机器学习共0篇 第7页
机器学习
排序
药物 3D 打印新突破：圣地亚哥大学用机器学习筛选喷墨打印生物墨水，准确率高达 97.22%
内容一览： 药物喷墨打印是一种高度灵活和智能化的制药方式。据相关报告统计，该领域市场规模将在不久的未来呈现指数级增长。过往，筛选合适生物墨水的方法费时且费力，因此也成为药物喷墨打印...
2年前
让性能腾飞！亚马逊云科技的 Java 云端之旅
在上篇文章中，我们为大家介绍了亚马逊的 Java 生态及丰富的开发工具、框架。本文将分享亚马逊的 Java 架构、迁移途径，并分享一个具体实例，介绍如何使用机器学习来构建 Java 应用和提升 Java ...
2年前机器学习基础-监督学习-标签噪声处理之清洗和修正标签
清洗和修正标签是一种标签噪声处理方法，它涉及对标签数据进行人工检查和修正。该方法适用于数据集中标签噪声比例较低的情况，其中人工检查和修正可以通过人工标注的方式进行，或者通过其他数据...
2年前机器学习基础-监督学习-标签噪声处理之多数投票（Majority Voting）
多数投票（Majority Voting）是一种常用的标签噪声处理方法，它通过利用多个模型的预测结果来消除标签噪声的影响。这种方法假设多个模型的预测结果相对于噪声是一致的，因此通过多数投票可以得...
2年前机器学习基础-监督学习-标签噪声处理之期望最大化
期望最大化（Expectation-Maximization，简称 EM）是一种经典的迭代优化算法，用于解决含有潜在变量（或未观测变量）的统计模型的参数估计问题。EM 算法通过迭代的方式，通过不断估计模型参数和...
2年前机器学习基础-监督学习-标签增强之标签扰动（Label Perturbation）
标签扰动（Label Perturbation）是一种标签增强技术，通过引入一定的噪声或随机变化来生成具有相似语义含义但略有差异的新标签。标签扰动可以在分类问题中应用，用于扩展训练数据的标签空间，增...
2年前机器学习基础-监督学习-标签增强之标签标签插值（Label Interpolation）
标签插值（Label Interpolation）是一种标签增强技术，用于在回归问题或连续标签的分类问题中生成介于两个标签之间的新标签。插值方法基于两个已知标签之间的线性或非线性关系，通过计算插值函...
2年前机器学习基础-监督学习-标签增强之标签平移（Label Shift）
标签平移（Label Shift）是一种常见的标签增强技术，它通过对原始标签进行平移操作，生成具有相似语义含义但略有差异的新标签。标签平移可以用于分类问题或回归问题，旨在增加数据集的多样性和...
2年前下一代代码助手 GitHub Copilot X 发布
GitHub 今日发布了 GitHub Copilot X，这是一款基于OpenAI的GPT-4模型开发的AI助手。GitHub Copilot X 致力于改进开发者体验，将提供聊天和语音界面，支持拉取请求，回答文档问题，并通过 GPT-4...
2年前
Transformers自然语言处理第一章 你好Transformer
2017年，Google的研究人员发表了一篇论文，提出了一种新的用于序列建模（sequence modeling）的神经网络架构[1]。称之为Transformer，这种架构在机器翻译任务中的表现无论在翻译质量还是训练成...
2年前
Generative AI 新世界：过去、现在和未来
人类善于分析事物。但是现在看来，机器很有可能做得更好。机器可以不知疲倦夜以继日地分析数据，不断从中找到很多人类场景用例的模式：信用卡欺诈预警、垃圾邮件检测，股票价格预测、以及个性化...
2年前
北京大学研发基于机器学习的多能干细胞分化系统，高效、稳定制备功能性细胞
内容一览：20 世纪以来，干细胞与再生医学技术一直是国际生物医学领域的热点前沿之一。现如今，研究人员已开始探索将干细胞转变为特定类型细胞。然而，这一过程中干细胞会出现不规则生长或自发...
2年前
DolphinDB +机器学习，预测地震波形数据
1. 地震波形数据预测业务场景说明 在地震波形数据异常检测场景中，通常需要使用多种工具和方法来提高检测精度和鲁棒性。其中，FilterPicker 是一种常用的基于模板匹配的异常检测工具，可以实现...
2年前
之江实验室： 如何基于 JuiceFS 为超异构算力集群构建存储层 ？
今天，高性能计算结合人工智能技术正在推动科研创新。例如通过破解水稻基因密码推动作物育种从“试验选优”向“计算选优”发展，在医药领域快速分析分子与蛋白之间的相互作用，发现潜在的能够有...
2年前
【人工智能技术专题】「入门到精通系列教程」打好AI基础带你进军人工智能领域的全流程技术体系（机器学习知识导论）
前言 人工智能是一个庞大的研究领域。虽然我们已经在人工智能的理论研究和算法开发方面取得了一定的进展，但是我们目前掌握的能力仍然非常有限。机器学习是人工智能的一个重要领域，它研究计算...
2年前
Generative AI 新世界：文本生成领域论文解读
在上一篇《Generative AI 新世界：过去、现在和未来》中，我做为一名曾经多次穿越过市场周期的从业者，对 Generative AI 的发展历程、目前的热点方向、以及对未来的畅想做了一个梳理，希望可以...
2年前
快速入门深度学习 PyTorch（保姆级教程）第三期
第一期：?? juejin.cn/post/724000… 第二期：?? juejin.cn/post/724406… 四、torchvision 中的数据集使用 Ⅰ. torchvision 中有哪里数据集 torchvision有coco、Caltech 101、CIFAR10、FER2013...
2年前
识别一切模型RAM（Recognize Anything Model）及其前身 Tag2Text 论文解读
总览 大家好，我是卷了又没卷，薛定谔的卷的AI算法工程师「陈城南」~ 担任某大厂的算法工程师，带来最新的前沿AI知识和工具，欢迎大家交流~ 继MetaAI 的 SAM后，OPPO 研究院发布识别一切模型（R...
2年前
stable-diffusion安装&&作图–打开AI绘画大门
我正在参加「掘金·启航计划」 简单介绍 前言 AI 绘画在前段时间相当火啊，我先前也运用一些 Sass 服务感受过了 AI 绘画的力量。 但是运用云服务总是有很多的限制，一般都需要付费来解开限制。...
2年前
阿里云PAIx达摩院GraphScope开源基于PyTorch的GPU加速分布式GNN框架
作者：艾宝乐 导读 近期阿里云机器学习平台 PAI 团队和达摩院 GraphScope 团队联合推出了面向 PyTorch 的 GPU 加速分布式 GNN 框架 GraphLearn-for-PyTorch(GLT) 。GLT 利用 GPU 的强大并行计算...
2年前