提出了一種基于滑動時間窗的最小二乘支持向量機(jī)軟測量建模方法，并針對某一工業(yè)共沸精餾塔成分估計問題，建立了合適的工業(yè)軟測量模型。介紹了最小二乘支持向量機(jī)計算法和
2009-03-14 15:11:48
17 軟測量技術(shù)在工業(yè)過程控制中得到廣泛的應(yīng)用。在軟測量建模過程中，基于支持向量機(jī)的算法能較好地解決小樣本、非線性、高維數(shù)、局部極小點等NJ題。在簡單介紹最小二乘支
2009-03-14 16:13:3415 基于支持向量機(jī)的預(yù)測函數(shù)控制
Predictive Functional Control Based on Support Vector Machine
2009-03-17 09:24:0721 為了提高模糊支持向量機(jī)在數(shù)據(jù)集上的訓(xùn)練效率，提出一種改進(jìn)的基于密度聚類(DBSCAN)的模糊支持向量機(jī)算法。運(yùn)用DBSCAN算法對原始數(shù)據(jù)進(jìn)行預(yù)處理，去除對分類貢獻(xiàn)小的中心樣本，
2009-03-20 16:21:5612 人工干預(yù)使蛇模型只能用于半自動的圖像分割，該文在梯度向量流(GVF)蛇模型的基礎(chǔ)上提出一種基于流場節(jié)點與最小路徑方法的全自動圖像分割算法。在圖像的GVF 場上檢測出流場節(jié)
2009-03-25 08:53:3814 傳統(tǒng)向量空間模型在計算復(fù)雜度、查詢性能、智能性方面存在種種缺陷。在其基礎(chǔ)上,提出了智能N 維向量空間模型,改進(jìn)了文檔特征向量生成的算法,使用局部統(tǒng)計數(shù)據(jù)計算特征向量,
2009-03-25 17:04:5136 傳統(tǒng)的支持向量機(jī)是基于兩類問題提出的，如何將其有效地推廣至多類分類仍是一個研究的熱點問題。在分析比較現(xiàn)有支持向量機(jī)多類分類OVO方法存在的問題及缺點的基礎(chǔ)上，該文
2009-04-01 08:53:4812 針對采用支持向量機(jī)進(jìn)行分類的特征子集選擇問題，提出一種改進(jìn)的基于梯度向量的特征評測算法。該算法在核特征空間中，利用數(shù)據(jù)點到分類超平面的距離函數(shù)的梯度向量對各個
2009-04-03 08:38:5619 提出一種區(qū)分隱寫域(包括像素域、DCT域、DWT域)的盲檢測方法，構(gòu)造圖像特征向量，建立一個多分類的支持向量機(jī)，根據(jù)特征向量對圖像進(jìn)行訓(xùn)練。該方法能夠識別隱藏信息和其隱寫
2009-04-20 09:32:2614 支持向量聚類（SVC）是在支持向量機(jī)的思想上發(fā)展而來一種聚類方法，針對其處理大規(guī)模數(shù)據(jù)集速度緩慢的缺點，提出了一種改進(jìn)的分塊支持向量聚類算法。改進(jìn)的算法分為三個階
2009-05-26 14:59:0032 提出一種基于層疊支持向量機(jī)的人臉檢測算法，用于復(fù)雜背景灰度圖像的人臉檢測。算法首先用線性支持向量機(jī)進(jìn)行粗篩選，濾去大量非人臉窗口，之后用非線性支持向量機(jī)對通過
2009-06-04 10:22:069 支持向量機(jī)(SVM )作為一種分類技術(shù)已經(jīng)成功運(yùn)用于入侵檢測，但是支持向量機(jī)的性能與參數(shù)的選擇相關(guān)。在實際應(yīng)用中支持向量機(jī)的參數(shù)選取問題一直沒有得到很好地解決。粒子
2009-06-19 11:22:5413 為了提高信息系統(tǒng)的安全性，本文將基于統(tǒng)計學(xué)習(xí)理論的支持向量機(jī)方法應(yīng)用到入侵檢測系統(tǒng)中，保證了在先驗知識不足的情況下,支持向量機(jī)分類器仍有較好的分類正確率，達(dá)到
2009-06-20 08:53:016 提出了一種基于支持向量機(jī)超聲波在線檢測缺陷識別方法。首先采用小波包分析來提取超聲信號的特征信息，產(chǎn)生訓(xùn)練和測試樣本；然后利用支持向量機(jī)分類方法對缺陷進(jìn)行識別
2009-07-11 08:53:4518 結(jié)合支持向量機(jī)和小波理論的優(yōu)點，提出了一種基于小波核支持向量機(jī)的傳感器非線性誤差校正的原理和方法。該方法利用小波的多尺度插值特性和稀疏變化特性, 提高了支持向
2009-07-11 08:57:3617 為了提高虹膜識別的速度和可靠性，根據(jù)虹膜圖像的紋理特征,提出了基于修正的精定位和小波變換提取特征向量及基于支持向量機(jī)SVM 的WED 與DSIM 虹膜分類識別ISD 算法，抽樣實驗
2009-09-14 15:26:595 該文針對現(xiàn)有的加權(quán)支持向量機(jī)(WSVM)和模糊支持向量機(jī)(FSVM)只考慮樣本重要性而沒有考慮特征重要性對分類結(jié)果的影響的缺陷，提出了基于特征加權(quán)的支持向量機(jī)方法，即特征加權(quán)
2009-11-21 11:15:1815 該文提出了信號稀疏性的新度量方式，在估算出有效源信號的個數(shù)后，提取源信號到達(dá)方向角度的特征作為訓(xùn)練樣本，利用支持向量機(jī)理論構(gòu)造分類超平面，從而實現(xiàn)對觀測信號的
2009-11-24 15:22:5518 在文本無關(guān)的說話人識別中，采用均值超向量作為特征向量的支持向量機(jī)系統(tǒng)性能已經(jīng)超過了傳統(tǒng)的混合高斯-通用背景模型系統(tǒng)，但是信道的影響在均值超向量上仍然存在。該文對
2009-11-24 15:36:258 良好的指紋圖像分割對于指紋奇異點及細(xì)節(jié)特征的可靠提取具有重要意義。本文提取指紋圖像子塊內(nèi)梯度一致性、灰度均值及灰度方差構(gòu)成特征向量，提出采用支持向量機(jī)對這些特
2009-12-12 13:51:4414 首先，預(yù)抽取支持向量以減少訓(xùn)練樣本數(shù)量，大大縮減訓(xùn)練時間；然后，用縮減后的樣本對改進(jìn)后的分類支持向量機(jī)進(jìn)行貨幣識別，改進(jìn)后的支持向量機(jī)不僅把目標(biāo)函數(shù)懲罰項模
2009-12-14 14:57:0114 針對現(xiàn)有說話人識別系統(tǒng)識別率不高，魯棒性能差的缺點，提出了一種基于超向量的核函數(shù)構(gòu)造方法。通過對超向量進(jìn)行KL 散度變換和L2 線性內(nèi)積變換，分別得到KL 散度線性核
2009-12-19 13:58:257 本文主要研究支持向量機(jī)在手勢識別中模型的選擇，包括多類模型和核函數(shù)的選擇，提出基于徑向基核函數(shù)和一對一多類方法的支持向量機(jī)模型是最佳分類模型。實驗結(jié)果表明該
2010-01-22 12:46:3729 異常向量表重映射
向量表是異常產(chǎn)生時內(nèi)核獲取異常處理函數(shù)入口地址的一塊連續(xù)內(nèi)存，每一個異常都在向量表固定的偏移地址，且偏移地址都是以字對齊的
2010-03-26 09:34:0620 實驗 5 數(shù)組、向量和字符串一、實驗?zāi)康?1． 掌握J(rèn)ava中的數(shù)組定義、引用2． 掌握向量的基本概念和應(yīng)用技術(shù)3． 掌握使用字符串String類
2008-09-23 19:00:53
1459
警笛空戰(zhàn)向量槍電路圖
2009-04-09 09:34:06671 
支持向量機(jī)的車牌定位設(shè)計方法
1 引 言
智能交通系統(tǒng)是一個熱點研究領(lǐng)域，受到日益廣泛的關(guān)注。車牌識別系
2010-03-08 15:11:48873 
什么是距離向量路由選擇
距離向量路由選擇是一種由路由協(xié)議使用的算法類型，用于在互聯(lián)網(wǎng)絡(luò)上發(fā)現(xiàn)路由。主要的距離向量路由選
2010-04-03 14:59:083257 向量處理機(jī)結(jié)構(gòu)原理教程
學(xué)習(xí)目標(biāo)：
理解向量的三種處理方式及其特點；
掌握CRAY-I的向量
2010-04-13 16:12:093063 使用多功能運(yùn)算IC的向量運(yùn)算電路
電路的功能
若要在模擬電路中實
2010-05-10 12:01:221689 
支持向量機(jī)語音識別算
2011-01-07 15:22:3037 在非協(xié)作通信中，需要對接收的信號進(jìn)行調(diào)制方式的自動識別。在高階累積量域內(nèi)構(gòu)造信號識別的特征向量，采用基于二叉樹的支持向量機(jī)將識別特征向量映射到高維空間并構(gòu)造最優(yōu)分
2011-04-12 18:03:0220 本文針對大規(guī)模高維氣體分析樣本難以計算的問題,提出一種提升的支持向量機(jī)學(xué)習(xí)方法。該方法將支持向量機(jī)等效為一定的KKT條件的同時,能通過檢測樣本在訓(xùn)練空間的轉(zhuǎn)移始終保持,文
2011-07-08 11:38:1414 針對支持向量機(jī)算法的不足，將粗糙集和支持向量機(jī)相結(jié)合，利用粗糙集理論對數(shù)據(jù)屬性進(jìn)行約簡，在某種程度上減少支持向量機(jī)求解的計算量。不但避免了特征提取中維數(shù)災(zāi)問題，還
2012-02-16 16:14:2415 將支持向量機(jī)應(yīng)用到典型的時變、非線性工業(yè)過程 連續(xù)攪拌反應(yīng)釜的辨識中, 并與BP 神經(jīng)網(wǎng)絡(luò)建模相比較, 仿真結(jié)果表明了支持向量機(jī)的有效性與優(yōu)越性. 支持向量機(jī)以其出色的學(xué)習(xí)能力
2012-03-30 16:12:2742 矢量（向量）運(yùn)算的基礎(chǔ)知識，其中包括簡要介紹、基礎(chǔ)知識、矢量的點乘、×乘、矢量的導(dǎo)數(shù)與微積分、以及一些練習(xí)題。
2015-11-23 10:52:050 雙目標(biāo)函數(shù)支持向量機(jī)在情感分析中的應(yīng)用_劉春雨
2017-01-03 17:41:580 組合核函數(shù)多支持向量機(jī)的直線電機(jī)建模_趙吉文
2017-01-07 17:16:231 大數(shù)據(jù)中邊界向量調(diào)節(jié)熵函數(shù)支持向量機(jī)研究_林蔚
2017-01-07 19:08:430 基于支撐向量機(jī)的空瓶智能檢測方法_劉煥軍
2017-02-07 12:07:410 基于支持向量機(jī)的顫振在線智能檢測_錢士才
2017-01-12 18:09:580 大樣本支持向量機(jī)分類策略研究_胡紅宇
2017-03-19 11:28:160 基于支持向量機(jī)的圖書館借閱量預(yù)測_王麗華
2017-03-16 08:59:470 基于支持向量機(jī)的車牌字符識別_劉連忠
2017-03-16 08:55:460 基于支持向量機(jī)的混合多水果彩色圖像分割_陳劍雪
2017-03-16 08:54:230 光滑分段孿生支持向量機(jī)_吳青
2017-03-19 19:04:390 泛用向量型變頻器VFD-B系列擁有多種交流電壓規(guī)格的機(jī)型選擇，除提供多元化的I/O功能，并能依外在負(fù)載轉(zhuǎn)矩，提供適當(dāng)?shù)碾娏麟妷?b class="flag-6" style="color: red">向量值；是臺達(dá)泛用型向量控制變頻器的代表，滿足業(yè)界實用的需求。
2017-09-27 17:36:459 為了考察基于支持向量機(jī)算法的波束形成器在實際水聲環(huán)境中的主瓣寬度、旁瓣級以及陣增益等性能，將標(biāo)準(zhǔn)支持向量機(jī)算法與陣列波束優(yōu)化理論進(jìn)行對比，修正支持向量機(jī)價值損失函數(shù)，建立標(biāo)準(zhǔn)支持向量機(jī)波束優(yōu)化模型
2017-11-10 11:03:4913 通過研究電力負(fù)荷預(yù)測中支持向量機(jī)的參數(shù)優(yōu)化問題，將改進(jìn)后新的粒子群算法導(dǎo)入支持向量機(jī)參數(shù)中，從而建立一種新的電力負(fù)荷預(yù)測模型（IPSO-SVM）。首先將支持向量機(jī)參數(shù)編碼為粒子初始位置向量，然后通過
2017-11-13 14:50:494 當(dāng)前面向單指令多數(shù)據(jù)（ SIMD）擴(kuò)展部件的兩類向量化方法分別是循環(huán)級向量化方法和超字級并行（SLP）方法。針對當(dāng)前編譯器不能實現(xiàn)函數(shù)級向量化的問題，提出一種基于靜態(tài)單賦值的函數(shù)級向量化方法。該方法
2017-11-29 16:08:070 改進(jìn)了模糊支持向量機(jī)隸屬度函數(shù)設(shè)計方法?？紤]樣本分布不確定的問題，使用灰色關(guān)聯(lián)度代替現(xiàn)有方法中的歐氏距離，定義了樣本的平均灰色絕對關(guān)聯(lián)度；針對噪聲識別過程中支持向量對分類貢獻(xiàn)被削弱的問題，提出
2017-11-29 16:19:040 主題分類在內(nèi)容檢索和信息篩選中應(yīng)用廣泛，其核心問題可分為兩部分：文本表示和分類模型。近年來，基于分布式詞向量對文本進(jìn)行表示，使用卷積神經(jīng)網(wǎng)絡(luò)作為分類器的文本主題分類方法取得了較好的分類效果。本文研究
2017-12-05 16:19:560 針對基于統(tǒng)計特征的領(lǐng)域術(shù)語識別方法忽略了術(shù)語的語義和領(lǐng)域特性，從而影響識別結(jié)果這一問題，提出一種基于詞向量和條件隨機(jī)場（CRF）的領(lǐng)域術(shù)語識別方法。該方法利用詞向量具有較強(qiáng)的語義表達(dá)能力、詞語與領(lǐng)域
2017-12-09 11:52:541 針對傳統(tǒng)查詢擴(kuò)展方法在專業(yè)領(lǐng)域中擴(kuò)展詞與原始查詢之間缺乏語義關(guān)聯(lián)的問題，提出一種基于語義向量表示的查詢擴(kuò)展方法。首先，構(gòu)建了一個語義向量表示模型，通過對語料庫中詞的上下文語義進(jìn)行學(xué)習(xí)，得到詞的語義
2017-12-12 16:11:590 孿生支持向量機(jī)因其簡單的模型、快速的訓(xùn)練速度和優(yōu)秀的性能而受到廣泛關(guān)注．該算法最初是為解決二分類問題而提出的。不能直接用于解決現(xiàn)實生活中普遍存在的多分類問題．近來，學(xué)者們致力于將二分類孿生支持向量
2017-12-19 11:32:340 針對淺海探測中激光回波噪聲源多、信噪比低，傳統(tǒng)非加權(quán)最小二乘支持向量機(jī)和加權(quán)最小二乘支持向量機(jī)對低信噪比信號濾波不足的問題，提出將穩(wěn)健最小二乘法與加權(quán)最小二乘支持向量機(jī)相結(jié)合的濾波方法
2017-12-21 13:46:200 SIMD擴(kuò)展部件是近年來集成到通用處理器中的加速部件，旨在發(fā)掘多媒體和科學(xué)計算等程序的數(shù)據(jù)級并行．控制依賴給發(fā)掘程序中的數(shù)據(jù)級并行帶來了阻礙，當(dāng)前，無論基于loop-based還是SLP的控制流向量
2017-12-26 14:55:030 針對現(xiàn)有的故障預(yù)測技術(shù)無法從整體上反映系統(tǒng)性能下降趨勢等問題，提出一種基于健康度分析的故障預(yù)測方法。首先，在支持向量機(jī)回歸算法基礎(chǔ)上構(gòu)造多輸出支持向量機(jī)，以實現(xiàn)健康度的多步預(yù)測，并提出一種和聲
2017-12-29 11:24:030 SIMD 擴(kuò)展部件是集成到通用處理器中的加速部件,旨在發(fā)掘多媒體和科學(xué)計算等領(lǐng)域程序的數(shù)據(jù)級并行.當(dāng)前,兩種基本的向量發(fā)掘方法分別是發(fā)掘迭代間并行的 Loop-based 方法和發(fā)掘迭代內(nèi)并行
2017-12-30 14:08:550 相關(guān)向量機(jī)（ Relevance Vector Machine，RVM）是一種基于稀疏貝葉斯推理的機(jī)器學(xué)習(xí)算法，與支持向量機(jī)（ Support Vector Machine．SVM）相比，RVM
2018-01-25 10:23:574 針對類膚色信息或復(fù)雜背景的影響，難以通過手勢分割得到精確手勢輪廓而對后期手勢識別率與實時交互的影響，提出了一種基于特征包支持向量機(jī)（ BOF-SVM）的手勢識別方法。采用SIFT算法提取手勢圖像局部
2018-02-24 15:23:211 模型選擇是支持向量學(xué)習(xí)的關(guān)鍵問題．已有模型選擇方法采用嵌套的雙層優(yōu)化框架，內(nèi)層執(zhí)行支持向量學(xué)習(xí)，外層通過最小化泛化誤差的估計進(jìn)行模型選擇．該框架過程復(fù)雜。計算效率低．簡化傳統(tǒng)的雙層優(yōu)化框架，提出
2018-03-01 16:10:540 針對具有不同訪問權(quán)限的群體的秘密共享是難于處理的問題，在有限域上引入內(nèi)積向量空間的概念，研究子空間的直和及其正交補(bǔ)結(jié)構(gòu)中基向量的組成形式；利用Gram-Schmidt算法和最近向量定理
2018-03-06 17:15:350 支持向量機(jī)(Support Vector Machine: SVM)是一種非常有用的監(jiān)督式機(jī)器學(xué)習(xí)算法
2018-04-02 08:52:533924 
為了實現(xiàn)在工業(yè)環(huán)境下的織物瑕疵在線檢測，提出了一種基于單類支持向量機(jī)（ OCSVM）的織物異常紋理檢測方法。通過利用CCD采集織物圖像，濾除圖像噪聲后提取了圖像小區(qū)域窗口子圖像特征；通過實驗尋找
2018-04-17 14:42:210 支持向量機(jī)結(jié)合了感知機(jī)和logistic回歸分類思想，假設(shè)訓(xùn)練樣本點(xi,yi)到超平面H的幾何間隔為γ(γ>0)，由上節(jié)定義可知，幾何間隔是點到超平面最短的距離，如下圖的紅色直線：
2018-11-23 08:58:494778 
// 1：復(fù)制用戶代碼中的中斷向量表到SRAM首地址
// 2： 開啟SRAM的重映射功能，將SRAM的地址映射到0x00000000
// 3： MDK設(shè)置RAM運(yùn)行地址時，要跳過
2018-11-30 15:24:582199 
支持向量機(jī) （SVM） 是一個非常經(jīng)典且高效的分類模型。 但是， 支持向量機(jī)中涉及許多復(fù)雜的數(shù)學(xué)推導(dǎo)， 并需要比較強(qiáng)的凸優(yōu)化基礎(chǔ)， 使得有些初學(xué)者雖下大量時間和精力研讀， 但仍一頭霧水， 最終
2019-06-10 08:00:001 在簡要介紹MATLAB軟件基礎(chǔ)上，探討了MABLAB傳統(tǒng)循環(huán)結(jié)構(gòu)編程思想及循環(huán)向量化編程思想。通過實例對循環(huán)結(jié)構(gòu)編程與循環(huán)向量化編程進(jìn)行比較。說明了循環(huán)向量化編程的優(yōu)點。循環(huán)向量化方法的使用，可以提高程序執(zhí)行的時間效率，同時也能充分展現(xiàn)MATLAB語言的矩陣操作特點。
2019-08-28 17:46:264 向量表其實是一個word（32位）型數(shù)組，其中每一項代表一種異常的起始地址，當(dāng)有異常發(fā)生時，相應(yīng)的異常處理函數(shù)將被執(zhí)行。向量表是可以重定位的，重定位由NVIC來控制。
2019-10-28 16:38:452588 
支持向量機(jī)，英文為Support Vector Machine，簡稱SV機(jī)（論文中一般簡稱SVM）。它是一 種監(jiān)督式學(xué)習(xí)的方法，它廣泛的應(yīng)用于統(tǒng)計分類以及回歸分析中。
2020-01-28 16:01:0020744 
存在一定的語境差別 2. 有些單詞的新含義缺少 3. 需要主觀調(diào)整 4. 無法計算單詞相似度 word2vec 步驟: 1. 尋找大量的文本 2. 固定詞匯表中的每個單詞都有一個向量表示 3. 文本
2020-11-02 15:16:032625 
作者說：我以前一直沒有真正理解支持向量機(jī)，直到我畫了一張圖。 1. 問題 支持向量機(jī)（SVM）旨在解決「分類」問題。數(shù)據(jù)通常包含一定數(shù)量的條目/行/點?，F(xiàn)在，我們想對每個數(shù)據(jù)點進(jìn)行分類。為簡單起見
2020-12-26 11:46:431918 為了解決增量式最小二乘孿生支持向量回歸機(jī)存在構(gòu)成的核矩陣無法很好地逼近原核矩陣的問題提出了一種増量式約簡最小二乘孿生攴持向量回歸機(jī)（ IRLSTSVR）算法。該算法首先利用約簡方法，判定核矩陣列向量
2021-03-24 17:12:0015 傳統(tǒng)粒度支持向量機(jī)（GSVM模型可以有效提高攴持向量機(jī)（SⅥM的學(xué)習(xí)效率，但因其對初始粒劃參數(shù)比較敏感，粒中心的選取比較粗糙，會損失一定的泛化能力。提出一種基于近鄰傳輸?shù)牧６戎С?b class="flag-6" style="color: red">向量機(jī)學(xué)習(xí)算法
2021-04-12 15:15:399 支持向量引導(dǎo)的字典學(xué)習(xí)算法依據(jù)大間隔分類原則，僅考慮每類編碼向量邊界條件建立決策超平面，未利用數(shù)據(jù)的分布信息，在一定程度上限制了模型的泛化能力。為解決該問題，提出最小類內(nèi)方差支持向量引導(dǎo)的字典學(xué)習(xí)
2021-04-27 10:37:217 基于向量空間模型的文本分類方法的文本表示具有高緯度、高稀疏的特點，特征表達(dá)能力較弱，且特征工程依賴人工提取，成本較髙。針對該問題，提出基于雙通道詞向量的卷積膠囊網(wǎng)絡(luò)文本分類算法。將WordⅤec訓(xùn)練
2021-05-24 15:07:296 誤差向量分析是一種用幅度誤差和相位誤差定量表示發(fā)射機(jī)或接收機(jī)性能的方法。通過采用具有誤差向量分析功能的向量信號分析儀，工程師可以在線研究信號空間的幅度值和相位誤差，同時可以調(diào)整接收機(jī)鏈路參數(shù)。
2021-06-23 16:17:402684 
基于申威國產(chǎn)眾核處理器的稀疏矩陣向量乘法
2021-06-24 15:51:415 基于向量分區(qū)和三維骨架化的CT圖像算法
2021-06-25 15:19:2922 來源 | 痞子衡嵌入式 一、Cortex-M中斷向量表對齊原則 ? 中斷向量表就是一個集中保存系統(tǒng)全部中斷處理函數(shù)（xxxIRQHandler）地址的常量數(shù)組（函數(shù)地址要占 4 個字節(jié)，因此數(shù)組
2021-10-19 11:06:163974 
一、簡介 PIC24EP64GP204的中斷向量表包含7個不可屏蔽陷阱向量和多達(dá)246個中斷源，每個中斷源都有自己的中斷向量，每個中斷向量都包含一個24位寬的地址。每個中斷向量單元中編程
2021-11-16 12:21:000 向量的英文是，中國的物理學(xué)家們在清末民初時期引進(jìn)西方科學(xué)概念時將“”稱為“矢量”，至今向量與矢量兩種譯名共存，究其原因，早期的向量只是物理學(xué)專門用來表示力和速度等“既有大小又有方向”的物理量的工具，并不為數(shù)學(xué)家們所重視，因此“矢量”的譯名一度流行.
2022-07-25 10:26:595122 今天給大家?guī)硪黄焙胶臀④洺銎返某砻?b class="flag-6" style="color: red">向量檢索模型Dual-Cross-Encoder，結(jié)合Query生成和對比學(xué)習(xí)技術(shù)，將文檔與生成的不同偽query進(jìn)行深度交互學(xué)習(xí)構(gòu)建文檔的不同視角的表征向量，再與Query向量進(jìn)行稠密向量檢索。
2022-08-18 15:37:331288 支持向量機(jī)（Support Vector Machine）是一種較知名的機(jī)器學(xué)習(xí)算法，該算法由俄羅斯數(shù)學(xué)家Vladimir Vapnik創(chuàng)立。
2023-04-28 09:09:50605 
在Vladimir Vapnik創(chuàng)立支持向量機(jī)前，已有如下結(jié)論：在二分類情況中，如果一個數(shù)據(jù)集線性可分，即存在一個超平面可將兩個類別完全分開
2023-05-04 18:03:00572 
在機(jī)器學(xué)習(xí)和深度學(xué)習(xí)中，向量通常被用作表示數(shù)據(jù)的形式，其中每個向量的維度代表了不同的特征或?qū)傩?。例如，在圖像分類任務(wù)中，一個圖像可以被表示為像素值組成的向量；在自然語言處理任務(wù)中，一句話可以被表示
2023-05-11 09:41:539747 
根據(jù)機(jī)器學(xué)習(xí)相關(guān)介紹(9)——支持向量機(jī)(線性不可分情況)，通過引入松弛變量δi將支持向量機(jī)推廣至解決非線性可分訓(xùn)練樣本分類的方式不能解決所有非線性可分訓(xùn)練樣本的分類問題。因此，支持向量機(jī)的可選函數(shù)范圍需被擴(kuò)展以提升其解決非線性可分訓(xùn)練樣本分類問題的能力。
2023-05-16 11:20:261250 
根據(jù)機(jī)器學(xué)習(xí)相關(guān)介紹（10）——支持向量機(jī)（低維到高維的映射），支持向量機(jī)可通過引入φ(x)函數(shù)，將低維線性不可分問題轉(zhuǎn)換為高維線性可分問題。
2023-05-20 10:41:34501 
本文主要介紹原問題（PRIME PROBLEM）和對偶問題（DUAL PROBLEM），支持向量機(jī)優(yōu)化問題可通過原問題向?qū)ε紗栴}的轉(zhuǎn)化求解。
2023-05-25 09:31:57667 電子發(fā)燒友網(wǎng)站提供《PyTorch教程15.5之帶全局向量的詞嵌入(GloVe).pdf》資料免費(fèi)下載
2023-06-05 11:01:320 本文主要內(nèi)容為采用支持向量機(jī)（SVM）解決國際象棋兵王問題。
2023-06-09 17:52:48632 
句向量技術(shù)是將連續(xù)的文本轉(zhuǎn)化為固定長度的稠密向量，將句子映射到同一個向量空間中
2023-06-13 14:56:50596 
向量數(shù)據(jù)庫和 Embedding 是當(dāng)前 AI 領(lǐng)域的熱門話題。
2023-06-18 11:06:56520 
支持向量機(jī)可求解二分類問題。當(dāng)需要求解多分類問題時，支持向量機(jī)可將二分類問題的求解方式轉(zhuǎn)化為多分類問題的求解方式
2023-06-30 16:07:58272 假設(shè)測試樣本需被分為三類，首先需構(gòu)建三個支持向量機(jī)模型
2023-07-05 16:08:09285 
AI大模型帶火了向量數(shù)據(jù)庫
2023-08-08 22:45:16241 向量數(shù)據(jù)庫是一種以向量嵌入（高維向量）方式存儲和管理非結(jié)構(gòu)化數(shù)據(jù)（如文本、圖像或音頻）的數(shù)據(jù)庫，以便于快速查找和檢索類似對象。
2023-08-16 10:13:081119 
測試向量及其生成 測試向量（Test Vector）的一個基本定義是：測試向量是每個時鐘周期應(yīng)用于器件管腳的用于測試或者操作的邏輯1和邏輯0數(shù)據(jù)。 這一定義聽起來似乎很簡單，但在真實應(yīng)用中則復(fù)雜得多
2023-10-30 11:23:511132 
當(dāng)MCU中有兩段或以上程序的時候（第一個程序為用戶BootLoader程序，其他的為APP程序，這個在前期視頻《什么是ISP？什么是IAP》中有講過），APP程序中都需要做中斷向量偏移，那么什么是中斷向量偏移，為什么要做中斷向量偏移？
2024-01-30 09:47:50284 
電子發(fā)燒友App
工商網(wǎng)監(jiān)
評論