人工智能下载列表第4339页

[机器学习] Python Machine Learning(Sebastian Raschka )[PACKT]

说明： We live in the midst of a data deluge. According to recent estimates, 2.5 quintillion (1018) bytes of data are generated on a daily basis. This is so much data that over 90 percent of the information that we store nowadays was generated in the past
<zwxeye> 上传 | 大小：33mb

[机器学习] FPGA与CPLD的区别

说明：深刻理解两者之间的联系及区别，帮助你更好地运用其到实际电子产品中，很好的电子资源材料与你共分享。
<zidizidizidi> 上传 | 大小：21kb

[机器学习] 雷达代码C++

说明：雷达代码雷达代码雷达代码雷达代码雷达代码雷达代码雷达代码雷达代码雷达代码雷达代码雷达代码雷达代码雷达代码雷达代码雷达代码雷达代码雷达代码雷达代码雷达代码
<wyh0307> 上传 | 大小：6mb

[机器学习] Neural Network Methods in Natural Language Processing April 17, 2017

说明： Neural networks are a family of powerful machine learning models. This book focuses on the application of neural network models to natural language data. The first half of the book (Parts I and II) covers the basics of supervised machine learning an
<zwxeye> 上传 | 大小：2mb

[机器学习] Factorization Machines 学习笔记

说明： Factorization Machines（简称 FM）的算法，它可对任意的实值向量进行预测。其主要优点包括: 1) 可用于高度稀疏数据场景；2) 具有线性的计算复杂度。本文将对 FM 框架进行简单介绍，并对其训练算法 — 随机梯度下降（SGD）法和交替最小二乘（ALS）法进行详细推导。
<qq_18857415> 上传 | 大小：2mb

[深度学习] 海马体「预测地图」

说明： DeepMind 近日在《Nature Neuroscience》上发布最新研究，认为海马体能够通过预期的后续状态来展示每一个当前状态，从而传输对未来事件的细致总结。这种特殊形式的预测地图使大脑快速适应奖励不同的环境，而无需运行对未来的模拟。受此启发，DeepMind 提出将强化学习中基于模型的算法和无模型算法结合起来，既保证计算成本低廉，又能快速适应奖励变化。DeepMind 表示，预测地图理论可以转换成神经网络架构。
<tz_zs> 上传 | 大小：13mb

[机器学习] word2vec中的数学原理详解

说明： word2vec 是 Google 于 2013 年开源推出的一个用于获取 word vector 的工具包，它简单、高效，因此引起了很多人的关注。由于 word2vec 的作者 Tomas Mikolov 在两篇相关的论文 [3,4] 中并没有谈及太多算法细节，因而在一定程度上增加了这个工具包的神秘感。一些按捺不住的人于是选择了通过解剖源代码的方式来一窥究竟，出于好奇，本文作者也成为了他们中的一员。本文作者在读完代码后，觉得收获颇多，于是整理成文，给有需要的朋友参考。
<qq_18857415> 上传 | 大小：13mb