腾讯云开发者社区-腾讯云

开发者社区

文档建议反馈控制台

最新优惠活动

文章/答案/技术大牛

发布

神经网络和深度学习

专栏作者

19

文章

16269

阅读量

16

订阅数

数学之美番外篇：平凡而又神奇的贝叶斯方法

机器学习神经网络深度学习人工智能 NLP 服务

0. 前言 1. 历史 1.1 一个例子：自然语言的二义性 1.2 贝叶斯公式 2. 拼写纠正 3. 模型比较与贝叶斯奥卡姆剃刀 3.1 再访拼写纠正 3.2 模型比较理论（Model Comparasion）与贝叶斯奥卡姆剃刀（Bayesian Occam’s Razor） 3.3 最小描述长度原则 3.4 最优贝叶斯推理 4. 无处不在的贝叶斯 4.1 中文分词 4.2 统计机器翻译 4.3 贝叶斯图像识别，Analysis by Synthesis 4.4 EM 算法与基于模型的聚类 4.5 最大似然与最小二乘 5. 朴素贝叶斯方法（又名“愚蠢者的贝叶斯（idiot’s bayes）”） 5.1 垃圾邮件过滤器 5.2 为什么朴素贝叶斯方法令人诧异地好——一个理论解释 6. 层级贝叶斯模型 6.1 隐马可夫模型（HMM） 7. 贝叶斯网络

2020-07-13

7990

钟形曲线：中心极限定理精选

已有 27345 次阅读 2017-7-31 09:15 |个人分类:系列科普|系统分类:科普集锦

2020-07-13

8570

浅谈分布之分布（beta分布）-贝叶斯分析之1 精选

机器学习神经网络深度学习人工智能

（此文想给袁贤讯老师“再谈贝叶斯——从个体和群体的概率更新角度”一文中提到的beta分布及贝叶斯分析等，补充一点简单解释。）

2020-07-10

9950

9 神经网络: 学习(Neural Networks: Learning)

神经网络编程算法 windows

9.1 代价函数(Cost Function) 9.2 反向传播算法(Backpropagation Algorithm) 9.3 直观理解反向传播(Backpropagation Intuition) 9.4 实现注意点: 参数展开(Implementation Note: Unrolling Parameters) 9.5 梯度检验(Gradient Checking) 9.6 随机初始化(Random Initialization) 9.7 综合起来(Putting It Together) 9.8 自主驾驶(Autonomous Driving)

2020-07-09

5650

8 神经网络：表达(Neural Networks: Representation)

8 神经网络：表达(Neural Networks: Representation)

2020-07-07

6190

数据库技术试题

TDSQL MySQL 版 sql sql server 数据库

数据库技术试题第一部分选择题一、单项选择题在每小题列出的四个选项中只有一个是符合题目要求的，请将其代码填在题后的括号内。错选或未选均无分。 1．关系数据库中的视图属于4个数据抽象级别中的（） A 外部模型 B 概念模型 C 逻辑模型 D 物理模型 2．在下列关于关系的陈述中，错误的是（） A 表中任意两行的值不能相同 B 表中任意

2020-07-06

8310

OSGI理论和实践

分布式 osgi 开发框架

²学习OSGi规范 R4.1，掌握OSGi核心概念； ²学习OSGi R4实现框架的实现机制，以更好的使用这些框架； ²学习基于Equinox开发OSGi Based的应用； ²扩展Equinox，更好的基于Equinox来开发各类应用； ²学习分布式OSGi； OSGi20094qh.pptx

2020-07-06

4860

spring 容器 aop java

Spring的核心是轻量级（Lightweight）的容器（Container），它实现了IoC容器、非侵入性（No intrusive）的框架，并提供AOP概念的实现方式，提供对持久层（Persistence）、事务（Transaction）的支持，提供MVC Web框架的实现，并对一些常用的企业服务API（Application Interface）提供一致的模型封装，是一个全方位的应用程序框架（Application framework），另外，Spring也提供了对现有框架（Struts、JSF、Hibernate等）的整合方案。

2020-07-06

8220

基于Python的Web应用程序的Web服务器比较

python web.py 网站 linux

在本文中，我们将讨论三个主要内容：Python，Web服务器，最重要的是两者之间的比较。

2020-07-03

2K0

6 逻辑回归(Logistic Regression)

编程算法线性回归

6 逻辑回归(Logistic Regression) 6.1 分类(Classification) 6.2 假设函数表示(Hypothesis Representation) 6.3 决策边界(Decision Boundary) 6.4 代价函数(Cost Function) 6.5 简化的成本函数和梯度下降(Simplified Cost Function and Gradient Descent) 6.6 进阶优化(Advanced Optimization) 6.7 多类别分类: 一对多(Multiclass Classification: One-vs-all) 7 正则化(Regularization) 7.1 过拟合问题(The Problem of Overfitting) 7.2 代价函数(Cost Function) 7.3 线性回归正则化(Regularized Linear Regression) 7.4 逻辑回归正则化(Regularized Logistic Regression)

2020-07-02

6970

4 多变量线性回归(Linear Regression with Multiple Variables)

data gradient newline octave sum

4 多变量线性回归(Linear Regression with Multiple Variables) 4.1 多特征(Multiple Features) 4.2 多变量梯度下降(Gradient Descent for Multiple Variables) 4.3 梯度下降实践1-特征值缩放(Gradient Descent in Practice I - Feature Scaling) 4.4 梯度下降实践2-学习速率(Gradient Descent in Practice II - Learning Rate) 4.5 特征和多项式回归(Features and Polynomial Regression) 4.6 正规方程(Normal Equation) 4.7 不可逆性正规方程(Normal Equation Noninvertibility) 5 Octave/Matlab Tutorial 5.1 Basic Operations 5.2 Moving Data Around 5.3 Computing on Data 5.4 Plotting Data 5.5 Control Statements: for, while, if statement 5.6 向量化(Vectorization) 5.x 常用函数整理

2020-07-02

7200

微服务架构体系分享

深度学习 NLP 服务

伴随着深度学习的大红大紫，只要是在自己的成果里打上deep learning字样，总会有人去看。深度学习可以称为当今机器学习领域的当之无愧的巨星，也特别得到工业界的青睐。

2020-07-02

1840

NLP-BERT 谷歌自然语言处理模型：BERT-基于pytorch

Author-作者 Junseong Kim, Scatter Lab License-协议 This project following Apache 2.0 License as written in LICENSE file 本项目基于Apache2.0协议

2020-07-02

7180

机器学习概述

深度学习机器学习人工智能 NLP 服务

机器学习概述简要的描写了机器学习的概念和相关分类，包括神经网络和深度学习等等，其中就网络神经的应用举例说明了常用的自然语言理解、人脸识别以及语音识别的成熟使用情况等等

2020-07-02

3510

无约束优化

Quasi-Newton Method (拟牛顿法)。在介绍无约束优化问题之前，我们首先会从直观上引入无约束优化的概念，并在此基础上引入解这类问题的两个重要概念：步长和方向。由步长的选择引入重要概念 line search，由方向的选择引入重要概念 Quasi-Newton Method。因此本篇介绍文档主要分为以下几个部分：无约束优化问题引入，Line Search，Quasi-Newton Method 和算法总结。

2020-07-02

4910

深度学习word2vec笔记之基础篇

博客地址：http://blog.csdn.net/mytestmy/article/details/26969149

2020-07-01

2.9K0

什么是机器学习

编程算法线性回归机器学习监督学习无监督学习

1. 引言(Introduction) 1.1 Welcome 1.2 什么是机器学习(What is Machine Learning) 1.3 监督学习(Supervised Learning) 1.4 无监督学习(Unsupervised Learning) 2 单变量线性回归(Linear Regression with One Variable) 2.1 模型表示(Model Representation) 2.2 代价函数(Cost Function) 2.3 代价函数 - 直观理解1(Cost Function - Intuition I) 2.4 代价函数 - 直观理解2(Cost Function - Intuition II) 2.5 梯度下降(Gradient Descent) 2.6 梯度下降直观理解(Gradient Descent Intuition) 2.7 线性回归中的梯度下降(Gradient Descent For Linear Regression) 3 Linear Algebra Review 3.1 Matrices and Vectors 3.2 Addition and Scalar Multiplication 3.3 Matrix Vector Multiplication 3.4 Matrix Matrix Multiplication 3.5 Matrix Multiplication Properties 3.6 Inverse and Transpose

2019-10-28

7330

可穿戴设备技术方案

室内定位能力排行旁：蓝牙、wifi、gprs、gps（除非室内自建gps路由器，前期投入巨大）

2019-10-28

6480

第一门课神经网络和深度学习(Neural Networks and Deep Learning)

卷积神经网络编程算法数据库大数据 sql

第一门课神经网络和深度学习(Neural Networks and Deep Learning)

2019-01-07

8910

没有更多了

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！

Python精品学习库

代码在线跑，知识轻松学

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

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