logo
publist
写文章

简介

该用户还未填写简介

擅长的技术栈

可提供的服务

暂无可提供的服务

三分钟了解一下深度学习

深度学习是机器学习研究中的一个新的领域,其动机在于建立、模拟人脑进行分析学习的神经网络,它模仿人脑的机制来解释数据,例如图像,声音和文本。深度学习是无监督学习的一种。 深度学习的概念源于人工神经网络的研究。含多隐层的多层感知器就是一种深度学习结构。深度学习通过建立类似人脑的分层模型结构, 对输入数据逐级提取从底层到高层的特征, 从而能很好地建立从底层信号到高层语义的映射关系。

#深度学习#人工智能
OpenAI的真正对手?DeepSeek-R1如何用强化学习重构LLM能力边界——DeepSeek-R1论文精读

2025年1月20日,DeepSeek-R1 发布,并同步**开源**模型权重。截至目前,DeepSeek 发布的 iOS 应用甚至超越了 ChatGPT 的官方应用,直接登顶 AppStore。DeepSeek-R1 一经发布,各种资讯已经铺天盖地,那就让我们一起来精读一下论文,看看引爆AI圈的 DeepSeek-R1 是如何炼成的?

文章图片
#开源
OpenAI的真正对手?DeepSeek-R1如何用强化学习重构LLM能力边界——DeepSeek-R1论文精读

2025年1月20日,DeepSeek-R1 发布,并同步**开源**模型权重。截至目前,DeepSeek 发布的 iOS 应用甚至超越了 ChatGPT 的官方应用,直接登顶 AppStore。DeepSeek-R1 一经发布,各种资讯已经铺天盖地,那就让我们一起来精读一下论文,看看引爆AI圈的 DeepSeek-R1 是如何炼成的?

文章图片
#开源
详解人工智能之确定性推理方法

文章目录推理的定义推理方式及其分类推理的方向冲突消解策略自然演绎推理谓词公式化为子句集的方法鲁宾逊归结原理1.命题逻辑中的归结原理(基子句的归结)2.谓词逻辑中的归结原理(含有变量的子句的归结)归结反演应用归结原理求解问题推理的定义推理方式及其分类1.演绎推理:一般 → 个体三段论式(三段论法)2.归纳推理:个体 → 一般完全归纳推理(必然性推理)不完全归纳推理(非必然性推理)3.默认推理(缺省推

#人工智能#深度学习#机器学习
人工智能的知识表示

智能是知识与智力的总和智能的特征:感知能力、记忆与思维能力、学习能力、行为能力(表达能力)人工智能:用人工的方法在机器(计算机)上实现的智能;或者说是人们使机器具有类似于人的智能。知识表示:将人类知识形式化或者模型化。知识表示方法:符号表示法、连接机制表示法。机器感知:使机器(计算机)具有类似于人的感知能力。以机器视觉(machine vision)与机器听觉为主。机器思维:对通过感知得来的外部信

#人工智能#机器学习#自然语言处理
【云原生】Docker镜像详解

镜像是一种轻量级、可执行的独立软件包,它包含运行某个软件所需的所有内容,我们把应用程序和配置依赖打包好形成一个可交付的运行环境(包括代码、运行时需要的库、环境变量和配置文件等),这个打包好的运行环境就是image镜像文件。只有通过这个镜像文件才能生成Docker容器实例(类似Java中new出来一个对象)。...

文章图片
#docker#云原生#运维
计算机前沿高频词汇

convergencen.(不同思想、群体或社会的)趋同,融合;novel technology about acquiring and processing information全新的信息获取和处理技术architecturen.建筑学;体系结构; (总体、层次)结构;brieflyadv.简要地;some valuable applications are explained and for

#深度学习#神经网络#机器学习
详解人工智能之确定性推理方法

文章目录推理的定义推理方式及其分类推理的方向冲突消解策略自然演绎推理谓词公式化为子句集的方法鲁宾逊归结原理1.命题逻辑中的归结原理(基子句的归结)2.谓词逻辑中的归结原理(含有变量的子句的归结)归结反演应用归结原理求解问题推理的定义推理方式及其分类1.演绎推理:一般 → 个体三段论式(三段论法)2.归纳推理:个体 → 一般完全归纳推理(必然性推理)不完全归纳推理(非必然性推理)3.默认推理(缺省推

#人工智能#深度学习#机器学习
下一场范式革命:Transformer架构≠最终解法

如今,Transformer 仍是舞台中央的王者,但 “唯一解” 的神话正在悄然瓦解。一场关乎 AI 未来成本、速度与落地广度的架构之战,已在无声中打响。谁能在性能与效率的天平上找到终极平衡,或许就将定义下一个十年的技术航向。

文章图片
#transformer#架构#深度学习
详细介绍NLP文本分类

基于统计方法的文本分类是文本分类的主要方法之一。统计方法首先是对原始输入数据进行预处理,一般包括分词、数据清洗和数据统计等,然后人工抽取特征并选择具体的统计模型设计分类算法。根据需要还可能进行特征选择和特征提取,常用的特征选择算法有文档频率、期望交叉熵、互信息等,特征提取转换原始的特征空间生成新的语义空间,能够较好地解决一词多义、一义多词等问题。常用的统计模型包括朴素贝叶斯算法、支持向量机算法等。

#自然语言处理#分类#机器学习
    共 54 条
  • 1
  • 2
  • 3
  • 6
  • 请选择