Command Palette
Search for a command to run...
百科
我们编汇了数百条相关词条，帮助您理解「人工智能」
聚类分析是对于统计数据分析的一门技术，在许多领域受到广泛应用，包括机器学习，数据挖掘，模式识别，图像分析以及生物信息。 聚类是把相似的对象通过静态分类的方法分成不同的组别或者更多的子集，这样让在同一个子集中的成员对象都有 […]
聚类集成是为了提高聚类结果的准确性、稳定性和鲁棒性的一种算法，通过集成多个基聚类结果可以产生一个较优的结果。 这种方法的基本思想是：用多个独立的基聚类器分别对原始数据集进行聚类，然后使用某种集成方法进行处理，并获得一个最 […]
数字遥控系统中译码器的一个组成部分。由双稳态触发器和编码开关组成。每个双稳态有「1」和「2」两种状态，n 个双稳级联起来就有 2n 种可能的组合，每一种组合即为二进制码组，编码开关按二进制码组连接。编码矩阵的用途是将指令 […]
计算学习理论会议之一，由 ACM 主办，每年举行。 计算学习理论，可以看成理论计算机科学和机器学习的交叉，所以被广泛认为是计算机科学相关会议。 官网：https://learningtheory.org/colt2019 […]
竞争学习是人工神经网络的一种学习方式。 在网络结构固定时，学习过程则归结为修改连接权，其中，竞争学习是指网络单元群体中所有单元相互竞争对外界刺激模式响应的权利。 竞争取胜的单元的连接权向着对这一刺激模式竞争更有利的方向变 […]
组件学习器是个体学习器的一种，其基于集成学习产生的个体学习器。 当个体学习器由不同的学习算法生成时，称为异质集成，这些个体学习器称为组件学习器。
可解释性是指需要了解或解决一件事情的时候，可以获得所需的相关信息。 数据层面的可解释性：让神经网络具有清晰的符号化的内部知识表达，去匹配人类自身的知识框架，从而人们可以在语义层面对神经网络进行诊断和修改。 机器学习的可解 […]
机器学习领域分类算法将属性分为离散和连续的，其中离散属性具有有限或无限可数个值，其可用或不用整数表示，例如属性 hair_color 、 smoker 、 medical_test 和 drink_size 都有有限个值 […]
定义 级联相关是一种监督学习架构，其可被用于构建最小的多层网络拓扑，它的优点在于用户无需担心网络的拓扑结构，而且其学习速度相较于传统学习算法更快。 相关算法 级联相关算法通过以下方式实现： 从最小网络开始，仅包含输入和输 […]
定义 在规定的条件下，用一个可参考的标准，对包括参考物质在内的测量器具的特性赋值，并确定其示值误差。 目的 确定示值误差，并可确定是否在预期的允差范围之内； 得出标称值偏差的报告值，可调整测量器具或对示值加以修正； 给任 […]
定义 对于微分方程 $latex \frac{d \mathbf{x}}{d t}=\mathbf{f}(t, \mathbf{x}), \mathbf{x} \in \mathbb{R}^{n}$ , 若 $latex […]
自助法是一种从给定训练集中有放回的均匀抽样，也就是说，每当选中一个样本，它等可能的被再次选中并被再次添加到训练集中。 自助法由 Bradley Efron 于 1979 年在《Annals of Statistics》上 […]
对于一个样本，它在某一次含 m 个样本的训练集的随机采样中，每次被采集到的概率是 1m 。不被采集到的概率为 1−1m 。 若 m 次采样都没有被采集中的概率是 (1−1m)m，则当 m→∞时，(1−1m)m→1/e≃0 […]
玻尔兹曼机是随机神经网络和递归神经网络的一种，由杰弗里·辛顿 (Geoffrey Hinton) 和特里·谢泽诺斯基 (Terry Sejnowski) 于 1985 年发明。 玻尔兹曼机可被视作随机过程的，可生成的相应 […]
定义 二分法是一种算法，其输入是一个有序的元素列表。 如果要查找的元素包含在列表中，二分查找返回其位置；否则返回 null 。 基本思想 当数据量很大适宜采用该方法。 采用二分法查找时，数据需是排好序的 假设数据是按升序 […]
定义 二项检验是比较二分变量的两个类别的观察频率与指定概率参数的二项式分布下的期望频率，缺省情况下，两个组的概率参数均为 0.5 。 示例 掷出一枚硬币，正面朝上的概率等于 1/2 。 根据这一假设，将硬币抛掷 40 次 […]
表示分类任务中仅有两个类别，比如我们想识别一幅图片是或者不是猫。 即训练一个分类器，输入一幅图片，用特征向量 x 表示，输出是不是猫，用 y = 0 或 1 表示；二类分类是假设每个样本都被设置了一个且仅有一个标签 0 […]
定义 深度神经网络在语音识别，图像处理和自然语言处理等众多方向上体现了优越的效果，LSTM 作为 RNN 的一种变体，相比较于 RNN 可以学习到数据中长期依赖关系。 2005 年，Graves 提出了将 LSTM 与 […]
偏差-方差困境指无法同时降低偏差和方差，只能在两者之间取得均衡。 在模型中，若想降低偏差，便会增加模型的复杂度，防止欠拟合；但同时又不能让模型太复杂而导致方差增加，造成过拟合。因此在模型的复杂度上，需要找到一个平衡点，可 […]
「偏差-方差分解」是从偏差和方差的角度解释学习算法泛化性能的工具，具体定义如下： 假设存在 K 个数据集，每个数据集都是从一个分布 p(t,x) 中独立的抽取出来的 (t 代表要预测的变量，x 代表特征变量) 。 在不同 […]
定义： 期望输出与真实标记的差别称为偏差 (bias) 下图可以很好的说明偏差与方差的关系：
类间散度矩阵用于表示各样本点围绕均值的散布情况。 数学定义
定义 贝叶斯网络，是目前不确定知识表达和推理领域最有效的理论模型之一。贝叶斯网络, 由代表变量节点及连接这些节点有向边构成。 节点代表随机变量，节点间的有向边代表了节点间的互相关系，用条件概率进行表达关系强度，没有父节点 […]
基本概念 贝叶斯决策理论方法是统计模型决策中的一个基本方法，其基本思想是： 已知类条件概率密度参数表达式和先验概率 利用贝叶斯公式转换成后验概率 根据后验概率大小进行决策分类 相关公式 设 D1，D2，……，Dn 为样本 […]
聚类分析是对于统计数据分析的一门技术，在许多领域受到广泛应用，包括机器学习，数据挖掘，模式识别，图像分析以及生物信息。 聚类是把相似的对象通过静态分类的方法分成不同的组别或者更多的子集，这样让在同一个子集中的成员对象都有 […]
聚类集成是为了提高聚类结果的准确性、稳定性和鲁棒性的一种算法，通过集成多个基聚类结果可以产生一个较优的结果。 这种方法的基本思想是：用多个独立的基聚类器分别对原始数据集进行聚类，然后使用某种集成方法进行处理，并获得一个最 […]
数字遥控系统中译码器的一个组成部分。由双稳态触发器和编码开关组成。每个双稳态有「1」和「2」两种状态，n 个双稳级联起来就有 2n 种可能的组合，每一种组合即为二进制码组，编码开关按二进制码组连接。编码矩阵的用途是将指令 […]
计算学习理论会议之一，由 ACM 主办，每年举行。 计算学习理论，可以看成理论计算机科学和机器学习的交叉，所以被广泛认为是计算机科学相关会议。 官网：https://learningtheory.org/colt2019 […]
竞争学习是人工神经网络的一种学习方式。 在网络结构固定时，学习过程则归结为修改连接权，其中，竞争学习是指网络单元群体中所有单元相互竞争对外界刺激模式响应的权利。 竞争取胜的单元的连接权向着对这一刺激模式竞争更有利的方向变 […]
组件学习器是个体学习器的一种，其基于集成学习产生的个体学习器。 当个体学习器由不同的学习算法生成时，称为异质集成，这些个体学习器称为组件学习器。
可解释性是指需要了解或解决一件事情的时候，可以获得所需的相关信息。 数据层面的可解释性：让神经网络具有清晰的符号化的内部知识表达，去匹配人类自身的知识框架，从而人们可以在语义层面对神经网络进行诊断和修改。 机器学习的可解 […]
机器学习领域分类算法将属性分为离散和连续的，其中离散属性具有有限或无限可数个值，其可用或不用整数表示，例如属性 hair_color 、 smoker 、 medical_test 和 drink_size 都有有限个值 […]
定义 级联相关是一种监督学习架构，其可被用于构建最小的多层网络拓扑，它的优点在于用户无需担心网络的拓扑结构，而且其学习速度相较于传统学习算法更快。 相关算法 级联相关算法通过以下方式实现： 从最小网络开始，仅包含输入和输 […]
定义 在规定的条件下，用一个可参考的标准，对包括参考物质在内的测量器具的特性赋值，并确定其示值误差。 目的 确定示值误差，并可确定是否在预期的允差范围之内； 得出标称值偏差的报告值，可调整测量器具或对示值加以修正； 给任 […]
定义 对于微分方程 $latex \frac{d \mathbf{x}}{d t}=\mathbf{f}(t, \mathbf{x}), \mathbf{x} \in \mathbb{R}^{n}$ , 若 $latex […]
自助法是一种从给定训练集中有放回的均匀抽样，也就是说，每当选中一个样本，它等可能的被再次选中并被再次添加到训练集中。 自助法由 Bradley Efron 于 1979 年在《Annals of Statistics》上 […]
对于一个样本，它在某一次含 m 个样本的训练集的随机采样中，每次被采集到的概率是 1m 。不被采集到的概率为 1−1m 。 若 m 次采样都没有被采集中的概率是 (1−1m)m，则当 m→∞时，(1−1m)m→1/e≃0 […]
玻尔兹曼机是随机神经网络和递归神经网络的一种，由杰弗里·辛顿 (Geoffrey Hinton) 和特里·谢泽诺斯基 (Terry Sejnowski) 于 1985 年发明。 玻尔兹曼机可被视作随机过程的，可生成的相应 […]
定义 二分法是一种算法，其输入是一个有序的元素列表。 如果要查找的元素包含在列表中，二分查找返回其位置；否则返回 null 。 基本思想 当数据量很大适宜采用该方法。 采用二分法查找时，数据需是排好序的 假设数据是按升序 […]
定义 二项检验是比较二分变量的两个类别的观察频率与指定概率参数的二项式分布下的期望频率，缺省情况下，两个组的概率参数均为 0.5 。 示例 掷出一枚硬币，正面朝上的概率等于 1/2 。 根据这一假设，将硬币抛掷 40 次 […]
表示分类任务中仅有两个类别，比如我们想识别一幅图片是或者不是猫。 即训练一个分类器，输入一幅图片，用特征向量 x 表示，输出是不是猫，用 y = 0 或 1 表示；二类分类是假设每个样本都被设置了一个且仅有一个标签 0 […]
定义 深度神经网络在语音识别，图像处理和自然语言处理等众多方向上体现了优越的效果，LSTM 作为 RNN 的一种变体，相比较于 RNN 可以学习到数据中长期依赖关系。 2005 年，Graves 提出了将 LSTM 与 […]
偏差-方差困境指无法同时降低偏差和方差，只能在两者之间取得均衡。 在模型中，若想降低偏差，便会增加模型的复杂度，防止欠拟合；但同时又不能让模型太复杂而导致方差增加，造成过拟合。因此在模型的复杂度上，需要找到一个平衡点，可 […]
「偏差-方差分解」是从偏差和方差的角度解释学习算法泛化性能的工具，具体定义如下： 假设存在 K 个数据集，每个数据集都是从一个分布 p(t,x) 中独立的抽取出来的 (t 代表要预测的变量，x 代表特征变量) 。 在不同 […]
定义： 期望输出与真实标记的差别称为偏差 (bias) 下图可以很好的说明偏差与方差的关系：
类间散度矩阵用于表示各样本点围绕均值的散布情况。 数学定义
定义 贝叶斯网络，是目前不确定知识表达和推理领域最有效的理论模型之一。贝叶斯网络, 由代表变量节点及连接这些节点有向边构成。 节点代表随机变量，节点间的有向边代表了节点间的互相关系，用条件概率进行表达关系强度，没有父节点 […]
基本概念 贝叶斯决策理论方法是统计模型决策中的一个基本方法，其基本思想是： 已知类条件概率密度参数表达式和先验概率 利用贝叶斯公式转换成后验概率 根据后验概率大小进行决策分类 相关公式 设 D1，D2，……，Dn 为样本 […]