全部 人工智能學(xué)科動態(tài) 人工智能技術(shù)資訊 人工智能常見問題 技術(shù)問答

• • 

    yolo算法：基礎(chǔ)概念和Yolo網(wǎng)絡(luò)結(jié)構(gòu)

    YOLO系列算法是一類典型的one-stage目標(biāo)檢測算法，其利用anchor box將分類與目標(biāo)定位的回歸問題結(jié)合起來，從而做到了高效、靈活和泛化性能好，所以在工業(yè)界也十分受歡迎，接下來我們介紹YOLO 系列算法。 查看全文>>

    人工智能技術(shù)資訊2022-12-07 |傳智教育 |什么是yolo算法,Yolo網(wǎng)絡(luò)結(jié)構(gòu)

  • 

    什么是冒泡排序？冒泡排序算法的實(shí)現(xiàn)過程

    不斷地交換下去就可以將最大的那個數(shù)放到隊(duì)列的尾部。然后重頭再次交換，直到將數(shù)列排成有序數(shù)列。接下來我們以以數(shù)列[5, 9, 3, 1, 2, 8, 4, 7, 6]為例，演示冒泡排序的實(shí)現(xiàn)過程，最初的數(shù)列順序如下圖所示： 查看全文>>

    人工智能技術(shù)資訊2022-11-16 |傳智教育 |冒泡排序,冒泡算法

  • 

    怎樣進(jìn)行算法的復(fù)雜度分析？

    ?復(fù)雜度分析是估算算法執(zhí)行效率的方法，公式O(f(n))表示算法的復(fù)雜度，此方法即為大O復(fù)雜度表示法O(f(n))中n表示數(shù)據(jù)規(guī)模，f(n)表示運(yùn)行算法所需要執(zhí)行的指令數(shù)。下面的代碼非常簡單,求 1,2,3…n 的累加和，我們要做的是估算它的執(zhí)行效率。 查看全文>>

    人工智能技術(shù)資訊2022-10-19 |傳智教育 |算法復(fù)雜度分析

  • 

    SVM算法：硬間隔和軟間隔的分類

    使用超平面進(jìn)行分割數(shù)據(jù)的過程中，如果我們嚴(yán)格地讓所有實(shí)例都不在最大=大間隔之間，并且位于正確的一邊，這就是硬間隔分類。硬間隔分類有兩個問題，首先，它只在數(shù)據(jù)是線性可分離的時候才有效;其次，它對異常值非常敏感。 查看全文>>

    人工智能技術(shù)資訊2022-09-07 |傳智教育 |SVM算法,硬間隔和軟間隔

  • 

    AI深度學(xué)習(xí)NLP自然語言處理零基礎(chǔ)教程

    本課程采用由淺入深,層層遞進(jìn)的講解方式. 在解析理論算法的同時, 更加注重代碼實(shí)踐. 每一個知識點(diǎn), 每一個專題都以代碼驅(qū)動, 案例終結(jié). 讓學(xué)生們學(xué)懂, 學(xué)通, 學(xué)會. 查看全文>>

    人工智能技術(shù)資訊2022-07-15 |傳智教育 |NLP自然語言處理零基礎(chǔ)教程

  • 

    人工智能算法進(jìn)階：SOM聚類的應(yīng)用

    SOM 即自組織映射，是一種用于特征檢測的無監(jiān)督學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)。它模擬人腦中處于不同區(qū)域的神經(jīng)細(xì)胞 分工不同的特點(diǎn)，即不同區(qū)域具有不同的響應(yīng)特征，而且這一過程是自動完成的。SOM 用于生成訓(xùn)練樣本的低維 空間，可以將高維數(shù)據(jù)間復(fù)雜的非線性統(tǒng)計(jì)關(guān)系轉(zhuǎn)化為簡單的幾何關(guān)系，且以低維的方式展現(xiàn)，因此通常在降維問題中會使用它。 查看全文>>

    人工智能技術(shù)資訊2022-07-14 |傳智教育 |SOM聚類

  • 

    什么是算法？算法的5個特性

    算法（algorithm）是解決特定問題的步驟描述，通俗地講，算法就是描述解決問題步驟的方法。例如，新學(xué)期開學(xué)，從家到學(xué)校的交通方式這個問題就有很多解決方案：有的學(xué)生乘坐火車，有的學(xué)生乘坐汽車，有的學(xué)生乘坐飛機(jī)，在本市的可能會自己開車或乘坐公共汽車，離學(xué)校近的可能會步行來學(xué)校。這里每一種方案就是一種算法，這么多解決方法就是這么多種算法。 查看全文>>

    人工智能技術(shù)資訊2022-06-01 |傳智教育 |什么是算法,算法是什么,算法的特性

  • 

    kd樹是什么？kd樹的原理【機(jī)器學(xué)習(xí)課程】

    kd樹(K-dimension tree)是一種對k維空間中的實(shí)例點(diǎn)進(jìn)行存儲以便對其進(jìn)行快速檢索的樹形數(shù)據(jù)結(jié)構(gòu)。kd樹是一種二叉樹，表示對k維空間的一個劃分，構(gòu)造kd樹相當(dāng)于不斷地用垂直于坐標(biāo)軸的超平面將K維空間切分，構(gòu)成一系列的K維超矩形區(qū)域。kd樹的每個結(jié)點(diǎn)對應(yīng)于一個k維超矩形區(qū)域。利用kd樹可以省去對大部分?jǐn)?shù)據(jù)點(diǎn)的搜索，從而減少搜索的計(jì)算量。 查看全文>>

    人工智能技術(shù)資訊2022-04-26 |傳智教育 |kd樹是什么,kd樹的原理

  << < 1 2 3 4 5 6 7 8 9 10 > >>