机器学习原理

69 篇文章
28 人订阅

全部文章

DC童生

mysql数据库安装和使用

694
DC童生

知识图谱和可解释性深度学习的发展深度学习问题知识图谱为可解释提供依据利用知识图谱对可解释性应用知识图谱在可解释性上的困难

403
DC童生

关于知识图谱的几个问题

361
DC童生

知识图谱api调用

Wiki和google连不上网,这里中重点试了试CN-Dbpedia,比如,我想找一下苹果公司这个实体的三元组信息;

712
DC童生

知识图谱(1)——neo4j的安装下载相应的资源

Neo4j 是目前最流行的图形数据库,支持完整的事务,在属性图中,图是由顶点(Vertex),边(Edge)和属性(Property)组成的,顶点和边都可以设置...

661
DC童生

NLP(5)——基于依存分析的开放式中文实体关系抽取方法

前言:由于主要是涉及一些NLP的东西,所以将本文放到NLP里面。 前期学习的资料:

762
DC童生

知识图谱(2)——neo4j的用法

先了解各个命令的用法 创建一个节点 CREATE (ee:Person { name: "Emil", from: "Sweden", klout: 99 ...

631
DC童生

NLP(6)——命名实体识别

普通的工具如hanlp,htp,不能识别特定领域的专有名词,所以需要实体识别的算法。下面就以医疗专业为例子来谈一下医疗专业的命名实体识别。

722
DC童生

知识图谱构建

步骤如下: 1 实体识别NER(对专业实体进行分类标记,训练数据,从文中中实现自动抽取专业实体):https://www.jianshu.com/p/68b9...

852
DC童生

NLP(4)——用词向量技术简单分析红楼梦人物关系用n-gramma生成词向量word2vect进行模型训练

前言:出于种种原因,总是不自觉把爱好和工作相互结合起来,每每感叹于曹雪芹构思的巧妙,语言的精炼,情节的感人……于是蹦出想法,看机器能否读懂“宝黛”之间的爱情。

690
DC童生

NLP(3)——seq to seq

普通作弊的基础上,回顾上一刻的答案 4.学渣作弊(attention机制)

1052
DC童生

NLP(2)——中文分词分词的概念分词方法分类CRFHMM分词

上一篇文章提到了词向量的相关知识,可如何用计算机对一篇文章或者一些句子进行分词,从而让计算机更好理解句子呢?

1174
DC童生

深度学习——目标检测(2)Fast-RCNNFASTER RCNNRCNN网络的演进

前言:RCNN虽然能进行目标检测,但检测的精确度,尤其是速度方面太慢了,没秒才0.03帧。在RCNN基础上做了改进就有了FAST RCNN和FASTER RCN...

692
DC童生

深度学习——目标检测(1)什么是目标检测?RCNNRCNN的检测流程:Bounding-box回归

前言:深度学习在图像的应用中目标检测是最基本也是最常用的,下面介绍几种常见的目标检测算法或者模型

1072
DC童生

深度学习——目标检测(3)YOLO1SSD

前言:RCNN系列一般都是分为两个步骤,下面介绍one-stage方法,SSD和yolo算法 目标检测近年来已经取得了很重要的进展,主流的算法主要分为两个类型...

811
DC童生

深度学习(6)——卷积神经网络cnn层级结构CNN特点卷积神经网络-参数初始化卷积神经网络过拟合解决办法

1291
DC童生

深度学习(4)——BP算法感知器神经网络线性神经网络BP神经网络

762
DC童生

深度学习(5)——RBF算法简介

1083
DC童生

深度学习(3)——用tensorflow实现机器学习算法1实现线性回归实现逻辑回归

1176
DC童生

深度学习(1)——tensorflow简介什么是TensorFlow?什么是数据流图?安装基本概念示例变量的更新操作

1933

扫码关注云+社区