腾讯云
开发者社区
文档
建议反馈
控制台
登录/注册
首页
学习
活动
专区
工具
TVP
最新优惠活动
文章/答案/技术大牛
搜索
搜索
关闭
发布
首页
学习
活动
专区
工具
TVP
最新优惠活动
返回腾讯云官网
机器学习算法与理论
专栏成员
举报
57
文章
76760
阅读量
28
订阅数
订阅专栏
申请加入专栏
全部文章(57)
其他(11)
机器学习(11)
人脸识别(10)
编程算法(10)
神经网络(9)
深度学习(8)
python(7)
人工智能(5)
图像识别(5)
tensorflow(4)
图像处理(4)
opencv(3)
github(2)
ubuntu(2)
开源(2)
强化学习(2)
面向对象编程(2)
kernel(2)
c++(1)
html(1)
oracle(1)
智能交通(1)
存储(1)
游戏(1)
erp(1)
决策树(1)
udp(1)
anaconda(1)
大数据(1)
安全(1)
数据分析(1)
物联网(1)
数据结构(1)
nat(1)
abstract(1)
methods(1)
sse(1)
搜索文章
搜索
搜索
关闭
TKDE|Foresee Urban Sparse Traffic Accidents: A Spatiotemporal Multi-Granularity Perspective
机器学习
神经网络
深度学习
人工智能
本文以交通事故预测为应用背景,提出了一个基于多源时空数据的多步、多粒度稀疏事件预测模型。其中集中归纳总结并缓解了时空稀疏问题、短期状态变化感知与多步预测问题。
微风、掠过
2020-11-26
1K
0
GCN现有变体不完全汇总(在时空数据挖掘中的应用)
数据结构
机器学习
神经网络
深度学习
人工智能
MixHop: Higher-Order Graph Convolutional Architectures via Sparsified Neighborhood Mixing
微风、掠过
2020-03-20
2K
0
【AAAI 2020】RiskOracle: 一种时空细粒度交通事故预测方法
oracle
智能交通
机器学习
神经网络
人工智能
【前言】城市计算领域中,智能交通、智慧出行一直是一备受关注的话题,而交通事故在交通中扮演越来越着重要的角色,据WHO统计,已逐渐成为人类第8大杀手。传统的基础交通动态元素流量、速度预测等不能完全等同于事故预测,因为事故分布更为零星,影响它的因素也更为复杂,包括天气、人为因素、路网显著的动态变化,区域之间的动态关联等,且存在数据量不足的问题。本文提出一种更为短期的交通事故预测框架,提出了多任务差分时变图卷积网络(Multi-task Differential Time-varying Graph convolution Network, Multi-task DTGN),旨在提升交通出行安全,推进数据赋能交通发展,并通过设计一更为专有化的神经网络,推动人工智能社区的进步,为城市计算、时空数据挖掘中的相似问题(如流感预测、犯罪侦测预测等)提供新的思路。
微风、掠过
2020-02-13
1.2K
0
Attention机制总结
机器学习
神经网络
深度学习
人工智能
策略梯度的强化学习技术 使得训练定位小框位置变得可能,在每次探索中,如果分类模块能正确预测,给与正反馈,强化对这个位置的选择,反之则给负反馈。
微风、掠过
2019-03-04
3.1K
0
【一文读懂】机器学习
机器学习
看到很多人都有写博客的习惯,现在开始实习了,也把之前写过的东西整理整理,发在这里,有兴趣的同学可以一起交流交流。文笔稚嫩,希望大家宽容以待! 机器学习是人工智能(AI,artificial intelligence)发展到一定阶段的必然产物。二十世纪五十年代到七十年代,人工智能为推理期,70年代中期之后,进入到知识期,在五十年代中后期,基于神经网络的“连接主义”(connection)学习开始出现,六七十年代,基于逻辑表示的“符号主义”(symbolism)学习技术蓬勃发展。到八
微风、掠过
2018-04-10
782
0
基于大数据的工业感知和网络控制技术综述
大数据
物联网
机器学习
erp
1工业感知和网络控制 随着物联网技术的发展,工业感知技术也不断进行进步,物联网包含感知层、网络层、应用层,所谓工业感知和网络控制,就是在工业生产过程中通过各种传感器对各个工业环节进行监测,获取数据,再通过局域网络将数据传输到应用端进行处理分析,最后对生产环节的优劣进行判断,最后做出决策,将动作施加在这些过程中,形成闭环系统对整个过程进行控制。控制网络(control network)是一个能够监控、传感和控制或能够控制环境为目的的网络节点的集合,这些生产设备终端就是一个具有控制功能的节点。数以万计的控制网
微风、掠过
2018-04-10
1.1K
0
《白话深度学习与Tensorflow》学习笔记(4)Deep Residual Networks
深度学习
tensorflow
机器学习
神经网络
深度残差网络:主要应用于计算机视觉——图像分类、语义分割(semantic segmentation)、目标检测(object detection),其主要是使用CNN进行改造。何恺明老师有一篇文献《Deep Residual Networks——Deep learning Gets Way Deeper》。 普通CNN网络的问题(plain network):一层的网络数据只能来源于前一层,网络越深,学习到的东西就越多,收敛速度越慢,时间越长,但是由于网络深度 加深而产生学习率变低,准确率无法提升(出现了
微风、掠过
2018-04-10
888
0
《白话深度学习与Tensorflow》学习笔记(1)
深度学习
机器学习
编程算法
tensorflow
刚入手一本《白话深度学习与Tensorflow》,哈哈,一直看深度学习很火,其实自己一知半解,都没有对这个领域进行一点系统的学习,现在准备看看这本书,开始入门。毕竟深度学习是大趋势,个个都说是个坑,个个都往里跳。。。趁着有时间,了解了解也无妨。 初步感觉这本书比周志华老师的《机器学习》稍微好懂一点,讲实例和大比方居多,当然也有公式支撑。整体还不错,讲了基本神经网络、CNN、RNN、LSTM、HMM、Deep Residual Network(深度残差网络)这些耳熟能详的模型。 所以,一边看,一边做做笔记,也
微风、掠过
2018-04-10
977
0
《白话深度学习与Tensorflow》学习笔记(5)强化学习(reinforcement learning)
深度学习
强化学习
机器学习
tensorflow
强化学习(reinforcement learning)本身是一种人工智能在训练中得到策略的训练过程。 有这样一种比喻:如果你教一个孩子学古筝,他可以躺着,趴着,坐着,用手弹,用脚弹,很大力气弹等等,如果他正确得到要领给他一颗糖表示奖励,如果不对抽他一下。在过程中让他自己慢慢总结规律。 模型核心就是训练他的行为策略。 Action:行为,做出的反应,或者输出。 Reward:反馈和奖励,即对行为之后所产生的结果的评价,如果是好的正向的,就给一个正的奖励,负面的就负的奖励(惩罚),其绝对值衡量了好坏的程度。
微风、掠过
2018-04-10
1.3K
0
基于机器学习的疲劳检测
机器学习
图像识别
首先,总结一下检测某一特征的方法: (1)模板匹配计算当前帧与模板相同位置处的灰度值或颜色值的差值,通过特定的距离公式来计算匹配程度。 稳定可靠与光照和姿势无关计算量大 (2)区域分割对面部区域进行二值化分割对孤立区域进行标示,再根据几何特征进行定位。(如连通面积等)。 运算量小噪声影响大 (3)对称变换法:DST方向对称变换计算量大 (4)灰度投影法:对人脸图像进行水平和垂直方向的投影,根据波峰波谷分布信息确定眼睛的位置。(将二维换到一维中去)定位速度较快受瞳孔灰度类似的眉毛或头发影响大。 (5)基于统
微风、掠过
2018-04-10
2.2K
0
核技巧
机器学习
关于映射到更高维平面的方法。 对数据进行某种形式的转换,从而得到新的变量来表示数据。从一个特征空间转换到另一个特征空间(特征空间映射)。 其实也就是另外一种距离计算的方法。空间变换后,在高维空间解决线
微风、掠过
2018-04-10
1.2K
0
没有更多了
社区活动
【纪录片】中国数据库前世今生
穿越半个世纪,探寻中国数据库50年的发展历程
立即查看
Python精品学习库
代码在线跑,知识轻松学
立即查看
博客搬家 | 分享价值百万资源包
自行/邀约他人一键搬运博客,速成社区影响力并领取好礼
立即体验
技术创作特训营·精选知识专栏
往期视频·千货材料·成员作品 最新动态
立即查看
领券
问题归档
专栏文章
快讯文章归档
关键词归档
开发者手册归档
开发者手册 Section 归档