文章分类 - 人工智能
人工智能包含的领域：专家系统，机器学习，进化计算，模糊逻辑，计算机视觉，自然语言处理，推荐系统等；分弱人工智能和强人工智能；
机器学习是一种实现人工智能的方法，深度学习是一种实现机器学习的技术；
摘要：参考链接 1 VIO-PDR 相关内容（在AR方面的应用）： 浙江大学与商汤科技联合提出适用于挑战场景下的视觉惯性里程计（惯性神经网络源代码和数据集均已发布） RoNIN：基于残差网络的IMU传感器数据用于运动估计和定位（CVPR-2019） https://github.com/CathIAS/T
阅读全文
摘要：参考链接 udacity课程链接： https://www.udacity.com/ https://classroom.udacity.com/courses/ud0419/lessons/66344996-3009-49c8-ba37-781552093952/concepts/9a9a664e
阅读全文
摘要：轮盘赌算法 代码： func3.m %%%%%%%%%%%%%%%%%%%%%%%%%%%适应度函数%%%%%%%%%%%%%%%%%%%%%%%%% function value=func3(x) value=5*sin(3 * x); roulette.m %%%%%%%%%%%%%%%%%%%
阅读全文
摘要：原理 初始化 首先是要选定一些参数，这些参数可以再代码注释中看到，数据的初始化常使用随机初始化 产生新解 给当前某个解加上一部分产生一个新解，通常加上的为步长乘以一个区间内的随机数，需要判断新解是否仍在可行区间内，如果超出了区间，需要重新再计算一个新解，直到满足要求为止 新解保留 系统从当前状态1到
阅读全文
摘要：参考链接： 随机数生成算法 两种随机数生成方法——反函数法和舍选法 Metropolis 采样算法 马尔科夫链蒙特卡罗方法(MCMC) 从随机过程到马尔科夫链蒙特卡洛方法（MCMC）
阅读全文
摘要：奇异值分解与低秩矩阵近似 知识图谱之WordNet
阅读全文
摘要：强化学习（Reinforcement Learning） 第十二讲：强化学习（Reinforcement Learning）和控制（Control） 强化学习（Reinforcement Learning）知识整理 [读论文] DeepPath: 知识图谱推理的强化学习方法
阅读全文
摘要：机器学习之蒙特卡洛方法 机器学习方法(八)：随机采样方法整理（MCMC、Gibbs Sampling等）
阅读全文
摘要：贝叶斯规划学习BPL ？深度强化学习： 机器学习的分支：深度学习和强化学习。 深度学习是一种机器学习中建模数据的隐含分布的多层表达的算法。换句话来说，深度学习算法自动提取分类中所需要的低层次或者高层次特征。因此深度学习能够更好的表示数据的特征，同时由于模型的层次、参数很多，容量也足够，因此，深度学习
阅读全文
摘要：参考链接： 频率学派和贝叶斯学派的参数估计 贝叶斯学派与频率学派有何不同？
阅读全文
摘要：LeNet-5模型的Python实现 https://zhuanlan.zhihu.com/p/36967486 pytorch实现LeNet5 https://blog.csdn.net/jeryjeryjery/article/details/79426907 手把手教你写一个用pytorch实
阅读全文
摘要：转载： https://zhuanlan.zhihu.com/p/22455079 玩转贝叶斯分析 开头先开个玩笑， 有人说“信贝爷， 得永生” 你是否理解此中真意？ 贝爷是这位， 生前是个神父。 贝叶斯分析是整个机器学习的基础框架， 它的思想之深刻远出一般人所认知的， 我们这里要从贝叶斯统计说起。
阅读全文
摘要：https://blog.csdn.net/qq_25762497/article/details/51052861 详解卷积神经网络（CNN） https://www.cnblogs.com/infaraway/p/8523341.html 经典卷积神经网络 （LeNet、AlexNet、VGG、
阅读全文
摘要：https://www.cnblogs.com/wxquare/p/5484636.html 机器学习之特征工程 https://www.cnblogs.com/infaraway/p/8645133.html 机器学习-特征工程基本流程
阅读全文
摘要：1 概述 支持向量机（support vector machines， SVM）简介 线性可支持向量机和硬间隔最大化 线性支持向量机和软间隔最大化 核方法与非线性SVM 序列最小最优化算法 2 SVM简介 2.1 SVM作者信息 著作： 2.2 SVM定义 二分类模型 SVM的学习策略就是间隔最大化
阅读全文
摘要：转自： https://www.cnblogs.com/cgmcoding/p/13274481.html
阅读全文
