简介 称为递归神经网络 (RvNN) 的深度神经网络用于自然语言处理。当对结构化输入重复使用相同的权重以生成结构化预测时，我们就得到了递归神经网络。企业高管和 IT 专业人员必须了解递归神经网络是什么、它能做什么以及它是如何工作的。递归神经网络 作为机器学习和人工智能 (AI) 的一个分支，“深度学习”旨在复制人脑分析信息和学习某些概念的方式。深度学习的基础是由神经网络组成的。这些旨在... 阅读更多

简介 多元线性回归是一种关键的回归技术，它模拟了一个连续因变量与多个自变量之间的线性关系。线性回归算法有两类 - 简单 - 只处理两个特征。多元 - 同时处理两个以上的特征。在本文中，我们将详细探讨多元线性回归。多元线性回归 多元线性回归是一种常用的预测分析方法。使用这种分析，您可以理解一个连续因变量与两个或多个自变量之间的关系。自变量可以是... 阅读更多

简介 人工智能和机器学习领域的快速发展，使我们的机器越来越智能和独立。但这两个领域都非常复杂，深入了解它们需要时间和精力。回归和分类的方法，它们都属于机器学习中的预测，并使用标记数据集，被称为监督学习算法。但是，它们在处理机器学习问题的方式上有所不同。现在，让我们更详细地研究回归与分类。本文探讨了机器学习中回归与分类的定义、类型、区别和应用案例。回归... 阅读更多

简介 当我们想到机器人时，可能会想到科幻小说中的人形自动机。尽管这些在很大程度上仍然是想象出来的，但如今各种类型的机器人正在使用中。它们究竟将如何改变世界？机器人是能够独立感知、思考、计划和行动的设备。它们可以模仿人类行为，扩展人类能力并独立完成任务。单词“机器人”来自捷克语“robota”，意为强迫劳动。本文将探讨机器人的世界以及它们可能如何影响未来。关于机器人技术的主要框架 机器人技术的科学... 阅读更多

简介 在几乎所有手动操作都被机械化的世界里，手动操作的定义正在发生变化。如今，有许多不同类型的机器学习算法可用，其中一些可以帮助计算机学习、变得更智能，并更像人类。由于技术正在快速发展，通过观察计算机如何随着时间的推移而发生变化，可以预测未来。在这些极具活力的时代，已经开发了许多不同的机器学习算法来帮助解决现实世界中的复杂问题。自动的、自我校正的 ML 算法会随着时间的推移而改进。让我们看看各种类型... 阅读更多

简介 自动编码器是一种人工神经网络，用于无监督学习数据编码。自动编码器学习更高维数据的低维形式（编码），以便以低维形式学习更高维数据，通常用于降维。自动编码器 自动编码器在无监督机器学习领域非常有用。它们可以用来减少数据的大小并对其进行压缩。主成分分析 (PCA) 找到数据可以沿其外推且方差最小的方向，而自动编码器则从其压缩版本重建我们原始的输入，这两者彼此不同。如果... 阅读更多

简介 Kohonen 最初提出了自组织映射 (SOM) 的概念。因为它是一种无监督神经网络，使用无监督学习方法进行训练，以从训练样本的输入空间创建低维离散表示，因此它是一种减少数据维数的方法。这种表示通常被称为映射。本文将逐步介绍 Kohonen 映射入门指南，这是一种著名的自组织映射。首先，让我们定义什么是自组织映射。自组织映射 自组织映射，也称为 Kohonen 映射或 SOM，是... 阅读更多

简介 机器学习模型对于成功的 AI 实现至关重要，因为它们代表了人工智能的数学基础。我们 AI 的质量完全取决于为其提供动力的机器模型。我们需要一种方法来客观地评估机器学习模型的性能并确定它是否适合使用。如果我们有 ROC 曲线，那将非常有用。本文涵盖了我们需要了解的关于 ROC 曲线的所有内容。ROC 曲线 接收者操作特性 (ROC) 曲线是二元分类模型性能的图形表示。它绘制... 阅读更多

简介 人工智能 (AI) 的学习部分确实是机器学习领域的核心。算法代表一组数据，用于创建此学习组件。为了训练机器学习模型，某些数据集会通过算法发送。本文将定义机器学习中使用的术语“Epoch”，以及其他相关主题，如迭代、随机梯度下降。任何学习深度学习和机器学习或试图在该行业寻求职业发展的人员都必须熟悉这些术语。机器学习中的 Epoch 在机器学习中，Epoch 是... 阅读更多

引言 由于合格人才的需求不断增长、有吸引力的工作前景、商业应用、定制化和创新，学习机器学习 (ML) 和人工智能 (AI) 变得越来越重要。随着越来越多的企业采用 AI 和 ML 技术，需要能够设计、构建和维护这些系统的专业人士。除了在各个行业提供有吸引力的工作前景外，ML 和 AI 还可以帮助组织简化运营、做出数据驱动的决策，并提高生产力和盈利能力。此外，ML 和 AI 处于技术进步的前沿，可用于定制客户体验。人们可以 ... 阅读更多