榜单
服务器优惠
AI论文
-
Dropout2D
Dropout2D 参数 形状 代码示例 Dropout2D paddle.nn. Dropout2D ( p=0.5, data_format=’NCHW’, name=None ) [源代码] 根据丢弃概率 p ，在训练过程中随机将某些通道特征图置0(对一个形状为 NCHW 的4维张量，通道特征图指的是其中的形状为 HW 的2维特征图)... -
二、分类任务最大熵模型
二、分类任务最大熵模型 2.1 最大熵模型 2.2 词性标注约束案例 2.3 模型求解 2.4 最大熵与逻辑回归 二、分类任务最大熵模型 设分类模型是一个条件概率分布 为输入， 为输出。 给定一个训练数据集 ，学习的目标是用最大熵原理选取最好的分类模型。 2.1 最大熵模型 根据训练集 ，可以得到联合分布 的经验分布 ... -
强化学习——Actor Critic Method
强化学习——Actor Critic Method 一、介绍 Actor Critic Method（演员–评论家算法） CartPole-V0 二、环境配置 三、实施演员-评论家网络 这个网络学习两个功能： 四、训练模型 五、效果展示 六、总结 强化学习——Actor Critic Method 作者： East... -
朴素贝叶斯
朴素贝叶斯 1 介绍 1.1 朴素贝叶斯的优缺点 2 朴素贝叶斯概率模型 从概率模型中构造分类器 3 参数估计 3.1 高斯朴素贝叶斯 3.2 多元朴素贝叶斯 3.3 伯努利朴素贝叶斯 4 源码分析 4.1 实例 4.2 训练模型 4.3 预测数据 参考文献 朴素贝叶斯 1 介绍 朴素贝叶斯是一种构建分类器的简单方法... -
Dropout3D
Dropout3D 参数 形状 代码示例 Dropout3D paddle.nn.Dropout3D ( p=0.5, data_format=’NCDHW’, name=None ) [源代码] 根据丢弃概率 p ，在训练过程中随机将某些通道特征图置0(对一个形状为 NCDHW 的5维张量，通道特征图指的是其中的形状为 DHW 的3维特... -
Dropout2D
Dropout2D 参数 形状 代码示例 Dropout2D paddle.nn.Dropout2D ( p=0.5, data_format=’NCHW’, name=None ) [源代码] 根据丢弃概率 p ，在训练过程中随机将某些通道特征图置0(对一个形状为 NCHW 的4维张量，通道特征图指的是其中的形状为 HW 的2维特征图)... -
三、大数定律及中心极限定理
三、大数定律及中心极限定理 3.1 切比雪夫不等式 3.2 大数定理 3.3 中心极限定理 三、大数定律及中心极限定理 3.1 切比雪夫不等式 切比雪夫不等式：假设随机变量 具有期望 ， 方差 ，则对于任意正数 ，下面的不等式成立： 其意义是：对于距离 足够远的地方 （距离大于等于 ），事件出现的概率是小于等于 。即事件... -
二、LINE
二、LINE 2.1 模型 2.1.1 一阶邻近度 2.1.2 二阶邻近度 2.1.3 融合 2.1.4 最优化问题 2.1.5 边采样 2.1.6 二阶邻居 2.1.7 新顶点 2.2 实验 2.2.1 语言网络数据集 2.2.2社交网络数据集 2.2.3 引文网络数据集 2.2.4 可视化 2.2.5 参数探索及其它 ... -
一、集成学习误差
一、集成学习误差 一、集成学习误差 考虑一个二类分类问题。设单个样本为 ，真实类别为 。 假定基类分类器的错误率为 ，即对每个基分类器 有： 。 假设集成学习通过简单投票法结合 个基分类器 。即：若有超过半数的基分类器正确，则集成分类就正确。根据描述，给出集成学习器为： 。 集成学习器预测错误的条件为： 个基分类器预测正确，其中 ...