注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 2017-2018年机器学习顶会优质论文集合

  2. 2017-2018年机器学习顶会优质论文集合 包含ACL EMNLP AAAI等优质会议期刊上的推荐论文集 涉及自然语言处理、推荐系统、强化学习等领域

  3. 所属分类：机器学习

    • 发布日期：2018-07-23
    • 文件大小：47185920
    • 提供者：u013511683

  1. 强化学习 阿里

  2. 第一章 基于强化学习的实时搜索排序策略调控 第二章 延迟奖赏在搜索排序场景中的作用分析 第三章 基于多智能体强化学习的多场景联合优化 第四章 强化学习在淘宝锦囊推荐系统中的应用 第五章 基于强化学习的引擎性能优化 第六章 基于强化学习分层流量调控 第七章 风险商品流量调控 第八章 虚拟淘宝 第九章 组合优化视角下基于强化学习的精准定向广告 OCPC 业务优化 第十章 策略优化方法在搜索广告排序和竞价机制中的应用 第十一章 TaskBot－阿里小蜜的任务型问答技术 第十二章 DRL导购－阿里小蜜

  3. 所属分类：机器学习

    • 发布日期：2018-08-07
    • 文件大小：17825792
    • 提供者：zzqstronger

  1. 强化学习在阿里的技术演进与业务创新

  2. 第一章 基于强化学习的实时搜索排序策略调控 第二章 延迟奖赏在搜索排序场景中的作用分析 第三章 基于多智能体强化学习的多场景联合优化 第四章 强化学习在淘宝锦囊推荐系统中的应用 第五章 基于强化学习的引擎性能优化 第六章 基于强化学习分层流量调控 第七章 风险商品流量调控 第八章 虚拟淘宝 第九章 组合优化视角下基于强化学习的精准定向广告 OCPC 业务优化 第十章 策略优化方法在搜索广告排序和竞价机制中的应用 第十一章 TaskBot－阿里小蜜的任务型问答技术 第十二章 DRL导购－阿里小蜜

  3. 所属分类：互联网

    • 发布日期：2018-02-06
    • 文件大小：19922944
    • 提供者：chowmin3410

  1. 阿里强化学习资料

  2. 第一章 基于强化学习的实时搜索排序策略调控 ；第二章 延迟奖赏在搜索排序场景中的作用分析；第三章 基于多智能体强化学习的多场景联合优化；第四章 强化学习在淘宝锦囊推荐系统中的应用；第五章 基于强化学习的引擎性能优化；第六章 基于强化学习分层流量调控；第七章 风险商品流量调控；第八章 虚拟淘宝；第九章 组合优化视角下基于强化学习的精准定向广告 OCPC 业务优化；第十章 策略优化方法在搜索广告排序和竞价机制中的应用；第十一章 TaskBot －阿里小蜜的任务型问答技术；第十二章 DRL 导购－阿

  3. 所属分类：深度学习

    • 发布日期：2018-11-28
    • 文件大小：19922944
    • 提供者：weixin_41906326

  1. Python-tensorflow实战练习包括强化学习推荐系统nlp等

  2. tensorflow实战练习，包括强化学习、推荐系统、nlp等

  3. 所属分类：其它

    • 发布日期：2019-08-11
    • 文件大小：99614720
    • 提供者：weixin_39841856

  1. 强化学习-阿里应用.zip

  2. 基于强化学习的实时搜索排序策略调控， 延迟奖赏在搜索排序场景中的作用分析， 强化学习在淘宝锦囊推荐系统中的应用等12个业务应用

  3. 所属分类：深度学习

    • 发布日期：2020-02-27
    • 文件大小：17825792
    • 提供者：qq_41348002

  1. 基于强化学习的商品推荐系统.docx

  2. 商品推荐系统是当下机器学习算法应用中比较成熟的一个场景，当我们打开浏览器进入电商网站时，都可以看到在侧框出现的商品推荐。这些推荐的背后可能是很复杂的框架，如基于用户画像和历史购买数据的推荐引擎，也可能是简单的按照人群划分的一类推荐。推荐系统作为电商购物系统的重要组成部分，本文就利用推荐算法—协同过滤，搭建一套商品推荐系统。

  3. 所属分类：算法与数据结构

    • 发布日期：2020-06-02
    • 文件大小：168960
    • 提供者：qq_35066900

  1. holbertonschool-machine_learning:机器学习-源码

  2. 机器学习 这是霍尔伯顿学校的机器学习（ML）培训计划，分为三个学期。从一些数学开始，然后在实践练习中深入学习各种技巧（监督，无监督，强化）。 课程的一些主题： 头三个学期 数学： 线性代数简介 微积分简介 绘图简介 概论 监督学习： 二进制分类 多类别分类 优化技术 正则化技术 卷积神经网络 深度卷积架构 物体检测 人脸验证 神经风格转移 第二学期 数学： 高级线性代数 进阶机率 无监督学习： 降维 聚类 嵌入 自动编码器 生成对抗网络 超参数优化 隐马尔可夫模型 监督学习： 递归神经网络 变形

  3. 所属分类：其它

    • 发布日期：2021-03-18
    • 文件大小：1048576
    • 提供者：weixin_42176827

  1. team-learning-program:主要存储Datawhale组队学习中的“编程，数据结构与算法”方向的资料-源码

  2. 简介 本项目主要存储Datawhale组队学习中的“编程，数据结构与算法”方向的资料。 主要包括： 备注 有关组队学习的开源内容 ：主要展示Datawhale的组队学习计划。 ：主要存储Datawhale组队学习中“编程，数据结构与算法”方向的资料。 ：主要存储Datawhale组队学习中“数据挖掘/机器学习”方向的资料。 ：主要存储Datawhale组队学习中“自然语言处理”方向的资料。 ：主要存储Datawhale组队学习中“计算机视觉”方向的资料。 ：主要存储Data

  3. 所属分类：其它

    • 发布日期：2021-03-18
    • 文件大小：4194304
    • 提供者：weixin_42136826

  1. DataScienceCourse:数据科学–第2阶段最终入门课程-源码

  2. 数据科学课程 数据科学–第2阶段最终入门者课程第1部分-机器学习和数据分析 本课程的目的是教学生如何进行End-2-End数据科学项目，从问题定义，数据获取，整理和建模到分析，可视化以及部署和维护模型 本课程适用于对学习数据科学感兴趣的任何人-分析师，程序员，非技术专业人员，学生等 End 2 End Data科学课程将分为4部分，第1部分是涵盖机​​器学习和数据分析的初学者课程，第2部分将涵盖中级机器学习技术–深度学习和NLP（自然语言处理），第3部分将涵盖数据工程–数据库和大数据工具（Had

  3. 所属分类：其它

    • 发布日期：2021-03-17
    • 文件大小：3145728
    • 提供者：weixin_42121725

  1. team-learning-data-mining:主要存储Datawhale组队学习中“数据挖掘机器学习”方向的资料-源码

  2. 简介 本项目主要存储Datawhale组队学习中的“数据挖掘/机器学习”方向的资料。 主要包括： 备注 有关组队学习的开源内容 ：主要展示Datawhale的组队学习计划。 ：主要存储Datawhale组队学习中“编程，数据结构与算法”方向的资料。 ：主要存储Datawhale组队学习中“数据挖掘/机器学习”方向的资料。 ：主要存储Datawhale组队学习中“自然语言处理”方向的资料。 ：主要存储Datawhale组队学习中“计算机视觉”方向的资料。 ：主要存储Dataw

  3. 所属分类：其它

    • 发布日期：2021-03-17
    • 文件大小：73400320
    • 提供者：weixin_42139252

  1. LIRD:电影深度强化学习推荐系统-源码

  2. LIRD：基于深度强化学习的“明智”推荐框架 电影深度强化学习推荐系统 这篇文章的重新实现：深强化学习的名单明智的建议- 原始源代码： :

  3. 所属分类：其它

    • 发布日期：2021-03-11
    • 文件大小：857088
    • 提供者：weixin_42129970

  1. AI-Projects:AI项目（强化学习，深度学习，计算机视觉，推荐系统，自然语言处理，机器导航，医学影像处理）-源码

  2. 人工智能项目 机器学习 深度学习 深度强化学习 计算机视觉 1.1拐角检测1.2找到内在矩阵1.3查找外在矩阵1.4找到失真矩阵 4.1显示关键点4.2显示匹配的关键点4.3 推荐系统 机器人导航 医学影像

  3. 所属分类：其它

    • 发布日期：2021-03-11
    • 文件大小：800063488
    • 提供者：weixin_42172972

  1. 在线学习系统中的概念感知型深层知识追踪和锻炼推荐

  2. 个性化的教育系统根据学生加速学习的能力向他们推荐学习内容学习。此处提出了一种用于在线自我指导学习的个性化运动建议系统。我们首先提高了知识跟踪模型的性能。现有的深度知识跟踪模型，例如动态键值存储网络（DKVMN），请忽略练习”概念标签，通常在补习系统中可用。我们评估了五年级的模型学生的数学运动数据集，TAL中最大的一个中国的教育团体，发现我们的模型具有比现有模型更高的性能。我们也增强了DKVMN模型可支持更多输入功能并获得更高的性能。其次，我们使用模型来构造一个学生模拟器，并使用它来训练具有深度强

  3. 所属分类：其它

    • 发布日期：2021-03-08
    • 文件大小：408576
    • 提供者：weixin_38732842

  1. Reinforcement-Learning-Approach-to-Autonomous-Race-Car2:强化学习方法助力无人方程式学生技术-源码

  2. 自主赛车的强化学习方法 增强学习方法，用于“ Formula Student Technion无人驾驶”项目，该项目在具有AirSim插件的虚幻引擎4中使用Soft Actor Critic（SAC）算法和变体自动编码器（VAE）进行了模拟。 先决条件 作业系统：Ubuntu 18.04 or Windows 10 软体：Unreal Engine 4.24.3 GPU：Nvidia GTX 1080或更高版本（推荐） 如何建造 通过单击此链接 ， 设置虚幻引擎4，AirSim和FSTD环境

  3. 所属分类：其它

    • 发布日期：2021-03-07
    • 文件大小：10485760
    • 提供者：weixin_42101384

  1. tensorflow_practice：tensorflow实战练习，包括强化学习，推荐系统，nlp等-源码

  2. Tensroflow练习 相关数据集下载地址：链接： ://pan.baidu.com/s/1GMv7_3qruoVZBJMvN-afGA密码：ako7基于tf1.4 目录 1，基础 2，自然语言相关 3，强化学习相关 4，推荐系统 5，甘 推荐阅读 1，基础2，自然语言相关 3，强化学习相关 4，推荐系统5，甘

  3. 所属分类：其它

    • 发布日期：2021-02-21
    • 文件大小：99614720
    • 提供者：weixin_42165508

  1. machine-learning-uiuc：:desktop_computer:CS446：2018年Spring机器学习，伊利诺伊大学香槟分校-源码

  2. 目录： 课程信息： 机器学习的目标是构建可以适应数据并从中学习的计算机系统。 在本课程中，我们将涵盖三个主要领域： 判别模型 生成模型 强化学习模型 特别是，我们将介绍以下内容： 线性回归 逻辑回归 支持向量机 深网 结构化方法 学习理论 k均值 高斯混合 期望最大化 马尔可夫决策过程 Q学习 先决条件： Python中的概率，线性代数和熟练程度。 推荐文字： 讲师： Alexander Schwing，网站 Matus Telgarsky，网站 作业 作业1：简介+ Python-

  3. 所属分类：其它

    • 发布日期：2021-02-06
    • 文件大小：250609664
    • 提供者：weixin_42168902

  1. Repo-2017：使用Keras和Theano进行机器学习，NLP，深度学习和强化学习中的Python代码-源码

  2. 数据科学中的Python代码 NLP，深度学习，强化学习和人工智能中的代码 欢迎来到我的GitHub存储库。 我是一名数据科学家，并且用R，Python和Wolfram Mathematica编写代码。 在这里，您将找到我开发的一些机器学习，深度学习，自然语言处理和人工智能模型。 在我的投资组合中可以看到模型的输出： : 模型中使用的Keras版本：keras == 1.1.0 音频自动编码器是一个模型，在该模型中，我压缩了音频文件，并使用自动编码器来重建音频文件，以用于音素分类。 协

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：42991616
    • 提供者：weixin_42175776

  1. recsim：可配置的推荐系统仿真平台-源码

  2. RecSim：可配置的推荐系统仿真平台 RecSim是一个可配置平台，用于为推荐系统（RS）编写仿真环境，该系统自然支持与用户的顺序交互。 RecSim允许创建新的环境，该环境以抽象级别反映用户行为和项目结构的特定方面，非常适合在顺序交互式推荐问题中突破当前强化学习（RL）和RS技术的限制。 可以轻松配置各种环境，这些环境可以改变以下假设：用户偏好和项目熟悉度； 用户潜在状态及其动态； 选择模型和其他用户响应行为。 我们概述了RecSim如何为RL和RS研究人员和从业者提供价值，以及它如何充当学

  3. 所属分类：其它

    • 发布日期：2021-02-02
    • 文件大小：1048576
    • 提供者：weixin_42128015

  1. 深度强化学习算法与应用研究现状综述

  2. 深度强化学习主要被用来处理感知-决策问题，已经成为人工智能领域重要的研究分支。概述了基于值函数和策略梯度的两类深度强化学习算法，详细阐述了深度Q网络、深度策略梯度及相关改进算法的原理，并综述了深度强化学习在视频游戏、导航、多智能体协作以及推荐系统等领域的应用研究进展。最后，对深度强化学习的算法和应用进行展望，针对一些未来的研究方向和研究热点给出了建议。

  3. 所属分类：机器学习

    • 发布日期：2021-01-19
    • 文件大小：2097152
    • 提供者：syp_net
« 12 »