-
机器学习如何彻底改变运输
您是否曾经订购过一个大包裹，发现第二天就将其运送给您？您是否曾经想过，当您在线上购买商品，已经找到，注册并在联系您的过程中，这些情况可能吗，更多信息尽在振工链？这全都归功于仓库正在使用一些特殊技术来使流程尽可能高效。为什么仓库利用机器学习机器学习在几乎每个领域都是革命性的，但是由于这项技术的某些进步，尤其是在仓库行业中取得了巨大的进步。通过简化和自动化许多常见任务，使流程几乎完全自动化
-
巧妙算法背后的直觉：浅谈贝叶斯优化之美
2020-10-09 01:10:07编译 | 蒋宝尚编辑 | 陈彩娴假设有一个函数F(x)，已知计算成本很高，且解析式和导数未知。问：如何找到全局最小值？毫无疑问，这是一个非常烧脑的任务，比机器学习所有的优化问题都烧脑，毕竟机器学习中的梯度下降就默认了导数可得。在其他优化问题下，能够采用的方法非常多，即使不用梯度下降，粒子群或模拟退火等非梯度优化方法也是解决方案之一。再者，如果能够以较低的计算成
-
从因果关系来看小样本学习
2020-10-05 19:08:38作者 | 岳中琪编辑 | 陈彩娴本文主要介绍一篇被NeurIPS 2020接受的论文《Interventional Few-Shot Learning》。这篇工作根据小样本学习当中的因果关系，提出了一种新的基于因果干预的分类器IFSL，去除了预训练带来的掺杂效果，在各种方法上取得了稳定的提升。主要的优势有：广泛适用于各种基于微调（fine-tune）或是元学习
-
何恺明Focal Loss改进版！GFocal Loss：良心技术，无cost涨点
2020-10-05 01:33:15作者 | 李翔编辑 | 陈大鑫在ICCV 2017上，Kaiming大神所在的FAIR团队“随手”发了一篇名为《Focal Loss for Dense Object Detection》的论文。没曾想一石激起千层浪，这篇论文在解决目标检测中正负样本不平衡的问题上做出了很大的贡献，也为后人在此问题上开拓了新的思路。Focal Loss是为one-s
-
“大数据杀熟”将被明令禁止：亚马逊才是大数据杀熟算法的鼻祖
来源：HyperAI超神经本文约2300字，建议阅读7分钟你有过被大数据“杀熟”的经历吗？[ 摘要 ]近年来，大数据「杀熟」已经成为互联网商家被公开的秘密，这一行为深受广大用户诟病。不过，根据文旅局最新发布的规定，大数据「杀熟」行为将于 10 月 1 日起被明令禁止。标签：大数据杀熟 价格歧视 OTA 电商去年 3 月，北京市消费者协会关于大数据「杀熟」的调查显示，大多数被调查者都认为，大数据「杀
-
不要小看树模型
2020-09-28 13:24:19选自towardsdatascience作者：Andre Ye机器之心编译编辑：陈萍树模型和神经网络，像一枚硬币的两面。在某些情况下，树模型的性能甚至优于神经网络。由于神经网络的复杂性，它们常常被认为是解决所有机器学习问题的「圣杯」。而另一方面，基于树的方法并未得到同等重视，主要原因在于这类算法看起来很简单。然而，这两种算法看似不同，却像一枚硬币的
-
G.R.A.S. AM0069
G.R.A.S. AM0069
-
机器学习算法：AdaBoost
AdaBoost算法（Adaptive Boost）的核心思想是：如果一个弱分类器的分类效果不好，那么就构建多个弱分类器，综合考虑它们的分类结果和权重来决定最终的分类结果。很多人认为AdaBoost是监督学习中最强大的两种算法之一（另一个是支持向量机SVM）。 AdaBoost的训练过程如下： 为每个训练样本初始化相同的权重； 针对训练样本及权重，找到一个弱分类器； 计算出这个弱分类器
-
视觉语言两开花！谷歌提出全新视觉语言桥梁
2020-09-19 13:24:19作者 | 赛文编辑 | 陈大鑫“ 妈妈快来看！有人类在看我。”小老虎在动物园指着人类开心地说道。对动物而言可能有些夸张，但是人类在进行事物的描述时，大多都是一边指着目标物体，一边进行语言的描述吗？来自谷歌研究院的学者们以此为基础提出了“定位叙事”图像标注方法，在传统图像描述标注方法的基础上，巧妙的利用鼠标轨迹为每个单词都提供了较为密集的视觉基础，可
-
如何高效快速准确地完成ML任务，这4个AutoML库了解一下
2020-09-21 14:23:31选自TowardsDataScience作者：Andre Ye机器之心编译编辑：陈萍、杜伟AutoML 是当前深度学习领域的热门话题。只需要很少的工作，AutoML 就能通过快速有效的方式，为你的 ML 任务构建好网络模型，并实现高准确率。简单有效！数据预处理、特征工程、特征提取和特征选择等任务皆可通过 AutoML 自动构建。图源：https:/
-
机器学习在滴滴网络定位中的探索和实践
滴滴技术 出品
-
这个对抗算法让人脸识别算法失灵，还能抵抗微信微博照片压缩
2020-08-19 12:49:49鱼羊 编辑整理 凹非寺量子位 报道 | 公众号 QbitAI上回书说到，现在，对抗攻击的理念已经被应用到隐私保护领域：通过给照片添加肉眼看不出来的对抗性噪声，来蒙蔽人脸识别AI，达到保护隐私的效果。不过，就有好学的同学提出了这样的疑问，各种App基本都会对图片重新进行压缩，那这种照片「隐身衣」不就会因此失效吗？最近，武汉大学国家网络安全学院就和Adobe公司合
-
一文掌握5种常用的机器学习模型及其优缺点
机器学习模型中有许多种不同方法可以用来解决分类和回归问题。对同一个问题来说，这些不同模型都可以被当成解决问题的黑箱来看待。然而，每种模型都源自于不同的算法，在不同的数据集上的表现也各不相同。最好的方法是使用交叉比对的方式来决定在待测试数据上哪种模型的效果最好。在此尝试对每种模型的算法模式进行简要总结，希望能帮助你找着适合特定问题的解决方法。 常用机器学习模型 1.朴素贝叶斯模型 朴素贝叶
-
五种图像标注的简介
您是否曾被要求在图像中寻找针对不同图形区域的标注类信息?在如今人工智能(AI)和机器学习(ML)盛行的环境中，各类AI开发人员和研究人员为了实现其项目的目标，需要访问大量具有高质量的数据。同时，随着“数据为王”的概念已深入人心，可以说，“没有数据，就不会有所谓的数据科学。”目前，机器学习的一个主要应用领域，便是需要在计算机视觉(computer vision)中，对大量的图像进行标注，使之成为实用
-
新技术应用人社服务，推动“互联网+就业创业
就业是民生之本。在十九届四中全会精神《决定》中指出，要提高治理现代化以及治理能力水平，一定要更重视互联网、大数据和人工智能等现代信息技术手段的应用。近几年，国家社会经济发展迅猛，公共就业服务是我们国家落实积极就业政策的重要载体，同样也发展迅速。目前，在国家人社部的协同部署之下，各地也加快了信息系统“互联网+就业创业”的建设步伐，使人设局治理工作的现代化水平和能力在不断成长，社会群众都能体验到“一网
-
从多模态到泛化性，无监督学习如何成为人工智能的下一站？
2020-08-31 23:13:45作者 | 彩娴、青暮、宝尚编辑 | 大鑫2016年，图灵奖得主Yann LeCun 表示，未来几年的挑战是让机器学会从原始的、没有标签的数据中学习知识，即无监督学习。Yann LeCun提出，无监督学习是人工智能的下一站。2020年，图灵奖得主Geoffrey E. Hinton指出，人类无法完全依赖有监督学习的方法完成所有神经元训练，而需要更多来自于无监督学
-
HMS anybus IXXAT CM021620-B HMS simatic S7-1200 021620-B 即插式通讯模块
工业通讯模块，是指在工业自动化控制领域中，专为电机传递不同讯号的连接器，包含转换RS-232、RS-422/485信号等通讯网络，以使系统架构中的驱动、控制与致动组件的串行讯息兼容。HMS anybus IXXAT CM021620-B HMS simatic S7-1200 021620-B 即插式通讯模块1、以太网网关器，支持Modbus-TCP协议2、电气隔离，抗杂讯能力强3、支持标准Mod
-
ABB RT7B系列 2TLA010028R1000和RT7A系列 2TLA010028R2000继电器
ABB RT7B系列 2TLA010028R1000和RT7A系列 2TLA010028R2000继电器是瑞士ABB生产的继电器系列产品，ABB生产的这款继电器技术领先，质量上乘，在国际和国内市场上得到了各行业专业用户的信赖！ABB拥有广泛的产品线，包括全系列电力变压器和配电变压器，高、中、低压开关柜产品，交流和直流输配电系统，电力自动化系统，各种测量设备和传感器，实时控制和优化系统，机器人软硬件
-
像管理镜像一样管理机器学习模型
天南地北侃技术，自娱自乐于互联网的缝隙中。
-
人工智能-机器学习简介
简介机器学习是一门为了预测某个值而对系统应用算法来学习数据中模式的科学。利用足够的数据，在所有输入变量与待预测值之间建立关系。在给定其他输入变量的情况下，系统更容易预测一个新的值。这种方法不同于传统编程，在传统编程中，应用程序是基于先前设置的规则开发的。虽然机器学习的基本概念已经存在了一段时间，但这一领域最近才迅猛发展，这要归功于先进的处理器和丰富的可用数据，这两者都是实现精确预测的关键。因为介绍
