發(fā)簡信
IP屬地：安徽
-
-
-
可逆神經(jīng)網(wǎng)絡(luò) Invertible Neural Networks我們常常遇到這樣的問題：給出一系列測(cè)量值，如何確定隱式參數(shù)？以配色為例并巍，即給出標(biāo)準(zhǔn)樣的光譜反射率曲線浓镜，如何確定配色配方溃列。通常，從參數(shù)到測(cè)量空間的前向過程是明確定義的函數(shù)膛薛，而反...
-
-
寫一些需要用到的小技巧增淹，比如怎么用p4vasp椿访、怎么建表面模型之類的。雖然都非常簡單虑润，但是每次查找也是比較浪費(fèi)時(shí)間成玫，記錄在這里，也是一種分享拳喻。
-
-
一個(gè)喜歡編程、詩歌的數(shù)學(xué)愛好者
-
人工智能發(fā)展的歷史軌跡怎樣？ 發(fā)展趨勢(shì)怎樣捌归？ 什么是智能肛响？ 人工智能技術(shù)的方向在哪里？ 未來會(huì)怎樣惜索？ 我們的工作生活將發(fā)生怎樣變化特笋？ 我們?cè)撊绾螒?yīng)對(duì)？ 如何在未來取得自己的競爭優(yōu)勢(shì)巾兆？ ---------- 每個(gè)人都應(yīng)知道的人工智能知識(shí)猎物， 每個(gè)人都能看懂的技術(shù)內(nèi)容。 全部文章完全原創(chuàng)角塑，歡迎轉(zhuǎn)載交流~
-
不要做落葉吉拳，做一棵樹
-
一次完整的數(shù)據(jù)挖掘的過程任務(wù)描述 kaggle 案例 california-housing-priceshttps://www.kaggle.com/camnugent/california-hou...
-
增強(qiáng)機(jī)器學(xué)習(xí)模型性能——深入理解隨機(jī)森林（RandomForest）和 Dropout的原理要想了解如何增強(qiáng)機(jī)器學(xué)習(xí)模型性能，我們需要知道如何降低模型的誤差适揉。所以首先我們必須明白模型誤差是由偏差（Bias）和方差（Variance）組成的留攒。偏差是指樣本預(yù)測(cè)值的平均值...
