掌神

why-what-how方式的機器學習總結之三

取樣方法 why 取樣方法最常用的場景是用來求一些不好計算原函式的積分,或者求一些分佈的期望值,關鍵詞蒙特卡洛積分。 比如上面這張圖,正方形的面積很容易知道,計算綠點佔所有采樣

小V神(以太坊創始人)訪談錄(七)

考恩:法律或監管環境的變化對實現願景有何幫助? V神:我真的不認為有許多法律或監管變化,可以幫助,至少在技術發展方面,因為最終我們已經有了所有這些“程式碼是自由的”的先例,和大多數其他國

關於神經網路的需要注意的概念總結

之前接觸並瞭解過神經網路的相關概念,但是並沒有做過任何系統的總結,這一段時間藉此總結一下相關的概念; 對於神經網路的入門概念來說最重要的是一些相關的理解性概念:反向傳播、啟用函式、正則化以及BatchNom

40行Python程式碼,實現卷積特徵視覺化

最近在閱讀 Jeremy Rifkin 的書《The End of Work》時,我讀到一個有趣的關於 AI 的定義。Rifkin 寫到:「今天,當科學家們談論人工智慧時,他們通常是指『一門創造機器的藝術,該

趨勢分析之神經網路

AMiner全新功能技術趨勢分析Trend analysis(http://trend.aminer.cn)基於AMiner 2億篇論文資料進行深入挖掘,包括對技術來源、熱度、發展趨勢進行研究,進而預測未來的技

強化學習(十五) A3C

在 強化學習(十四) Actor-Critic 中,我們討論了Actor-Critic的演算法流程,但是由於普通的Actor-Critic演算法難以收斂,需要一些其他的優化。而Asynchronous Adv

1714338837.3343