ML-11:机器学习的分类ML-11:机器学习的分类1 学习形式分类1.1 监督学习(Supervised Learning)1.2 非监督学习(Unsupervised Learning)1.3 强化学习(Reinforcement Learning)2 任务目标分类2.1 回归算法2.2 分类算法2.3 聚类算法3 学习策略分类3.1 演绎学习 (Learning by deduction)3

深度学习-22:信息论和信息熵CSDN专栏: 机器学习&深度学习(理论/实践)熵的概念最早起源于物理学，用于度量一个热力学系统的无序程度。在信息论里则叫信息量,即熵是对不确定性的度量。从控制论的角度来看，应叫不确定性。信息论的创始人香农在其著作《通信的数学理论》中提出了建立在概率统计模型上的信息度量。他把信息定义为“用来消除不确定性的东西”。在信息世界，熵越

深度学习-84:自动驾驶技术(L0-L5级别)CSDN专栏: 机器学习&深度学习(理论/实践)人工智能在驾驶领域的应用最为深入。通过依靠人工智能、视觉计算、雷达、监控装置和全球定位系统协同合作，让电脑可以在无人类主动的操作下，自动安全进行操作。自动驾驶系统主要由环境感知、决策协同、控制执行组成。目前自动驾驶在人工智能的应用领域中主要应用场景包括智能汽车、公共

深度学习-10：人工智能简史及三剑客CSDN专栏: 机器学习&深度学习(理论/实践)1 人工智能简史深度学习理论的突破和深度学习硬件加速能力的突破，使AI在模式识别、无人驾驶、智力游戏领域取得空前的成功。学术界和工业界全力以赴掀起人工智能的新一轮热潮。各大互联网巨头纷纷成立人工智能研究中心，唯恐在新一轮人工智能的竞赛被无情淘汰。如今，机器学习的应用已遍及人工智能的各个分支，

深度学习-11:神经元、神经网络、人脑和卷积神网络CSDN专栏: 机器学习&深度学习(理论/实践)在生物神经网络中，学习源自于大脑中无数神经元之间的连接。大脑接触到新的刺激后，这些神经元之间的连接改变了配置。这些更改包括出现新的连接，加强现有连接和删除那些没有使用的连接。例如，重复给定任务的次数越多，与这个任务相关的神经连接就越强，最终我们会认为这个任务被学会了。神

深度学习-14：知名的深度学习开源架构和项目CSDN专栏: 机器学习&深度学习(理论/实践)人工智能artificial intelligence，AI是科技研究中最热门的方向之一。像IBM、谷歌、微软、Facebook 和亚马逊等公司都在研发上投入大量的资金、或者收购那些在机器学习、神经网络、自然语言和图像处理等领域取得了进展的初创公司。考虑到人们对此感兴趣的程度

ML-72: 机器学习的回归算法实战(含sklearn源码)本代码构建线性函数和多项式函数并绘图。然后在用SkLearn的线性回归(LinearRegression)模块和多项式回归(PolynomialFeatures)模块拟合上述两种曲线。

深度学习-82:计算机AI视觉CSDN专栏: 机器学习&深度学习(理论/实践)随着机器学习，计算机视觉和计算能力的日益成熟，计算机视觉被广泛应用于人机互动、物体识别、图像分割、人脸识别、动作识别、运动跟踪、机器人、运动分析、机器视觉、结构分析和汽车安全驾驶等。计算机视觉伴随着比较多的推理型和场景分析型的视觉任务，大量机器学习算法被引入计算机视

# 深度学习-52:生成式对抗网络GAN(原理、模型和演进)。GAN模型演化出WGAN、WGAN GP、LS GAN、DRAGAN、BEGAN等GAN模型变体。Goodfellow认为正确使用数据的方式，先对数据集的特征信息有insight之后，再干活。在2014年，Goodfellow等提出生成式对抗网络GAN(Generative adversarial networks)。GAN网络由一个生

深度学习-43:长短时记忆神经网络(LSTM)深度学习原理与实践(开源图书)-总目录长短时记忆神经网络(Long Short-term Memory Networks,LSTM)是一种 RNN 特殊的类型，可以学习长期依赖信息。LSTM 由 Hochreiter & Schmidhuber (1997) 提出，并在近期被 Alex Graves 进行