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. 深度学习对自然语言语义的无监督学习

  2. 深度学习对自然语言语义的无监督学习 一种无监督的语句语义表示学习方法

  3. 所属分类：深度学习

    • 发布日期：2017-11-19
    • 文件大小：655360
    • 提供者：spanel

  1. 无监督学习方法以及应用

  2. 无监督学习是机器学习的一个重要分支，其在机器学习、数据挖掘、生物医学大数据分析、数据科学等领域有着重要地位。本书阐述作者近年在无监督学习领域所取得的主要研究成果，包括次胜者受罚竞争学习算法、K-means学习算法、K-medoids学习算法、密度学习算法、谱图聚类算法；*后介绍了无监督学习在基因选择、疾病诊断中的应用。

  3. 所属分类：机器学习

    • 发布日期：2018-06-03
    • 文件大小：90177536
    • 提供者：qq_33268231

  1. 高级人工智能PPT无监督学习.7z

  2. 高级人工智能PPT，章节无监督学习，共100多页，需要的自取

  3. 所属分类：讲义

    • 发布日期：2019-07-21
    • 文件大小：4194304
    • 提供者：qq_41581769

  1. 机器学习简介——监督学习、无监督学习

  2. 机器学习入门的可以看一看，作者呕心沥血整理的资源，学习的可以看一看，里面包括机器学习历年来的发展，机器学习的分支，传统机器学习算法和无监督学习，监督学习和强化学习相关定义等等

  3. 所属分类：机器学习

    • 发布日期：2020-06-04
    • 文件大小：1024
    • 提供者：weixin_38613873

  1. 有监督学习和无监督学习的比较

  2. 有监督学习和无监督学习的比较，主要是用于金融方面的预测

  3. 所属分类：金融

  1. 基于风量-风压复合特征的矿井通风系统阻变型故障诊断无监督学习模型

  2. 目前矿井通风系统阻变型故障诊断方法需要收集故障样本方可进行故障位置和故障量诊断，且故障位置诊断和故障量诊断需要分别建立对应分类和回归数学模型。针对矿井通风系统阻变型故障样本收集难度大和故障位置及故障量无法同时进行故障诊断的问题，将矿井通风系统阻变型故障诊断转换为最小欧氏距离的优化求解问题，提出一种无需样本参与训练的矿井通风系统阻变型故障诊断无监督学习模型，利用协方差矩阵自适应进化策略方法对无监督学习模型进行优化求解，实现分类与回归预测一体化。通过进行风量、风压单一特征和风量-风压复合特征的对比模

  3. 所属分类：其它

    • 发布日期：2020-07-25
    • 文件大小：1048576
    • 提供者：weixin_38693524

  1. 深度无监督学习的加州大学伯克利分校课程资源

  2. 深度无监督学习的加州大学伯克利分校课程资源PPT等。

  3. 所属分类：讲义

    • 发布日期：2020-12-30
    • 文件大小：163577856
    • 提供者：GGY1102

  1. 谷歌Hinton团队最新力作：让ImageNet无监督学习的指标提升了 7-10%，可媲美有监督学习的效果

  2. 如今，ImageNet上图像识别精度的性能提升通常一次只有零点几个百分点，而来自谷歌研究人员的最新研究，如图灵奖获得者杰弗里·辛顿（Geoffrey Hinton）已经将无监督学习的指数提高了7-10%，甚至可以与有监督学习的效果相媲美。 Geoffrey Hinton领导的研究小组最近提出的无监督SimCLR方法立即引起广泛关注： Geoffrey Hinton表明SimCLR是一种简单明了的方法，它允许人工智能在没有类标记的情况下学习可视化表示，并能达到有监督学习的精度。本文作者指出，在I

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：714752
    • 提供者：weixin_38683848

  1. ReinforcementLearning:强化学习代码，可帮助您了解无监督学习-源码

  2. 强化学习 强化学习代码，可帮助您了解无监督学习

  3. 所属分类：其它

    • 发布日期：2021-03-21
    • 文件大小：2048
    • 提供者：weixin_42099116

  1. Credit-Card-Customer-Segmentation:无监督学习技术，可根据客户的信用卡消费习惯将其划分为多个部分-源码

  2. 无监督学习技术，可根据客户的信用卡消费习惯将其划分为多个部分 本项目使用以下方法/技术： K-Means聚类可将客户划分为四（4）和八（8）个细分市场。 尺寸缩减的PCA和自动编码。 分层聚类技术（聚集聚类，桦木），密度聚类技术（DBScan）和高斯混合。 为了判断聚类的质量，我使用了轮廓分数和轮廓图。

  3. 所属分类：其它

    • 发布日期：2021-03-16
    • 文件大小：1048576
    • 提供者：weixin_42164702

  1. Unspupervised-Learning:关于无监督学习的所有事物的回购-源码

  2. 不受阻碍的学习 与无监督学习有关的所有事物的回购

  3. 所属分类：其它

    • 发布日期：2021-03-15
    • 文件大小：3072
    • 提供者：weixin_42097557

  1. Cryptocurrencies:使用无监督学习模型来分析加密货币数据-源码

  2. 加密货币 分析概述： 该项目的目的是使用无监督学习模型来评估加密货币数据，以向我们的客户问责制会计提供建议。 我们被要求分析和分组市场上的加密货币。 技术： 此项目中使用了以下无监督的机器学习工具：使用StandardScaler和MinMax Scaler的sklearn程序包，以帮助预处理数据，主成分分析以及最终的KMeans以及对加密货币进行聚类。 概括： 最初，我们创建了一个肘弯曲线以确定最佳的k值数量，并选择“ 4”，如下图所示： 接下来，我们运行K-means聚类并呈现此3D图

  3. 所属分类：其它

    • 发布日期：2021-03-08
    • 文件大小：2097152
    • 提供者：weixin_42127937

  1. 可变长度口语单元发现的连续密度HMM的无监督学习

  2. 可变长度口语单元发现的连续密度HMM的无监督学习

  3. 所属分类：其它

    • 发布日期：2021-03-06
    • 文件大小：190464
    • 提供者：weixin_38665775

  1. video_deepcluster:视频帧的无监督学习深度聚类技术-佛罗伦萨大学佛罗伦萨视觉和多媒体识别考试，意大利佛罗伦萨-源码

  2. video_deepcluster 视频帧的无监督学习深度聚类技术-佛罗伦萨大学佛罗伦萨视觉和多媒体识别考试，意大利佛罗伦萨

  3. 所属分类：其它

    • 发布日期：2021-03-06
    • 文件大小：43008
    • 提供者：weixin_42127369

  1. unsupervised_learning_crypto_investment:使用无监督学习对加密货币价格进行分析-源码

  2. unsupervised_learning_crypto_investment 使用无监督学习对加密货币价格进行分析

  3. 所属分类：其它

    • 发布日期：2021-03-06
    • 文件大小：856064
    • 提供者：weixin_42137028

  1. 无监督学习--K-means聚类算法学习-附件资源

  2. 无监督学习--K-means聚类算法学习-附件资源

  3. 所属分类：互联网

  1. 机器学习（二十）无监督学习-K-means算法-附件资源

  2. 机器学习（二十）无监督学习-K-means算法-附件资源

  3. 所属分类：互联网

  1. 隐马尔科夫模型(HMM)的无监督学习算法java实现（baum-welch迭代求解），包括串行以及并行实现-附件资源

  2. 隐马尔科夫模型(HMM)的无监督学习算法java实现（baum-welch迭代求解），包括串行以及并行实现-附件资源

  3. 所属分类：互联网

  1. 无监督学习车辆识别：vehicle.csv-源码

  2. 无监督学习车辆识别：vehicle.csv

  3. 所属分类：其它

    • 发布日期：2021-03-03
    • 文件大小：3145728
    • 提供者：weixin_42118011

  1. 无监督学习--K-means聚类算法学习-附件资源

  2. 无监督学习--K-means聚类算法学习-附件资源

  3. 所属分类：互联网

« 12 3 4 5 6 7 8 9 10 ... 38 »