本項(xiàng)目探討如何將機(jī)器學(xué)習(xí)（Machine learning）應(yīng)用到物聯(lián)網(wǎng)（IoT，Internet of Things）中。我們將使用 Android Things 作為我們的物聯(lián)網(wǎng)平臺(tái)，并且采用
2018-05-23 09:24:43
9932 人工智慧隸屬于大範(fàn)疇，包含了機(jī)器學(xué)習(xí)（Machine Learning） 與深度學(xué)習(xí)（Deep Learning）。如下圖所示，我們最興趣的深度學(xué)習(xí)則是規(guī)範(fàn)于機(jī)器學(xué)習(xí)之中的一項(xiàng)分支，而以下段落將簡(jiǎn)單介紹機(jī)器學(xué)習(xí)與深度學(xué)習(xí)的差異。
2020-12-18 15:45:315095 
的轉(zhuǎn)換功能。機(jī)器學(xué)習(xí)與預(yù)測(cè)1.Amazon Machine Learning：從數(shù)據(jù)中查找模式。該API的典型用法包括詐騙檢測(cè)、需求預(yù)測(cè)、目標(biāo)營(yíng)銷(xiāo)和點(diǎn)擊預(yù)測(cè)等。2.BigML：提供云托管的機(jī)器學(xué)習(xí)和數(shù)據(jù)
2018-05-03 16:41:16
機(jī)器學(xué)習(xí)與數(shù)據(jù)挖掘方法和應(yīng)用（經(jīng)典）
2023-09-26 07:56:49
本書(shū)將機(jī)器學(xué)習(xí)看成一個(gè)整體，不管于基于頻率的方法還是貝葉斯方法，不管是回歸模型還是分類(lèi)模型，都只是一個(gè)問(wèn)題的不同側(cè)面。作者能夠開(kāi)啟上帝視角，將機(jī)器學(xué)習(xí)的林林總總都納入一張巨網(wǎng)之中
2019-03-18 08:30:00
由東南大學(xué)教授授課的模式識(shí)別課件
2014-01-11 16:05:32
從現(xiàn)在開(kāi)始，給一些模式識(shí)別算法的資料給大家！后面會(huì)給一些其它算法設(shè)計(jì)給大家！如果大家在學(xué)習(xí)中、研發(fā)中有什么問(wèn)題，可以找http://item.taobao.com/item.htm?spm
2013-07-15 22:31:52
你知道嗎？MCU也能做Machine learning (ML)剛剛過(guò)去的2018年被稱(chēng)為“人工智能元年”，2隨著單芯片計(jì)算力的不斷增長(zhǎng)，機(jī)器學(xué)習(xí)（ML）不再是云計(jì)算和高性能處理器的專(zhuān)利，邊緣計(jì)算
2021-11-03 06:36:32
隨著單芯片計(jì)算力的不斷增長(zhǎng)，機(jī)器學(xué)習(xí)（ML）不再是云計(jì)算和高性能處理器的專(zhuān)利，邊緣計(jì)算正在崛起！邊緣計(jì)算為AI提供了新的可能性，比如實(shí)時(shí)智能語(yǔ)音識(shí)別和實(shí)時(shí)人臉檢測(cè)，邊緣計(jì)算的實(shí)時(shí)性、可靠性和隱私安全性是云計(jì)算無(wú)法相比的。先通過(guò)視頻直觀的感受一下吧！
2021-11-03 09:21:52
Machine learning methods for wind turbine condition monitoring: A review風(fēng)力發(fā)電機(jī)監(jiān)控系統(tǒng)中常用的一些機(jī)器學(xué)習(xí)的方法
2021-07-12 07:29:54
招聘崗位機(jī)器學(xué)習(xí)/數(shù)據(jù)挖掘工程師/信號(hào)與信息處理（實(shí)習(xí)） 崗位職責(zé)：1.篩選現(xiàn)場(chǎng)基礎(chǔ)數(shù)據(jù)，統(tǒng)計(jì)總體數(shù)據(jù)特性；2.快速學(xué)習(xí)現(xiàn)場(chǎng)數(shù)據(jù)特性，對(duì)各類(lèi)現(xiàn)場(chǎng)原始進(jìn)行有效分類(lèi)和挖掘。 崗位要求：1.數(shù)學(xué)專(zhuān)業(yè)、信號(hào)
2017-08-18 10:26:22
正態(tài)分布、chi-square分布、t分布、F分布等。三、機(jī)器學(xué)習(xí)和數(shù)據(jù)挖掘機(jī)器學(xué)習(xí)資料首推吳恩達(dá)的《斯坦福大學(xué)公開(kāi)課：機(jī)器學(xué)習(xí)課程》視頻。這20集視頻確實(shí)是好視頻，但對(duì)初學(xué)者來(lái)說(shuō)難度偏大。我有了一點(diǎn)機(jī)器
2017-09-01 11:05:58
人工智能、數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)和深度學(xué)習(xí)之間，主要有什么關(guān)系？
2020-03-16 11:35:54
人工智能、機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘的區(qū)別
2020-05-14 16:02:52
復(fù)雜數(shù)據(jù)中提取特征的強(qiáng)大工具。例如，這包括音頻信號(hào)或圖像中的復(fù)雜模式識(shí)別。本文討論了 CNN 相對(duì)于經(jīng)典線性規(guī)劃的優(yōu)勢(shì)。后續(xù)文章“訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)：什么是機(jī)器學(xué)習(xí)？——第2部分”將討論如何訓(xùn)練CNN
2023-02-23 20:11:10
如何采用DSP芯片實(shí)現(xiàn)圖像的模式識(shí)別？
2021-04-30 06:25:54
硬件神經(jīng)網(wǎng)絡(luò)技術(shù)ZISC的工作原理如何用VLSI設(shè)計(jì)硬件神經(jīng)網(wǎng)絡(luò)？ZISC技術(shù)及其在模式識(shí)別中的應(yīng)用
2021-04-12 06:55:38
` 本帖最后由 訊飛開(kāi)放平臺(tái) 于 2018-8-24 09:44 編輯
作為模式識(shí)別或者機(jī)器學(xué)習(xí)的愛(ài)好者，同學(xué)們一定聽(tīng)說(shuō)過(guò)支持向量機(jī)這個(gè)概念，這可是一個(gè)，在機(jī)器學(xué)習(xí)中避不開(kāi)的重要問(wèn)題。其實(shí)關(guān)于
2018-08-24 09:40:17
下只列出了5、6個(gè)教程。下面的每個(gè)鏈接都應(yīng)該鏈接了和其他鏈接不同的資源，也會(huì)通過(guò)不同的方式（例如幻燈片代碼段)或者不同的角度呈現(xiàn)出這些內(nèi)容。機(jī)器學(xué)習(xí)Machine Learning is Fun
2019-03-07 20:22:31
： 然后機(jī)器學(xué)習(xí) （Machine Learning） 就是這篇文檔的主題了，但是 機(jī)器學(xué)習(xí) 依舊是一個(gè)非常大的話題：原作者：RTThreadIoTOS
2022-09-06 14:54:26
模式識(shí)別聽(tīng)起來(lái)很高大上，其實(shí)就是特征識(shí)別。人類(lèi)對(duì)事物的識(shí)別過(guò)程其實(shí)就是提取特征、根據(jù)特征對(duì)事物進(jìn)行分類(lèi)的過(guò)程，然后人類(lèi)就可以將這類(lèi)事物的特點(diǎn)與規(guī)律套用到這個(gè)事物上。我們?cè)陂T(mén)禁課程中曾提出過(guò)一個(gè)雙人
2017-01-15 22:34:37
本書(shū)介紹了模式識(shí)別和人工智能中的基本理論以及相關(guān)的模型詳細(xì)講述貝葉斯決策、線性判別神經(jīng)網(wǎng)絡(luò)理論、隱馬爾可夫模型、聚類(lèi)技術(shù)等 給出模式識(shí)別中的一些經(jīng)典問(wèn)題的解決方案。提供字符識(shí)別、筆跡鑒定、人臉檢測(cè)
2018-09-19 17:01:50
一級(jí)學(xué)科控制科學(xué)與工程二級(jí)學(xué)科081101控制理論與控制工程081102檢測(cè)技術(shù)與自動(dòng)化裝置081104模式識(shí)別與智能系統(tǒng)主要設(shè)置如下研究方向：(1)智能機(jī)器人控制技術(shù)研究不同信息獲取模式下的智能
2021-09-13 07:52:16
請(qǐng)問(wèn)有什么芯片或模塊可以提取圖像
中的某個(gè)元素，例如：攝像頭采集前方路況信息，然后把圖像進(jìn)行
模式識(shí)別，判斷前方是否有汽車(chē)（也就是分析圖像
中汽車(chē)元素）。要用單片機(jī)控制的，不用數(shù)學(xué)建模的。請(qǐng)問(wèn)現(xiàn)在有這樣的芯片或模塊嗎？有急用 ?。。?/div>
2017-10-12 22:03:42
提出了一種改進(jìn)的LSM-ALSM子空間模式識(shí)別方法，將LSM的旋轉(zhuǎn)策略引入ALSM，使子空間之間互不關(guān)聯(lián)的情況得到改善，提高了ALSM對(duì)相似樣本的區(qū)分能力。討論中以性能函數(shù)代替經(jīng)驗(yàn)函數(shù)
2008-11-11 17:32:04
29 為了提高帶鋼生產(chǎn)中板形模式識(shí)別精度，提出了基于支持向量機(jī)(svM)的改進(jìn)徑向基(RBF)網(wǎng)絡(luò)板形模式識(shí)別方法，由SVM回歸確定RBF網(wǎng)絡(luò)優(yōu)化的初始參數(shù)，解決了傳統(tǒng)方法存在的學(xué)習(xí)時(shí)
2009-03-15 23:58:3616 模糊模式識(shí)別是模糊集理論研究中的重要方向，神經(jīng)網(wǎng)絡(luò)是數(shù)據(jù)挖掘中的一種常用方法。超圓神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)時(shí)間和網(wǎng)絡(luò)模型理解性都優(yōu)于BP 神經(jīng)網(wǎng)絡(luò)，它能以較少的數(shù)據(jù)量 蘊(yùn)涵
2009-06-01 16:46:5320 現(xiàn)代統(tǒng)計(jì)模式識(shí)別方法以數(shù)據(jù)滿(mǎn)足一定的統(tǒng)計(jì)分布規(guī)律為前提，然而現(xiàn)實(shí)問(wèn)題研究中存在大量分布不理想或小樣本情況?；诙嘣獔D表示的廣義統(tǒng)計(jì)模式識(shí)別提出基于類(lèi)別樣本統(tǒng)
2009-06-04 10:54:1422 本文分析研究了神經(jīng)網(wǎng)絡(luò)的工作原理及其在加熱爐模式識(shí)別與智能控制系統(tǒng)中應(yīng)用情況，論述了加熱爐模式識(shí)別與智能控制的特點(diǎn)。實(shí)踐結(jié)果表明，這種控制思想是可行的，能
2009-06-20 09:29:1115 本文提出了計(jì)算機(jī)圖像處理與模糊模式識(shí)別結(jié)合的方法，從蘋(píng)果的色澤、橫經(jīng)以及果形指數(shù)三個(gè)方面對(duì)蘋(píng)果進(jìn)行等級(jí)識(shí)別并取得了較好的試驗(yàn)結(jié)果。關(guān)鍵詞：隸屬度; 模糊模式識(shí)
2009-08-07 08:52:2421 數(shù)字地球、數(shù)字中國(guó)、數(shù)字城市是當(dāng)前的一個(gè)研究熱點(diǎn)。其中的一個(gè)重要方面是將遙感圖象進(jìn)行模式識(shí)別將遙感圖象矢量化，再將矢量化的圖形用計(jì)算機(jī)三維立體化。本文闡述了數(shù)
2009-08-24 10:12:2124 特征提取是模式識(shí)別中的關(guān)鍵技術(shù)之一，本文提出了一種基于改進(jìn)ReliefF 算法的主成分特征提取方法，通過(guò)該方法進(jìn)行主特征特征提取可以有效降維，大大減輕了后續(xù)的分類(lèi)器的
2009-12-12 13:47:4527 為了實(shí)現(xiàn)對(duì)電機(jī)故障模式的自動(dòng)識(shí)別與診斷，通過(guò)對(duì)人工神經(jīng)網(wǎng)絡(luò)分類(lèi)功能及傳統(tǒng)電機(jī)故障診斷技術(shù)的分析，提出了一種利用人工神經(jīng)網(wǎng)絡(luò)進(jìn)行模式識(shí)別的方法。針對(duì)電機(jī)故障
2010-08-14 16:32:0618 什么是模式識(shí)別
模式識(shí)別(PatternRecognition)是人類(lèi)的一項(xiàng)基本智能，在日常生活中，人們經(jīng)常在進(jìn)行“模式識(shí)別”。隨著20世紀(jì)40年代計(jì)算機(jī)的出現(xiàn)以及50年代人工智能的興起，
2009-04-10 12:41:423232 模式識(shí)別在壓力容器聲發(fā)射檢測(cè)中的應(yīng)用
本文針對(duì)聲發(fā)射信號(hào)全波形采集技術(shù)和儀器的發(fā)展，提出了聲發(fā)射源的定性問(wèn)題。通過(guò)聲發(fā)射信號(hào)的小波
2009-10-26 13:56:401178 模式識(shí)別,模式識(shí)別是什么意思
模式識(shí)別是人類(lèi)的一項(xiàng)基本智能，在日常生活中，人們經(jīng)常在進(jìn)行“模式識(shí)別”。隨著20世紀(jì)40年代計(jì)
2010-03-06 10:17:562178 什么是模式識(shí)別？
模式識(shí)別(Pattern Recognition)是人類(lèi)的一項(xiàng)基本智能，在日常生活中，人們經(jīng)常在進(jìn)行“模式識(shí)別”。隨著20世紀(jì)4
2010-03-06 10:22:441196 模式識(shí)別技術(shù)在社會(huì)生活和科學(xué)研究的許多方面有著巨大的現(xiàn)實(shí)意義，己經(jīng)在許多領(lǐng)域得到了廣泛應(yīng)用。文中就其理論基礎(chǔ)與主要方法作了詳細(xì)的介紹與闡述。分別介紹了統(tǒng)計(jì)模式識(shí)別
2012-10-17 11:22:460 模式識(shí)別經(jīng)典
2015-04-09 17:51:230 技術(shù)是應(yīng)用于音頻信號(hào)識(shí)別，模仿大腦的語(yǔ)音信號(hào)學(xué)習(xí)、識(shí)別的模式。在音頻信號(hào)處理的過(guò)程中，運(yùn)用deep learning進(jìn)行音頻數(shù)據(jù)的特征提取和訓(xùn)練，將大幅度提高音頻信號(hào)識(shí)別的準(zhǔn)確性。
2015-12-24 16:05:2522 基于模糊模式識(shí)別的模擬電路故障診斷方法..
2016-01-06 11:39:5512 詳細(xì)介紹了模式識(shí)別和神經(jīng)網(wǎng)絡(luò)以及神經(jīng)網(wǎng)絡(luò)訓(xùn)練
2016-05-24 14:14:470 基于可拓模式識(shí)別的孤島檢測(cè)研究_孫博
2016-12-28 14:24:141 機(jī)器學(xué)習(xí)機(jī)器學(xué)習(xí)是人工智能的一種途徑或子集，它強(qiáng)調(diào)“學(xué)習(xí)”而不是計(jì)算機(jī)程序。一臺(tái)機(jī)器使用復(fù)雜的算法來(lái)分析大量的數(shù)據(jù)，識(shí)別數(shù)據(jù)中的模式，并做出一個(gè)預(yù)測(cè)——不需要人在機(jī)器的軟件中編寫(xiě)特定的指令。在錯(cuò)誤
2017-09-25 15:08:07979 機(jī)器學(xué)習(xí)的本質(zhì)是模式識(shí)別。 一部分可以用于預(yù)測(cè)（有監(jiān)督學(xué)習(xí)，無(wú)監(jiān)督學(xué)習(xí)），另一類(lèi)直接用于決策（強(qiáng)化學(xué)習(xí)），機(jī)器學(xué)習(xí)的一個(gè)核心任務(wù)即模式識(shí)別， 我們通?？梢杂?b class="flag-6" style="color: red">模式識(shí)別來(lái)對(duì)我們未來(lái)研究的系統(tǒng)進(jìn)行歸類(lèi)， 并預(yù)測(cè)各種可能的未來(lái)結(jié)果。
2017-10-13 10:56:431973 
在人體運(yùn)動(dòng)模式識(shí)別中，傳統(tǒng)稀疏表示分類(lèi)算法未考慮待測(cè)試樣本相應(yīng)稀疏系數(shù)向量?jī)?nèi)在塊結(jié)構(gòu)相關(guān)性信息，影響了算法識(shí)別性能。為此，提出一種基于塊稀疏模型的人體運(yùn)動(dòng)模式識(shí)別方法。該方法充分利用人體運(yùn)動(dòng)模式內(nèi)在
2017-12-20 15:12:520 嵌入到自定義程序中使用。鑒于此，在介紹模式識(shí)別方法及幾種分類(lèi)器后，以鳶尾花數(shù)據(jù)文件iris．data為例，詳細(xì)闡述了PRSD Studio模式識(shí)別工具箱的功能及使用方法，其中包括數(shù)據(jù)集構(gòu)造、特征選擇、分類(lèi)器的設(shè)計(jì)及性能評(píng)價(jià)等。
2018-01-04 15:29:080 數(shù)據(jù)挖掘可以認(rèn)為是數(shù)據(jù)庫(kù)技術(shù)與機(jī)器學(xué)習(xí)的交叉，它利用數(shù)據(jù)庫(kù)技術(shù)來(lái)管理海量的數(shù)據(jù)，并利用機(jī)器學(xué)習(xí)和統(tǒng)計(jì)分析來(lái)進(jìn)行數(shù)據(jù)分析。
2018-01-05 15:20:295542 機(jī)器學(xué)習(xí)是一門(mén)更加偏向理論性學(xué)科，其目的是為了讓計(jì)算機(jī)不斷學(xué)習(xí)找到接近目標(biāo)函數(shù)f的假設(shè)h。而數(shù)據(jù)挖掘則是使用了包括機(jī)器學(xué)習(xí)算法在內(nèi)的眾多知識(shí)的一門(mén)應(yīng)用學(xué)科，它主要是使用一系列處理方法挖掘數(shù)據(jù)背后的信息。
2018-01-05 19:02:3511440 著人工智能(AI)與機(jī)器學(xué)習(xí)(machine learning)技術(shù)取得進(jìn)展后，將會(huì)讓數(shù)據(jù)預(yù)備、發(fā)現(xiàn)、分析、預(yù)測(cè)與以數(shù)據(jù)為主的決策更加簡(jiǎn)易，進(jìn)而幫助業(yè)者使其營(yíng)運(yùn)流程更加智能化。
2018-01-26 09:01:481632 模式識(shí)別是人工智能的基礎(chǔ)學(xué)科，廣泛應(yīng)用于工作、生活中，比如OCR、語(yǔ)音識(shí)別、條碼識(shí)別、指紋識(shí)別、遙感識(shí)別等。
2018-03-28 09:21:124054 
在機(jī)器學(xué)習(xí)(Machine learning)領(lǐng)域。主要有三類(lèi)不同的學(xué)習(xí)方法：監(jiān)督學(xué)習(xí)(Supervised learning)、非監(jiān)督學(xué)習(xí)(Unsupervised learning)、半監(jiān)督學(xué)習(xí)(Semi-supervised learning)。
2018-05-07 09:09:0115019 一本模式識(shí)別與智能計(jì)算的書(shū)籍
2018-05-09 11:44:020 /數(shù)據(jù)科學(xué)工具包，上文介紹的Python Machine Learning書(shū)中就大量使用Sklearn的API。和使用Kaggle的目的一致，學(xué)習(xí)的Sklearn的文檔也是一種實(shí)踐過(guò)程。比較推薦的方法是把主流機(jī)器學(xué)習(xí)模型Sklearn中的例子都看一遍
2018-05-14 15:54:325446 
和應(yīng)用》的介紹及下載地址 贊助本站 《機(jī)器學(xué)習(xí)與數(shù)據(jù)挖掘：方法和應(yīng)用》分為5個(gè)部分，共18章，較為全面地介紹了機(jī)器學(xué)習(xí)的基本概念，并討論了數(shù)據(jù)挖掘和知識(shí)發(fā)現(xiàn)中的有關(guān)問(wèn)題及多策略學(xué)習(xí)方法，具體地闡述了機(jī)器學(xué)習(xí)與數(shù)據(jù)挖掘在工程設(shè)計(jì)，文本、圖像和音樂(lè)，網(wǎng)頁(yè)分析、計(jì)算機(jī)病毒和
2018-06-27 18:38:01950 science, analytics and machine learning when applying them in real life.
2018-10-26 07:10:001629 (Intel? DAAL) to accelerate data analytics and machine learning algorithms.
2018-09-19 06:47:002201 This talk will focus on setting a foundation for machine learning techniques for predictive
2018-09-12 05:20:002830 Speed up your machine learning application code and turn data into insight and actionable results.
2018-09-11 03:21:001625 了解和注冊(cè)計(jì)算機(jī)視覺(jué)和模式識(shí)別會(huì)議（CVPR 2018）！
2018-11-05 06:14:003700 模式識(shí)別起源于工程，而機(jī)器學(xué)習(xí)起源于計(jì)算機(jī)科學(xué)。然而，這些活動(dòng)可以看作是同一領(lǐng)域的兩個(gè)方面，并且它們一起在過(guò)去十年中經(jīng)歷了實(shí)質(zhì)性的發(fā)展。特別是，貝葉斯方法已經(jīng)從一個(gè)專(zhuān)家領(lǐng)域發(fā)展成為主流，而圖形模型
2018-12-14 17:39:2523 為了更清楚地理解機(jī)器學(xué)習(xí)的過(guò)程，我們將以開(kāi)發(fā)能夠識(shí)別手寫(xiě)數(shù)字的機(jī)器為具體例子來(lái)考慮模式識(shí)別的問(wèn)題。這樣的機(jī)器應(yīng)該能夠準(zhǔn)確識(shí)別一個(gè)字符所代表的數(shù)字，而無(wú)論它的書(shū)寫(xiě)格式如何變化。
2019-01-12 10:05:358615 在 24 號(hào) GitHub 發(fā)布的官方報(bào)告 The State of the Octoverse: Machine Learning 一文中，GitHub 官方對(duì) 2018 年機(jī)器學(xué)習(xí)和數(shù)據(jù)科學(xué)進(jìn)行了年度總結(jié)。
2019-01-30 15:16:493658 
數(shù)據(jù)挖掘從一個(gè)新的視角將數(shù)據(jù)庫(kù)技術(shù)、統(tǒng)計(jì)學(xué)、機(jī)器學(xué)習(xí)、信息檢索技術(shù)、數(shù)據(jù)可視化和模式識(shí)別與人工智能等領(lǐng)域有機(jī)結(jié)合起來(lái)。
2019-02-28 08:44:233247 
在模式識(shí)別方法中，輸入數(shù)據(jù)的受監(jiān)督分類(lèi)使用受監(jiān)督學(xué)習(xí)算法，它是基于不同對(duì)象類(lèi)的培訓(xùn)數(shù)據(jù)來(lái)創(chuàng)建分類(lèi)器。然后分類(lèi)器接受輸入數(shù)據(jù)并分配相應(yīng)的對(duì)象或類(lèi)標(biāo)簽。
2019-09-17 16:43:545339 機(jī)器學(xué)習(xí)/深度
學(xué)習(xí)/人工智能（ML/DL/AI） 需要篩選越來(lái)越多的
數(shù)據(jù)，通過(guò)自動(dòng)化來(lái)
識(shí)別復(fù)雜
模式、異常情況以及找到適當(dāng)?shù)奈恢谩?/div>
2019-09-18 11:39:371254 會(huì)上，美國(guó)卡內(nèi)基梅隆大學(xué)CMU計(jì)算機(jī)學(xué)院院長(zhǎng)、機(jī)器學(xué)習(xí)教父、乂學(xué)教育-松鼠AI首席AI科學(xué)家Tom Mitchell教授以“Learning from Unlabeled Data”為題，做了精彩的主題報(bào)告。
2019-09-20 11:12:263327 在模式識(shí)別中，對(duì)元素進(jìn)行分類(lèi)之前，我們需要采集樣本進(jìn)行訓(xùn)練。本章的實(shí)例中，訓(xùn)練了3個(gè)類(lèi)，每一個(gè)類(lèi)采集了100個(gè)樣本。
2019-10-29 15:16:3711 本文檔的主要內(nèi)容詳細(xì)介紹的是基于Labview的語(yǔ)音模式識(shí)別MFCC原理特征提取。
2020-01-09 08:00:0043 隨著數(shù)據(jù)科學(xué)（Data Science）技術(shù)的興起，人工智能（ArtificialIntelligence）、機(jī)器學(xué)習(xí)（Machine Learning） 成為近幾年來(lái)計(jì)算機(jī)科學(xué)界十分熱門(mén)的研究領(lǐng)域
2020-08-07 16:02:401252 通過(guò)一些易于實(shí)現(xiàn)的多樣化庫(kù)和框架能夠充分挖掘機(jī)器學(xué)習(xí)的預(yù)測(cè)能力。垃圾郵件過(guò)濾，面部識(shí)別，推薦引擎等等。當(dāng)你要對(duì)大型數(shù)據(jù)集執(zhí)行預(yù)測(cè)分析或模式識(shí)別時(shí)，機(jī)器學(xué)習(xí)都是必經(jīng)之路。
2020-09-29 15:00:202741 模式識(shí)別技術(shù)是人工智能的基礎(chǔ)技術(shù)，21世紀(jì)是智能化、信息化、計(jì)算化、網(wǎng)絡(luò)化的世紀(jì)，在這個(gè)以數(shù)字計(jì)算為特征的世紀(jì)里，作為人工智能技術(shù)基礎(chǔ)學(xué)科的模式識(shí)別技術(shù)，必將獲得巨大的發(fā)展空間。
2020-11-10 15:57:449748 模式識(shí)別在各個(gè)領(lǐng)域的應(yīng)用現(xiàn)在也取得較好的成績(jī)，因此模式識(shí)別也別各國(guó)重點(diǎn)應(yīng)用在各個(gè)領(lǐng)域當(dāng)中，方便人們的生活。
2020-11-10 16:25:495062 模式識(shí)別技術(shù)屬于人工智能。模式識(shí)別是通過(guò)抽取被識(shí)別對(duì)象的特征，與存放在計(jì)算機(jī)內(nèi)的已知對(duì)象的特征進(jìn)行比較及判別，從而得出結(jié)論的一種人工智能技術(shù)。其核心點(diǎn)是圖形識(shí)別及語(yǔ)言識(shí)別。如刑偵學(xué)中的指紋辨別、手寫(xiě)漢字的識(shí)別、語(yǔ)音識(shí)別都是模式識(shí)別的應(yīng)用實(shí)例。
2020-11-10 16:31:2911966 模式識(shí)別技術(shù)類(lèi)似人類(lèi)認(rèn)知和識(shí)別的特性，生物信息特征相當(dāng)于人的實(shí)名。
2020-11-10 16:38:059291 ?導(dǎo)讀：“機(jī)器學(xué)習(xí)”一詞往往被與“人工智能”“深度學(xué)習(xí)”混用，也常與“大數(shù)據(jù)”一詞一同出現(xiàn)。下面首先簡(jiǎn)要介紹它們的關(guān)系，然后講述機(jī)器學(xué)習(xí)的基本概念和模式。 “機(jī)器學(xué)習(xí)”“人工智能”“深度學(xué)習(xí)”這三個(gè)
2021-01-12 17:17:004626 Matlab的模式識(shí)別和計(jì)算智力使用技巧 說(shuō)明。
2021-05-27 09:21:300 提出了一種適用于模式識(shí)別的新型神經(jīng)網(wǎng)絡(luò)模型——局部有監(jiān)督特征映射網(wǎng)絡(luò)，描述了該網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)和學(xué)習(xí)算法，研究了網(wǎng)絡(luò)的基本性能，最后將其應(yīng)用到了質(zhì)量控制圖的模式識(shí)別中。理論研究和仿真實(shí)驗(yàn)表明，該網(wǎng)絡(luò)結(jié)構(gòu)簡(jiǎn)單、算法簡(jiǎn)潔，收斂速度快、識(shí)別精度高，適用于需要大樣本訓(xùn)練、隨機(jī)干擾嚴(yán)重的復(fù)雜模式的分類(lèi)與識(shí)別。
2021-05-31 16:29:235 圖像降噪中的啟發(fā)，本文提出了低信噪比下基于深度學(xué)習(xí)的調(diào)制模式識(shí)別方法，實(shí)現(xiàn)了對(duì)低信噪比信號(hào)的降噪處理，解決了低信噪比區(qū)間信號(hào)識(shí)別準(zhǔn)確率過(guò)低的問(wèn)題。通過(guò)在開(kāi)源數(shù)據(jù)集下的大量實(shí)驗(yàn)，驗(yàn)證了夲方法的有效性，低信噪比
2021-06-16 16:47:3416 模式識(shí)別和計(jì)算機(jī)視覺(jué)手冊(cè)免費(fèi)下載。
2021-06-24 10:02:473 信號(hào)處理與機(jī)器學(xué)習(xí)的結(jié)合論文(itech可編程電源)-Tensor Decomposition for Signal Processing and Machine Learning信號(hào)處理與機(jī)器學(xué)習(xí)的結(jié)合論文
2021-07-26 13:32:1067 數(shù)據(jù)挖掘通常與計(jì)算機(jī)科學(xué)有關(guān)，并通過(guò)統(tǒng)計(jì)、在線分析處理、情報(bào)檢索、機(jī)器學(xué)習(xí)、專(zhuān)家系統(tǒng)（依靠過(guò)去的經(jīng)驗(yàn)法則）和模式識(shí)別等諸多方法來(lái)實(shí)現(xiàn)上述目標(biāo)。
2021-09-29 14:34:392954 數(shù)據(jù)挖掘是一種決策支持過(guò)程，主要基于人工智能、機(jī)器學(xué)習(xí)、模式識(shí)別、統(tǒng)計(jì)學(xué)、數(shù)據(jù)庫(kù)、可視化技術(shù)等，高度自動(dòng)化地分析企業(yè)的數(shù)據(jù)，作出歸納性的推理
2021-09-29 11:27:183181 ，機(jī)器學(xué)習(xí)（ML）不再是云計(jì)算和高性能處理器的專(zhuān)利，邊緣計(jì)算正在崛起！邊緣計(jì)算為AI提供了新的可能性，比如實(shí)時(shí)智能語(yǔ)音識(shí)別和實(shí)時(shí)人臉檢測(cè)，其實(shí)時(shí)性、可靠性和隱私安全性是云計(jì)算無(wú)法相比的。實(shí)戰(zhàn)開(kāi)始...
2021-10-28 16:21:012 機(jī)器學(xué)習(xí)（Machine Learning）本質(zhì)上就是讓計(jì)算機(jī)自己在數(shù)據(jù)中學(xué)習(xí)規(guī)律，并根據(jù)所得到的規(guī)律對(duì)未來(lái)數(shù)據(jù)進(jìn)行預(yù)測(cè)。
2022-10-27 15:12:279155 未來(lái)發(fā)展進(jìn)行闡述。 一、模式識(shí)別 模式識(shí)別是指通過(guò)對(duì)已有模式的學(xué)習(xí)來(lái)識(shí)別新的模式的過(guò)程，可以根據(jù)輸入數(shù)據(jù)的特征結(jié)構(gòu)和分布進(jìn)行分類(lèi)、聚類(lèi)、識(shí)別、預(yù)測(cè)和決策等操作。模式識(shí)別的主要任務(wù)是挖掘數(shù)據(jù)中的知識(shí)和信息，常用
2023-08-15 16:07:324959 人工智能模式識(shí)別技術(shù)有哪些 人工智能（Artificial Intelligence，AI）是指模仿人類(lèi)智能思維的計(jì)算機(jī)技術(shù)。模式識(shí)別是人工智能技術(shù)的重要組成部分之一，它是指從大量數(shù)據(jù)中提取可重復(fù)
2023-08-15 16:08:104396 。 機(jī)器學(xué)習(xí)和數(shù)據(jù)挖掘是一對(duì)相互關(guān)聯(lián)的領(lǐng)域。它們都是理解數(shù)據(jù)、建立模型和提取知識(shí)的工具，但目標(biāo)和方法有所不同。在這篇文章中，我們將比較機(jī)器學(xué)習(xí)與數(shù)據(jù)挖掘，并討論它們之間的區(qū)別和聯(lián)系。 機(jī)器學(xué)習(xí) 機(jī)器學(xué)習(xí)是一種人工
2023-08-17 16:11:332324 機(jī)器學(xué)習(xí)可以分為哪幾類(lèi)？機(jī)器學(xué)習(xí)技術(shù)有哪些 機(jī)器學(xué)習(xí)（Machine Learning，ML）是一種通過(guò)自動(dòng)化自我學(xué)習(xí)所增強(qiáng)的能力，從數(shù)據(jù)中獲取知識(shí)的方法?？梢哉f(shuō)，機(jī)器學(xué)習(xí)是在人工智能的支持下
2023-08-17 16:11:367048 用的數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)工具。 一、數(shù)據(jù)挖掘 數(shù)據(jù)挖掘是指從大量數(shù)據(jù)中自動(dòng)或半自動(dòng)地發(fā)現(xiàn)潛在的關(guān)系、規(guī)律或模式的過(guò)程。Python中有許多數(shù)據(jù)挖掘工具可供使用，以下是其中一些常用的工具： 1. NumPy和Pandas NumPy是一個(gè)Python庫(kù)，用于處理數(shù)組和矩陣運(yùn)算。它可以用于執(zhí)
2023-08-17 16:29:381912 數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)有什么關(guān)系 數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)是兩個(gè)不同的概念，但它們有一些重要的相似之處。這篇文章將詳細(xì)介紹數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)之間的關(guān)系以及它們?cè)诂F(xiàn)代數(shù)據(jù)科學(xué)中的作用。 一、數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)
2023-08-17 16:29:503146 這兩個(gè)領(lǐng)域的相同點(diǎn)和不同點(diǎn)以及它們是如何相互作用的。 數(shù)據(jù)挖掘是指從大量的數(shù)據(jù)中發(fā)現(xiàn)隱藏在其中的有意義的信息的過(guò)程。它涉及到各種技術(shù)和方法，包括統(tǒng)計(jì)分析、模式識(shí)別、數(shù)據(jù)可視化等。數(shù)據(jù)挖掘的主要目的是識(shí)別可用
2023-08-17 16:29:543371 數(shù)據(jù)挖掘與機(jī)器學(xué)習(xí)專(zhuān)業(yè)就業(yè)方向 隨著信息技術(shù)的不斷發(fā)展以及互聯(lián)網(wǎng)的普及，我們現(xiàn)在生活在一個(gè)大數(shù)據(jù)時(shí)代中。大量的數(shù)據(jù)被收集并存儲(chǔ)在不同的領(lǐng)域，并且這些數(shù)據(jù)隨著時(shí)間的推移不斷增長(zhǎng)。然而，這些數(shù)據(jù)對(duì)于人類(lèi)
2023-08-17 16:29:582835 視為同一概念。在這篇文章中，我們將討論機(jī)器學(xué)習(xí)和數(shù)據(jù)挖掘之間的區(qū)別以及它們之間的關(guān)系。 機(jī)器學(xué)習(xí)和數(shù)據(jù)挖掘的區(qū)別 機(jī)器學(xué)習(xí)和數(shù)據(jù)挖掘都是從數(shù)據(jù)中提取信息的過(guò)程。然而，在不同的場(chǎng)景下，它們之間有一些本質(zhì)的區(qū)別。 機(jī)
2023-08-17 16:30:002915 機(jī)器學(xué)習(xí)（Machine Learning）是一種人工智能的技術(shù)，它是一種讓計(jì)算機(jī)通過(guò)對(duì)大量數(shù)據(jù)進(jìn)行分析和學(xué)習(xí)，從而可以自動(dòng)進(jìn)行預(yù)測(cè)和決策的技術(shù)。其核心思想是利用算法和統(tǒng)計(jì)學(xué)的方法來(lái)讓計(jì)算機(jī)在沒(méi)有人
2023-08-22 17:39:409345 為了進(jìn)行機(jī)器學(xué)習(xí)和數(shù)據(jù)挖掘任務(wù)，數(shù)據(jù)科學(xué)家們提出了各種模型，在眾多的數(shù)據(jù)挖掘模型中，國(guó)際權(quán)威的學(xué)術(shù)組織 ICDM（the IEEE International Conference on Data Mining）評(píng)選出了十大經(jīng)典的算法。
2023-10-31 11:30:551688 
在科技日新月異的今天，人工智能（Artificial Intelligence, AI）、機(jī)器學(xué)習(xí)（Machine Learning, ML）和深度學(xué)習(xí)（Deep Learning, DL）已成為
2024-07-03 18:22:583369 已全部加載完成
電子發(fā)燒友App
工商網(wǎng)監(jiān)
評(píng)論