腾讯云
开发者社区
文档
建议反馈
控制台
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
登录/注册
首页
学习
活动
专区
工具
TVP
最新优惠活动
返回腾讯云官网
数据魔术师
专栏作者
举报
290
文章
734182
阅读量
202
订阅数
订阅专栏
申请加入专栏
全部文章(290)
编程算法(158)
神经网络(38)
深度学习(36)
人工智能(28)
机器学习(27)
c++(23)
https(22)
网络安全(19)
python(18)
其他(13)
java(12)
强化学习(11)
数据分析(10)
matlab(9)
linux(8)
腾讯云测试服务(8)
http(7)
腾讯会议(7)
游戏(6)
推荐系统(6)
大数据(6)
微信(6)
机器人(6)
com(5)
对象存储(4)
tensorflow(4)
sql(4)
图像识别(4)
numpy(4)
面向对象编程(4)
数据结构(4)
腾讯云开发者社区(4)
.net(3)
数据库(3)
打包(3)
开源(3)
爬虫(3)
监督学习(3)
policy(3)
vr(3)
费用中心(2)
人脸识别(2)
自动驾驶(2)
数据挖掘(2)
php(2)
c#(2)
jsp(2)
css(2)
html(2)
json(2)
ide(2)
api(2)
spring(2)
企业(2)
智慧物流(2)
vr 视频解决方案(2)
存储(2)
自动化(2)
无人驾驶(2)
opencv(2)
决策树(2)
tcp/ip(2)
windows(2)
gradient(2)
time(2)
window(2)
二维码(2)
数据(2)
优化(2)
区块链(1)
javascript(1)
scala(1)
bootstrap(1)
xml(1)
云数据库 SQL Server(1)
eclipse(1)
git(1)
github(1)
ubuntu(1)
apache(1)
mapreduce(1)
云直播(1)
访问管理(1)
图像处理(1)
网站(1)
高性能计算(1)
金融(1)
工业物联(1)
分布式(1)
黑客(1)
卷积神经网络(1)
正则表达式(1)
erp(1)
线性回归(1)
aop(1)
无监督学习(1)
anaconda(1)
安全(1)
小程序(1)
数据处理(1)
物联网(1)
特征工程(1)
模型测试(1)
学习方法(1)
验证码(1)
action(1)
agent(1)
analytics(1)
average(1)
backup(1)
coding(1)
data(1)
distribution(1)
dt(1)
evaluation(1)
field(1)
fs(1)
function(1)
getelementbyid(1)
gis(1)
gurobi(1)
image(1)
implementation(1)
innerhtml(1)
iteration(1)
jit(1)
key(1)
map(1)
model(1)
models(1)
mpi(1)
pdf(1)
production(1)
ps(1)
replace(1)
root(1)
send(1)
service(1)
spaces(1)
status(1)
swap(1)
tensor(1)
tree(1)
产品(1)
产品设计(1)
集合(1)
进程(1)
论文(1)
通信(1)
搜索文章
搜索
搜索
关闭
论文拾萃|用子集和、集合覆盖及遗传算法解决可变尺寸装箱(VSBPP)问题(JAVA)
机器学习
神经网络
深度学习
人工智能
编程算法
参考文献:“Heuristics for the variable sized bin-packing problem”, Mohamed Haouari, Mehdi Serairi, Computers & Operations Research Volume 36, Issue 10, October 2009, Pages 2877-2884. 1 问题描述 1 可变尺寸装箱问题 可变尺寸装箱问题(Variable Sized Bin Packing Problem, 简称VSBPP)是著名的
用户1621951
2022-08-25
1.2K
0
数据魔术师推荐适合2021级(大一)本科生学习推文列表
c++
机器学习
神经网络
深度学习
人工智能
此部分学习内容适合工业工程,管理科学与工程,信息管理,物流管理,系统工程等相关专业的2021级(大一)本科生。只需要有C++,Java编程基础即可,不需要任何数学基础,也不需要运筹学基础,推文由简到难递进,适合自学!大一可以把这些文章掌握,你就真正入门决策优化算法这个领域了。 在朋友圈转发此推文,并且集齐20个赞,可被邀请加入数据魔术师2021级本科学习交流群,会有高年级本科生,硕士生、博士生和老师在群里提供指导和讨论。入群方式见文末! 干货 | 用模拟退火(SA, Simulated
用户1621951
2022-04-13
723
0
论文拾萃|多目标A*算法解决多模式多目标路径规划问题(MMOPP)
机器学习
神经网络
深度学习
人工智能
编程算法
1引言 多目标决策在现实生活中有着普遍的应用。解决一个多目标最优化问题需要同时考虑多个往往会相互冲突的目标。在大多数情况下,想要同时达到每个目标的最优情况是不现实的。因此,解决多目标最优化问题的目标是找到尽可能多的、权衡各个目标的解,以此方便决策者在发现的解中做出合理的抉择。 假设我们研究的多目标优化问题可以表示如下: 最小化 其中 表示个需要同时最小化的实值函数,决策空间在函数上的映射为目标空间,记为。由此,每一个可行解就对应一个M维目标向量. 若对向量和向量,对所有的 ,有,且对若干 ,有,则称绝对
用户1621951
2022-03-04
2.3K
0
调用OR-Tools求解器求解装箱问题
机器学习
神经网络
深度学习
人工智能
编程算法
今天小编将继续前几篇关于OR-Tools求解器的内容,为大家介绍如何调用该求解器求解装箱问题。
用户1621951
2021-09-02
1.8K
1
深度学习实战之布匹缺陷检测
编程算法
机器学习
开源
深度学习
图像识别
缺陷检测是工业上非常重要的一个应用,由于缺陷多种多样,传统的机器视觉算法很难做到对缺陷特征完整的建模和迁移,复用性不大,要求区分工况,这会浪费大量的人力成本。深度学习在特征提取和定位上取得了非常好的效果,越来越多的学者和工程人员开始将深度学习算法引入到缺陷检测领域中。
用户1621951
2021-07-15
3K
1
为什么AI无法解决一般智能问题?
机器学习
深度学习
神经网络
强化学习
监督学习
但大家都同意的是,目前的人工智能系统与人类的智力相去甚远。直接表现是:AI只在特定任务中表现优异,无法将其能力扩展到其他领域。
用户1621951
2021-05-11
426
0
快乐去学习「快乐机器学习」
机器学习
监督学习
无监督学习
深度学习
神经网络
深度学习只是一种方法,而不是任务模式,因此与上面四类不属于同一个维度,但是深度学习与它们可以叠加成:深度有监督学习、深度非监督学习、深度半监督学习和深度增强学习。迁移学习也是一种方法,也可以分类为有监督迁移学习、非监督迁移学习、半监督迁移学习和增强迁移学习。
用户1621951
2020-06-09
704
0
柔性作业车间调度问题(Flexible Job-shop Scheduling Problem, 简称为FJSP)
机器学习
神经网络
深度学习
人工智能
jsp
(Flexible Job-shop Scheduling Problem, 简称为FJSP)
用户1621951
2020-06-01
14.6K
1
美团技术团队|基于神经网络StarNet的行人轨迹交互预测算法
编程算法
机器学习
深度学习
人工智能
民以食为天,如何提升超大规模配送网络的整体配送效率,改善数亿消费者在”吃“方面的体验,是一项极具挑战的技术难题。面向未来,美团正在积极研发无人配送机器人,建立无人配送开放平台,与产学研各方共建无人配送创新生态,希望能在一个场景相对简单、操作高度重复的物流配送中,提高物流配送效率。在此过程中,美团无人配送团队也取得了一些技术层面的突破,比如基于神经网络StarNet的行人轨迹交互预测算法,论文已发表在IROS 2019。IROS 的全称是IEEE/RSJ International Conference on Intelligent Robots and Systems,IEEE智能机器人与系统国际会议,它和ICRA、RSS并称为机器人领域三大国际顶会。
用户1621951
2019-11-26
1.1K
0
干货|遗传算法解决带时间窗的车辆路径规划问题(附java代码及详细注释)
机器学习
神经网络
深度学习
人工智能
编程算法
各位读者大家好,今天小编给大家分享如何用遗传算法求解带时间窗的车辆路径规划问题。算法的主要思想来自于论文:A simple and effective evolutionary algorithm for the vehicle routing problem。在实现用遗传算法解VRPTW的过程中,小编一直在被生成了很多不可行解修复很困难而困扰,而这篇论文中所提出的算法恰好就避免了不可行解的处理,那么究竟是如何实现避免讨论不可行解的呢?接着读完这篇推文就能明白了~
用户1621951
2019-10-23
3K
17
数模竞赛|数学建模比赛该如何准备?
机器学习
神经网络
深度学习
人工智能
matlab
作者介绍:苗枫,华中科技大学管理学院18级博士研究生,本科时全国大学生数学建模国赛一等奖,并多次带队获得美国数学建模竞赛一等奖
用户1621951
2019-10-18
2.4K
0
干货 | 【算法】粒子群算法Particle Swarm Optimization超详细解析+代码实例讲解
机器学习
神经网络
深度学习
人工智能
编程算法
这俗话说啊,早起的鸟儿有虫吃,早起的虫儿被鸟吃。而这个鸟抓虫子这个事儿啊,就像当初砸醒牛顿的苹果一样,居然也启发了两位博士,研究出了有用的大道理。那么,今天小编就带领大家,一起来看看这个让人好奇的大道理 -- 粒子群算法,究竟是个什么东西吧。
用户1621951
2019-10-18
1.9K
0
Python AI 教学 |决策树绘制函数介绍
决策树
机器学习
神经网络
深度学习
人工智能
前面的推文Python AI 教学 | 决策树算法及应用中我们已经介绍了如何从数据集中创建树,我们是用字典类型来存储决策树的,然而字典的表示形式非常不易于理解,决策树的主要优点就是直观易于理解,如果不能将其直观地显示出来,就无法发挥其优势。鉴于Python 并没有提供绘制树的工具,本期我们将介绍使用Matplotlib库来创建树形图。Matplotlib库是Python优秀的数据可视化第三方库,下面我们通过具体的算法实现来感受Matplotlib库的绘图魅力。
用户1621951
2019-10-18
1.2K
0
Python AI 教学│k-means聚类算法及应用
编程算法
机器学习
假如有这样一种情况,在一天你想去某个城市旅游,这个城市里你想去的有70个地方,现在你只有每一个地方的地址,这个地址列表很长,有70个位置。事先肯定要做好攻略,你要把一些比较接近的地方放在一起组成一组,这样就可以安排交通工具抵达这些组的“某个地址”,然后步行到每个组内的地址。那么,如何确定这些组,如何确定这些组的“某个地址”?答案就是聚类。而本文所提供的k-means聚类分析方法就可以用于解决这类问题。
用户1621951
2019-10-18
1K
0
Python AI 教学 | 决策树算法及应用
决策树
机器学习
神经网络
深度学习
人工智能
决策树是一种简单高效并且具有强解释性的模型,广泛应用于数据分析领域。其本质是一颗由多个判断节点组成的树,可以是二叉树或非二叉树。其每个非叶节点表示一个特征属性上的测试,每个分支代表这个特征属性在某个值域上的输出,而每个叶节点存放一个类别。
用户1621951
2019-10-18
719
0
Python AI 教学 | 主成分分析(PCA)原理及其应用
python
编程算法
机器学习
神经网络
深度学习
假如你是一家淘宝店店主,你所负责运营的淘宝店2018年全年的流量及交易情况可以看成是一组记录的集合,其中每一天的数据是一条记录,(日期,浏览量,访客数,下单数,成交数,成交金额),这是一个六维的数据,但我们可以发现,“浏览量”和“访客数”往往具有较强的相关关系,而“下单数”和“成交数”也具有较强的相关关系,如果删除其中一个指标,不会丢失太多信息。我们知道,很多机器学习算法的复杂度和数据的维数有着密切关系,甚至与维数呈指数级关联。在实际机器学习中处理成千上万甚至几十万维的情况也并不罕见,在这种情况下,机器学习的资源消耗是不可接受的,因此我们必须对数据进行降维。但降维意味着信息的丢失,不过鉴于实际数据(如上面所述的淘宝店数据)本身常常存在的相关性,我们可以想办法在降维的同时将信息的损失尽量降低,这就是我们要介绍的降维方法——PCA(主成分分析法)。
用户1621951
2019-10-18
1.3K
0
代码 | 自适应大邻域搜索系列之(3) - Destroy和Repair方法代码实现解析
aop
机器学习
神经网络
深度学习
人工智能
不过碍于文章篇幅等原因呢,也不会每一行代码都进行讲解,那些简单的代码就跳过了,相信大家也能一眼就看懂。好了,废话不多说,开始干活吧。
用户1621951
2019-10-18
520
0
干货 | 变邻域搜索算法解决0-1背包问题(Knapsack Problem)代码实例
c++
编程算法
机器学习
神经网络
深度学习
经过小编这几天冒着挂科的风险,日日修炼,终于赶在考试周中又给大家更新了一篇干货文章。关于用变邻域搜索解决0-1背包问题的代码。怎样,大家有没有很感动?
用户1621951
2019-10-18
1.8K
0
机器学习 |使用Tensorflow和支持向量机创建图像分类引擎
图像识别
机器学习
深度学习
人工智能
为了了解图像识别,小编阅读了很多文章,并将其中一篇英文文献翻译出来,重现文献中的实践步骤,而这篇推文则是小编翻译原文并重现的成果(魔术师提供文献相关的所有技术资料,公众号后台回复【图像识别】,即可获取源代码下载链接~~)
用户1621951
2019-10-18
670
0
机器学习|模型选择之划分数据集及Sklearn实现
机器学习
神经网络
深度学习
人工智能
spring
直接将数据集D划分为两个互斥的集合:训练集S和测试集T(D = S∪T,S∩T = ∅),在S上训练模型,用T来评估其测试误差。
用户1621951
2019-10-18
2.1K
0
点击加载更多
社区活动
腾讯技术创作狂欢月
“码”上创作 21 天,分 10000 元奖品池!
立即发文
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