使命,启智人类新百年。” 今天上午,清华大学计算机科学与技术系建系60周年纪念大会召开,各界名师大家齐聚一堂,共同庆祝清华计算机系的重要时刻。 为庆祝清华计算机系60周 阅读全文