浅谈“知识蒸馏”技术在机器学习领域的应用
什么是知识蒸馏技术？知识蒸馏技术首次出现是在Hinton几年前的一篇论文《Distilling the Knowledge in a Neural Network》。老大爷这么大岁数了还孜孜不倦的发明各种人工智能领域新名词，让我这种小白有很多可以去学习了解的内容，给个赞。那什么是知识蒸馏技术呢？知识...
MediaPipe: Google Research 开源的跨平台多媒体机器学习模型应用框架
点击我爱计算机视觉标星，更快获取CVML新技术本文转载自TensorFlow。CV君：今天跟大家分享一篇来自谷歌的文章，介绍了Google Research 开源的多媒体机器学习模型应用框架MediaPipe。推荐的原因虽然它是出自Google Research，但不是一个实验品，而是已经应用于谷歌...
【六 （4）机器学习-回归任务-鲍鱼年龄预测xgboost、lightgbm实战】-一、xgboost简介
XGBoost（Extreme Gradient Boosting）是一种基于梯度提升决策树的优化分布式梯度提升库。它是大规模并行boosting tree（提升树）的工具，它是用于解决许多数据科学问题（如分类，回归，排名等）的有效，便携和灵活的机器学习算法。 XGBoost通过并行化实现了更快的...
大创项目推荐 深度学习 机器视觉 人脸识别系统 - opencv python-2 深度学习-人脸识别过程
不同于机器学习模型的人脸识别，深度学习将人脸特征向量化，以及人脸向量分类结合到了一起，通过神经网络算法一步到位。 深度学习-人脸识别系统都包括： 人脸检测人脸对其人脸识别人脸检测 深度学习在图像分类中的巨大成功后很快被用于人脸检测的问题，起初解决该问题的思路大多是基于CNN网络的尺度不变性，对图片...
机器学习的特征选择方法
有时候特征太多了也是一个问题，容易过拟合。为了降低模型的复杂程度，降低过拟合的可能性，我们会减少需要的学习的特征。 特征选择法主要有三种，分别是过滤法，包裹法和嵌入法。 1.过滤法 这种方法主要是基于统计检验，根据特征之间的关系去掉具有线性相关的特征，还有根据特征和标签的关系，筛选关系大的特征。 这...
机器学习笔记(十四)概率图模型
14.概率图模型14.1隐马尔可夫模型1、概率模型机器学习是根据一些已观察到的证据（如训练样本）来对感兴趣的未知变量（如类别标记）进行估计和预测。概率模型（probabilistic model）提供了一种描述框架，将学习任务归结于计算变量的概率分布在概率模型中，利用已知变量推测未知变量的分布称为推...
机器学习之路四：CNN综述（Lenet,AlexNet,GoogleNet,VGG,ResNet,ResNeXt,DenseNet）
CNN的发展历史Lenet，1986年Alexnet，2012年GoogleNet，2014年VGG，2014年Deep Residual Learning，2015年ResNeXt, 2016年DenseNet，2017年 ImageNet历年冠军和相关CNN模型https://www.cnblo...
机器学习——支持向量机SVM之基本型
闲谈分类超平面1、分类超平面（齐次）方程： a) x为n+1维的向量， w为 的矩阵（分类平面的法向量） b) w的作用是通过与样本向量x点乘，将向量映射到1维空间中（即原空间与分类超平面垂直的数轴） c) 公式 在几何上表示样本映射到数轴上的值（分类超平面对应数轴原点） ...
[四]机器学习之支持向量机SVM
4.1 实验数据本数据集来源于UCI的Adult数据集，并对其进行处理得到的。数据集下载地址：http://archive.ics.uci.edu/ml/datasets/Adult。本实验使用LIBSVM包对该数据进行分类。原始数据集每条数据有14个特征，分别为age,workclass,fnlw...
Github上最受欢迎的7个开源AI机器学习框架
在过去的几年中，人工智能正在占领技术的许多领域。 来自不同背景的开发人员最终意识到了AI为他们带来的机遇，而不管他们的需求如何。在今天的文章中，我们列出了7种最佳的开源AI /机器学习系统和框架。1、TensorFlowTensorFlow可能是世界上最著名的机器学习开源框架。它由Google开发，...
简单说下什么是机器学习
概念机器学习是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。它是人工智能的核心，是使计算机具有智能的根本途径。机器学习的核心是“使用算法解析数据，从中学...
局部加权回归Loess对比MFCC三角滤波(吴恩达机器学习中说，Loess算法用到了aircraft的自动驾驶中)
局部加权回归（Loess）：Loess的目标是最小化， 其中的作用是使预测点的临近点在最小化目标函数中贡献大：Loess更加注重临近点的精确拟合。这个算法中最神奇的就是这个w，局部相关性w很像高斯模板中心到边缘（3*sigma+1）/2的局部相关性，也就相关性关注（起作用），其他不关注（不起作用）；...
Github 上有趣的项目，用机器学习训练 AI 下五子棋
谷歌旗下人工智能公司 DeepMind 发布了一篇新论文，它讲述了团队如何利用 AlphaGo 的机器学习系统，构建了新的项目 AlphaZero。AlphaZero 使用了名为「强化学习」（reinforcement learning）的 AI 技术，它只使用了基本规则，没有人的经验，从零开始训练...
机器学习（十七）- SVMs - Large Margin Classification
Large Margin ClassificationOptimization Objective对于SVMs，我们从目标函数开始讲起，由于SVM的目标函数和逻辑回归的目标函数很相似，所以我们从逻辑回归的目标函数开始一点点给出区别。 第一，不再使用−log11+e−z−log11+e−z，而是将其...
吴恩达机器学习:week3
title: ‘吴恩达机器学习:week3’date: 2019-11-20 15:37:28mathjax: truecategories:机器学习tags:机器学习线性代数回顾(Linear Algebra Review)3.1 矩阵和向量参考视频: 3 - 1 - Matrices and V...
机器学习与数据挖掘学习笔记（4）异常分析
目录一、异常的定义二、异常挖掘三、异常检测的难点四、异常挖掘常用方法五、异常挖掘——分类六、异常挖掘——聚类七、异常挖掘——最近邻7.1基于距离7.2基于密度 一、异常的定义异常是在数据集中偏离大部分数据的样本，使人怀疑这些样本的偏离并非由随机因素产生，而是产生于完全不同的机制。异常数据在大多数领域...
吴恩达网易机器学习第6课：判别模型，生成模型以及朴素贝叶斯模型
本文结合网易云吴恩达机器学习公开课中文课件内容以及个人理解，对这一章节进行介绍。红色部分为关键部分或个人的一些理解。1. 生成模型与判别模型1.1 两种模型的区别我们首先假设x为特征，y为类别结果。那么分以下几种方式来理解生成模型与判别模型。（1）官方定义：判别模型是根据特征值来求结果的概率。形式化...
深度学习/机器学习入门基础数学知识整理（四）：拟牛顿法、BFGS、L_BFDS、DFP、共轭梯度法
拟牛顿法拟牛顿法可以克服牛顿法计算量大的缺点，不在计算目标函数的 Hesse 矩阵，而是构造一个近似 Hesse 矩阵的对称正定矩阵，根据近似矩阵来优化目标函数，不同的近似构造 Hesse 的方法决定了不同的拟牛顿法，构造 Hesse 矩阵是需要满足拟牛顿条件的，拟牛顿条件是这样求得的，首先将 f(...
为强化机器学习性能，ARM推出两款新GPU Mali-G52和Mali-G31
ARM于近期推出了两款图形处理器产品，分别为Mali-G52以及Mali-G31，主要应用于主流移动市场。由于移动端AI计算、图形处理需求的与日俱增，GPU之于手机SoC的作用日渐凸显，ARM全新的图形核心也呼之欲出。近日，据媒体报道，ARM于推出了两款图形处理器产品，分别为Mali-G52以及Ma...
机器学习的要素是什么？
我们在深入学习人工智能的时候会走进一个新世界，而这个新世界被称为机器学习。当然，机器学习也被称为人工智能的核心。正是由于这个原因，机器学习逐渐被大家所关注，那么大家知道不知道机器学习的要素是什么呢？下面我们就给大家介绍一下这个问题。首先，机器学习的三要素简单来说就是模型、策略和算法。那么具体是什么意...